一类非线性系统的无模型学习自适应控制

对于一类常见非线性离散系统,提出了其动态线性逼近的增量型模型、无模型自适应控制律和带有参数限定时域长度的参数自适应预报递推算法,实现了对时滞非线性系统的无模型学习自适应控制。通过仿真表明,该算法对于一类非线性系统实现无模型学习自适应控制是正确和有效的。

一类多重时滞非线性系统无模型学习自适应控制

对于一类常见多重时滞非线性离散系统．提出了基于动态线性逼近的增量型最小化模型、递推预测 模型，无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法，实现了对存在较大滞 后的多重时滞非线性系统的无模型学习自适应控制。该算法不需要受控系统的结构信息、数学模型、外部实 验信号和训练过程，不用解Ｄｉｏｐｈａｎｔｉｎｅ方程．无需矩阵运算．在线计算量很小．实时性好，仅用受控系统的 Ｉ／Ｏ数据来设计，传统的未建模动态不存在。通过仿真表明，该算法对于一类非线性系统实现无模型自适应 控制是正确和有效的．

基于动态线性逼近的非线性系统无模型自适应控制

对于一类常见多重时滞非线性离散系统，提出了其动态线性逼近的增量型模型。无模型自适应控制律和带有参数限定时 域长度的参数自适应预报递推算法，实现了对时滞非线性系统的无模型自适应控制。该算法不用解Ｄｉｏｐｈａｎｔｉｎｅ方程，无 需矩阵运算，在线计算量很小，实时性好，具有很强的抑制噪声干扰能力。通过仿真表明，该算法对于一类非线性系统实 现无模型自适应控制是正确和有效的。

基于动态非线性逼近的非线性系统预测控制

对于一类常见多重时滞非线性离散系统,提出基于动态非线性逼近的增量型最小化递推预测模型、广义预测控制律、噪声估计器以及参数自适应递推预报算法,实现了对存在较大滞后的时滞非线性系统的广义预测控制.仿真结果表明了该算法的正确性和有效性.