基于线性参数神经网络的非线性系统稳定自适应控制

提出适用于多种网络类型的神经网络稳定自适应控制设计思想 ,在神经网络逼近误差界未知的条件下 ,对该误差界进行在线自适应估计 ,研究基于线性参数神经网络的仿射非线性系统稳定自适应控制。采用 L yapunov函数方法证明系统状态变量、网络权值矢量、网络逼近误差界的在线估计及输出跟踪误差的收敛性。仿真结果表明 ,该方案跟踪性能良好 ,稳态误差较小 ,系统输出能快速跟踪目标信号。

一类混沌金融系统的自适应控制

对于一类混沌金融系统,给出了一种自适应控制律,并基于Lyapunov稳定性理论和Barbalat引理进一步给出了在所给控制律的作用下系统渐近稳定到平衡点的充分条件,仿真验证了控制方法的有效性.

基于边界输出反馈非线性波方程的自适应控制稳定性

研究了基于边界输出反馈非线性波方程的自适应控制稳定性问题.利用可测的终端速度,获得了高增益自适应控制器,使用加辽金方法获得闭环系统解的存在性与唯一性,同时,证明闭环系统是指数稳定的.

基于类脑情感学习回路模型的两点预瞄驾驶员转向模型

为建立一个与真实驾驶员行为规律更加一致的驾驶员转向模型,借鉴心理学、生理学及类脑计算的研究成果,建立了基于大脑情感学习回路的两点预瞄驾驶员转向模型,解决了以往驾驶员模型在车辆速度大跨度变化自适应能力差的问题。为了解决该驾驶员模型对车辆参数变化较大时自适应能力不足的问题,通过横摆动力学模型建立了内部参考模型,基于Narendra稳定自适应控制建立自适应转向模型。仿真结果表明,所建立的驾驶员转向模型具有良好的道路跟随能力和转向平顺性,应对车辆纵向速度和参数变化体现了较强的自适应能力。