一、具有指数收敛速率的时滞系统采样迭代学习控制（论文文献综述）
张秀赟[1]（2021）在《非线性系统变增益迭代学习控制研究》文中提出迭代学习控制广泛应用于具有重复运动特性的被控对象的轨迹跟踪问题,其利用先前批次的输入以及误差信息,不断修正当前批次的输入信号,经过足够多的批次后能够实现准确跟踪。实际中被控系统一般都是非线性系统,因此,将迭代学习控制理论应用于非线性系统的跟踪控制问题具有重要研究价值。在传统的迭代学习控制研究中,学习律的增益大多是固定不可变常数,增益固定系统收敛速度一般也固定,初始参数的设定决定了系统的运行状况。变增益学习律的提出,弥补了传统固定增益的不足,能够改善系统的动态调节性能,因此,针对具有非线性、时滞特性的对象,变增益迭代学习控制能够有效解决这类复杂系统的跟踪问题,进一步加强与完善这方面的研究很有意义。本文研究了一类非线性系统的变增益迭代学习控制,对于状态时滞、控制时滞的问题进行了探讨。具体的研究内容包括如下:（1）针对一类满足利普希茨条件的非线性系统,在传统固定增益的迭代学习控制律基础之上,利用PID控制的优势,提出了一种增益系数随时间与批次变化的学习算法。首先,给出了该系统满足收敛时的条件,其次,使用算子引理对该系统在经过多次迭代学习之后,系统的实际输出能够有效跟踪上给定曲线,进行了严格的理论证明,能够保证系统收敛。对注塑机的注射速度进行建模与仿真实验,并且和传统的固定增益型的算法作了比较,验证了所提出的控制策略的优点和有效性。（2）针对一类满足利普希茨条件的非线性系统,在具有状态时滞问题时,研究了增益系数可变的PD型学习律。利用系统运行过程中的期望输出、期望控制输入以及误差信息,设计了变增益控制器。借助算子引理和Bellman-Gronwall不等式引理,证明了该状态时滞系统的收敛性,并对具有状态时滞的CSTR反应温度模型建模仿真实验,仿真结果表明了该算法对于状态时滞系统的有效性。（3）研究了一类非线性系统在含有状态时滞和控制时滞的问题,给出了一种给定超前的变增益PID型迭代学习控制策略。首先,利用系统在迭代学习过程中的期望给定、期望控制输入以及误差量,设计了该变增益型的学习控制器。其次,用Bellman-Gronwall不等式引理以及算子引理从数学角度证明了该系统的收敛性。最后继续对CSTR模型建模仿真验证了该方法可行,并与固定增益的算法进行对比,表明了该变增益型学习律有更好地动态调节性能,其收敛速度更快。
许振兴[2]（2020）在《基于深度强化学习的自适应光学波前控制研究》文中进行了进一步梳理自适应光学（Adaptive Optics,AO）技术通过改变波前校正器相位来补偿入射畸变波前,从而改善光学系统的性能,被广泛应用于天文观测、激光通信系统、视网膜成像、激光光束净化等光学系统。AO系统作为有效的主动补偿技术,虽然在各领域取得了很好的校正效果,但传统闭环控制方法将AO控制系统视为线性时不变系统,这使得传统控制方法无法处理各类误差带来的不确定性,无法发挥系统潜力获得最优性能。本文从传统AO控制方法与深度强化学习找到结合点并做探索性研究,建立自学习智能控制模型。深度学习与强化学习的结合将感知环境和系统控制无缝连接,使AO能够自动感知不确定的环境状态并完成自适应控制。该AO智能控制模型具有通用性,不依赖于建立准确模型,只需与环境互动学习,利用从外界反馈的回报信号和采集的环境状态不断调整控制策略,使其在线自学习最优控制策略或次优控制策略,可根据系统状态保持或逼近最佳性能。具体来说,传统基于离线建模的线性时不变控制方法无法处理以下三种情形:（1）AO控制平台在长时间运行过程中,受机械平台振动等时变因素的影响,波前校正器与波前传感器的相对位置发生偏移导致对准误差,使得系统参数发生异变无法自适应对准误差。（2）哈特曼传感器缺光引起的斜率信息缺失或噪声引起的斜率测量误差。这类误差直接耦合控制模型,斜率测量误差的传递造成控制性能下降或不稳定。（3）AO系统中时滞普遍存在,时滞校正误差对系统的性能影响很大,因此具有静态控制策略的控制方法无法实现自适应预测控制。本文围绕上述三种情形,展开理论分析和实验研究,建立线性和非线性两种针对AO的智能控制模型。该模型根据当前AO的环境特性进行在线策略优化,始终满足性能约束指标,为解决传统控制手段难以处理误差带来的控制性能下降,以及难以建立准确的系统模型和湍流模型提供了新思路。本文的主要研究内容如下:1.基于哈特曼传感器的AO系统其误差传递过程不可避免,误差传递将影响系统的校正性能,最大程度的补偿或抑制误差传递可显着提高系统的校正性能。AO主要误差来源分为五类:（1）H-S透镜阵列对波前的有限分割采样带来的空间采样误差;（2）斜率测量过程中噪声因素引入的斜率测量误差;（3）强闪烁条件下H-S子孔径斜率探测不理想或信息缺失;（4）H-S与变形镜的空间失配导致对准误差;（5）系统时滞因素导致的时滞校正误差。通过对上述五类误差进行分析,将其转化为组合目标函数的优化问题,推导出了利用组合目标函数的梯度信息作为误差补偿手段,为后续基于梯度信息的在线学习模型提供了理论基础。2.提出了AO系统的线性学习模型,该模型将远场性能指标和估计误差平方和的线性组合作为目标函数,能够自适应系统参数变化,不依赖于建立准确的系统模型。为使得学习模型保持良好的跟踪特性,引入了梯度动量项,动量项累积了之前迭代时的梯度信息,逐步弱化了历史梯度信息对当前模型训练的影响,提高了当前梯度信息的影响,动量项的引入避免了在线样本存储。同时还给出了模型的并行异步优化方法以及模型参数的初始化策略。最后,搭建了AO实验平台来验证线性学习模型的性能,实验结果表明该模型兼顾了斜率信息缺失补偿和自适应抑噪能力,显着提高了系统控制精度。数值分析表明,在不需要重新测量响应矩阵的情况下,实现了对准误差下的自适应性。该模型简单高效,具有一定的工程意义,但由于线性模型学习能力有限,当存在多对一映射关系时其学习过程容易产生线性偏移。3.针对线性学习模型存在的学习能力有限问题以及对湍流扰动的预测控制问题进行建模。提出了基于深度强化学习理论的非线性动态学习模型,该模型采用神经网络的泛映射性拟合策略函数,并通过强化学习的确定性策略梯度方法实现在线滚动优化策略。但是在实际在线策略优化时,若模型目标函数的梯度矩阵测量不准确或突增,则可能导致梯度爆炸使得学习模型不能正常工作。为避免梯度爆炸,保证网络模型稳定收敛,在该梯度反向传入网络模型之前,将梯度矩阵投影至较小的尺寸上,进行裁剪和约束。同时为了避免学习速率衰减过快,能够对每个网络参数自适应不同的学习速率,采用三点解决方案:一是使用历史窗口;二是对参数梯度动量项的历史窗口序列（不包括当前）使用均值;三是最终梯度项为历史窗口序列均值与当前梯度动量项的加权平均。最后,通过搭建AO实验系统来验证非线性动态学习模型对静态像差以及动态像差的校正能力,实验中引入了HT200热风式大气湍流模拟器来产生不同强度的大气湍流。实验结果表明,非线性动态学习模型具有建模方便以及过程描述可在线获得的特点,能及时弥补由于模型失配、畸变、干扰等因素引起的不确定性,模型通过在线误差补偿和噪声抑制提高了系统的控制精度,其自适应性提高了系统的稳定性。由于模型可在线学习湍流统计特性,无需离线建立湍流模型,实现了自适应预测控制模型,具有明显的工程和理论意义。
王昕炜[3]（2019）在《非线性最优控制问题的保辛伪谱方法及其应用》文中进行了进一步梳理实际工程中的最优控制问题面临强非线性、约束、时滞等复杂特性,难以使用解析法完成求解。在构造最优控制问题数值算法时,人们通常单纯地关心如何提高数值解对解析解的逼近程度,却并未对最优控制问题本身的数学结构加以利用。事实上,最优控制问题可以通过Pontryagin极大值原理导入Hamiltonian系统,而保辛方法可以高效、精确地求解Hamiltonian系统。此外,直接法中的伪谱法由于其良好的精度目前求解最优控制问题的最流行的数值方法。然而伪谱法本质上是一种通用的近似方式,不应仅被局限于直接法的构造当中。基于这样的现状,本文考虑利用伪谱法的优良数学特性,在间接法的框架下发展求解非线性最优控制问题的保辛伪谱算法。本论文的具体工作如下:1.针对一般性无约束非线性最优控制问题,提出了多区段的保辛伪谱算法。数值算例表明,相对于基于均匀Lagrange插值的保辛方法,本文方法在数值精度和计算效率方面均有明显的优势。此外,为避免为了提高数值解精度而盲目加密求解网格,基于状态变量曲线的相对曲率提出了一种自适应hp网格加密技术。2.针对含有不等式约束的非线性最优控制问题,结合序列拟凸化方法,提出了多区段的保辛伪谱算法。通过Lagrange乘子法,纯状态、纯控制以及状态-控制混合三类约束,得以在统一的框架下进行处理,并得到严格满足。通过数值算例表明,相较于经典伪谱法以及自适应hp伪谱法,本文方法在数值精度和计算效率方面具有明显的优势。3.针对含有状态时滞的非线性最优控制问题,结合序列拟凸化方法,提出了多区段的保辛伪谱算法,首次实现了对时滞最优控制问题的保辛求解。数值算例表明,相比于伪谱方法和同伦打靶方法,本方法在数值精度和计算效率方面均具有一定的优势。4.基于2中发展的保辛伪谱算法,结合滚动优化的思想,构造了可以考虑约束的保辛伪谱模型预测控制和保辛伪谱滚动时域估计算法,以服务于闭环控制的需要。分别通过桥式起重机轨迹跟踪问题和航天器的状态估计问题,验证了两类算法的有效性。本论文发展的这系列保辛伪谱算法具有丰富的收敛特性,通过调节子区间数目或伪谱近似阶数,可以分别使算法呈现线性和指数的收敛速度。由于该系列算法基于最小作用量原理构造,涉及的核心矩阵天然地具有稀疏、对称的特性,而且多区段的特性极易实现并行计算,为大规模非线性最优控制问题的高效、精确求解提供了潜在的可能。此外,针对实际的轨迹优化问题,离线的轨迹规划连同在线的轨迹跟踪和状态估计得以使用相同的保辛伪谱算法进行求解,为控制算法在硬件上的集成提供了极大的便利。
刘鑫[4]（2019）在《非理想数据条件下非线性系统辨识方法研究》文中研究表明对于现代工业而言,绝大多数生产过程都属于非线性过程并且通常都会呈现出复杂的内部机制和非线性特征。如此一来,利用传统的质量、动量、热量守恒等第一建模准则对实际的生产过程建模便会显得非常费时、费力。甚至有些时候,由于不能完全理解生产过程的复杂内部机制,使得利用第一建模准则得到的模型精度大大降低。由于过程数据中包含着丰富的过程动态信息,基于过程数据的系统辨识作为另一类建模方法,因其易于实现且不需要深入理解复杂过程的内部机制,正受到越来越多的关注和研究。但是对于实际的工业过程而言,在采集辨识数据过程中由于传感器的故障、过程数据获取方式不同、未知的外界干扰等因素的存在,常常会出现数据缺失、辨识数据双率采样、辨识数据中包含未知时滞以及异常值等问题。上述实际的辨识问题,会使采集到的辨识数据不那么理想并且数据集的数据质量急剧下降,这也对系统辨识算法提出更高的要求。本文在上述辨识问题存在的条件下,考虑了非线性系统的辨识问题,分别研究了特殊的线性变参数模型和一般的非线性状态空间模型的辨识算法。首先在非理想数据的条件下研究线性变参数模型的辨识算法,线性变参数模型有着线性的模型结构以及变化的模型参数,因其能够精确地描述非线性系统的动态特性而受到广泛的关注。然后将研究的辨识问题推广到非线性状态空间模型的辨识中去,得到更具一般性的辨识算法。本文的主要研究内容可概括如下:在输出数据慢率采样且输出数据包含异常值的条件下,研究了线性变参数时滞系统辨识问题。系统的输入数据采用快率采样而输出数据采用慢率采样,并且认为慢率采样的周期是快率采样周期的整数倍。系统未知的输出量测时滞是时变的,并且假设该时变时滞在已知的取值范围内服从均匀分布。将时滞当成隐含变量来处理,在输出数据慢率采样的基础上利用期望最大化算法和重尾的拉普拉斯分布建立鲁棒辨识框架。在给出模型参数估计公式的同时,通过最大化时滞的后验概率密度函数来估计未知的时滞。研究了线性变参数马尔科夫时滞系统的鲁棒辨识问题。利用全局辨识的思想,将模型参数写成调度变量的亚纯函数的线性组合形式。考虑了系统在各采样时刻,时变时滞的互相关性并且利用一阶马尔科夫过程对这种互相关性进行数学建模。一阶马尔科夫过程主要包含一个初始概率分布向量和一个转移概率矩阵,它们共同决定了时滞的变化机制。利用期望最大化算法,同时推导得到模型参数以及初始概率分布向量和转移概率矩阵中各元素的迭代估计公式。研究了非线性状态空间系统的鲁棒多模型辨识问题。利用局部辨识的思想,在预先选定的工作点处利用非线性状态空间模型表示非线性过程的局部子模型。在每个采样时刻,非线性过程的全局输出可以表示为各子模型输出的加权组合形式,并且采用平滑的指数函数来计算各子模型的权重。基于期望最大化算法和拉普拉斯分布推导得到鲁棒辨识算法,在得到各子模型参数估计的同时,通过优化一个非线性代价函数来得到各子模型的有效宽度。在输出变量和状态变量之间存在未知的定常时滞条件下,研究了非线性状态空间时滞系统的鲁棒辨识问题。将未知时滞当成隐含变量来处理,假定其取值范围已知并且在该范围内服从均匀分布。基于期望最大化算法将辨识问题公式化,为了顺利地计算Q-函数,在辨识过程中引入含有未知时滞的状态空间辅助模型,采用粒子滤波算法来数值计算状态变量的后验概率密度函数。在辨识过程中,同时给出了模型参数以及未知时滞的迭代估计公式。在输出数据部分随机丢失的情况下,研究了非线性状态空间模型的鲁棒辨识问题。采用期望最大化算法和重尾的学生氏t分布建立鲁棒的统计辨识框架,不仅考虑了缺失输出数据的估计值,同时考虑了缺失数据的取该估计值的概率。详细地阐述了基于缺失输出数据的粒子滤波算法,并用此算法迭代估计状态变量的后验概率函数,降低了Q-函数的计算复杂度。在得到模型参数估计的同时,通过求解一个非线性方程以得到学生氏t分布的自由度参数估计值。
路兴龙[5]（2019）在《数据驱动的磨矿过程运行优化控制》文中认为在选矿过程中,磨矿过程作为破碎过程的下一道工序,在矿物破碎的基础之上进一步对矿物进行研磨粉碎,将大颗粒矿物原料粉碎到适宜粒度,使有用矿物与脉石单体解离或使不同种的有用矿物相互解离,为选矿过程的后续工序提供原料。由于磨矿过程高能耗的特点和位于选矿过程中的重要位置,磨矿过程的产品粒度与循环负荷对选矿生产全流程的精矿品位和产量有重要影响,更与选矿厂的综合经济技术指标密切相关。因此,磨矿过程的运行优化与控制方法的研究一直受到全球学者的持续关注和重视。磨矿过程由给矿量和泵池给水量控制的底层回路,和由磨矿粒度与循环负荷组成的运行层构成,多个给矿机、球磨机与分级设备之间存在复杂关联。磨矿过程反应机理复杂、难以建立数学模型、工况扰动使底层回路闭环控制系统处于动态、底层回路输出存在约束,需要将磨矿粒度与循环负荷控制在目标值范围内的同时,使处理量尽可能高,因此难以采用基于模型的传统运行优化控制算法。本文研究数据驱动的磨矿过程运行优化控制问题,不仅有着重要的理论价值,而且对数据驱动的复杂工业过程运行优化控制具有重要的应用意义。本文在国家重大基础研究发展计划（973）课题“复杂生产制造全流程一体化控制系统整体控制策略与运行控制方法（2009CB320601）”的支持下,针对数据驱动的磨矿过程优化控制问题进行研究,具体工作及研究成果如下:1.由于磨机给矿量和泵池补水量组成的底层回路受工况扰动的影响,如给矿过程多个传送皮带间相互切换使球磨机给矿量存在波动,使底层回路的闭环系统处在动态当中。针对底层回路闭环系统动态环境下的磨矿过程运行控制问题,本文提出了一种基于自适应动态规划与障碍函数的运行控制方法。算法首先将底层回路的动态,转化到运行层中,并以运行层采样时间来表达。通过建立输入和状态变量约束的障碍函数,并将其引入最优控制问题的目标函数中,保证了求解磨矿过程运行指标跟踪的最优控制问题满足输入和状态变量的约束。利用自适应动态规划技术,在不需要对磨矿过程建模的条件下,进行在线近似求解,实现磨矿过程运行优化控制。通过机理分析与数据验证建立磨矿过程仿真模型,进行了所提方法的仿真实验,实验结果表明该方法在不需要磨矿过程运行过程模型的前提下,可以使磨机给矿量和泵池补水量的设定值分别满足各自约束,同时将磨矿粒度和循环负荷这两个运行指标控制在工艺确定的目标范围内;2.针对磨矿过程底层回路输出受限使得难以将磨矿粒度和循环负荷两个运行指标控制在最佳目标值的难题,本文提出了一种基于自适应动态规划与参考信号调节器的运行控制方法,引入了稳态输出输入映射并建立相应的查找表,设计了参考信号调节器。参考信号调节器可以通过预测,实时调节设定值来满足输入约束。提出的基于近似策略迭代算法的自适应动态规划方法可以将运行指标与最佳目标值的偏差控制在目标值范围内。利用所提方法与不带有参考信号调节器的方法进行比较,仿真结果表明了所提方法的有效性;3.针对磨矿粒度和循环负荷控制在由工艺指定的目标范围内,并使磨矿处理量尽可能高的问题,本文提出了一种基于极值搜索的多目标运行优化方法。首先,针对磨矿过程的稳态运行过程,将运行指标的区间控制和处理量最大化,分别定义各自的目标函数并赋予相应的权值,将多目标优化问题转化为一个单目标优化问题。将给矿量和泵池给水量的约束利用一种基于精确惩罚函数的方法进行处理,对超限的信号利用惩罚函数进行惩罚。为了保证磨矿过程稳定运行,引入了死区算子并对极值搜索控制结构进行了相应的修改,可以使算法在达到极值之后停止震荡。在存在死区算子的情况下,该算法的误差闭环系统的解是最终一致有界的,如果不存在死区算子,该算法的误差闭环系统的解是局部指数渐进稳定的。利用磨矿过程仿真模型进行仿真实验,与一种基于障碍函数的极值搜索方法进行对比实验,实验结果表明,本文方法可以在不需要模型的条件下,提高极值搜索的速度,并且系统进入稳态后不存在震荡,使得运行指标趋势更加平滑,也提高了运行的平稳性,避免了过磨和欠磨的发生。运行过程中可以保证磨机给矿量和泵池补水流量满足约束。仿真实验结果表明了算法的有效性。
祝宝龙[6]（2019）在《不确定脉冲系统的稳定性分析与控制综合》文中研究说明脉冲系统是一类兼具连续时间动态和离散时刻脉冲特性的混杂系统,迄今其应用已渗透到生态学、生物医学、经济学、通信、航天、控制等众多领域。脉冲系统复杂的动态行为,加之模型不确定性、外部扰动、状态非负、非线性特性、时延等众多物理约束的存在,给脉冲系统的研究工作带来很大的困难与挑战,许多分析和综合问题亟待解决。本文在己有研究成果和方法的基础上,针对几类不确定脉冲动态系统的稳定性分析、性能分析、鲁棒控制以及实际应用问题展开研究,主要内容包括以下几方面:第2章研究一类具有Lipschitz非线性约束的不确定周期脉冲系统的鲁棒稳定性与H∞性能分析、控制器设计及在采样系统滤波器设计中的应用问题。为使结论更具一般性和现实意义,系统模型中同时考虑了参数不确定性、连续时间和离散脉冲时刻的扰动输入。首先,系统的鲁棒稳定性及H∞性能分析问题被转化为一个非线性矩阵微分方程两点边值问题解的存在性问题。随后,非线性矩阵微分方程两点边值问题被转化为一组线性矩阵不等式的可行性问题,从而易于验证。在稳定性及H∞性能结论的基础上,进一步研究系统的鲁棒H∞控制问题,得到了状态反馈控制器存在的充分条件。最后,所得理论结果被用于采样系统的H∞滤波器设计中。本章的研究既推广了已有文献中的相应结果,同时又丰富了脉冲系统理论在采样系统分析与综合中的应用。第3章研究区间不确定线性脉冲正系统的鲁棒稳定性分析、L1增益性能分析、控制器设计及在交通信号控制系统中的应用问题。为衡量脉冲正系统对连续时间和离散脉冲时刻外部扰动的综合抑制能力,本章引入了一个广义L1增益性能指标,它是对传统L1增益性能指标的自然推广与延伸。应用脉冲区间分割思想,构造了一个分段时变余正Lyapunov函数。在此基础上,进行系统稳定性分析,得到了脉冲间隔上下界依赖且保守性较现有结果小的鲁棒渐近稳定条件。同时,利用假言推理分析方法揭示了增大脉冲区间分割数会对减小稳定性准则的保守性具有积极作用。随后,针对受外部扰动的不确定线性脉冲正系统,利用分段时变余正Lyapunov函数方法建立了系统的L1增益性能准则。然后在此基础上,研究系统的正性鲁棒镇定问题,得到了状态反馈L1增益控制器的存在条件,并给出了一个迭代求解算法。最后,数值算例和交通信号控制系统应用实例验证了所提理论的有效性和实用性。本章的研究既是对目前线性脉冲正系统稳定性分析方法的改进,也是对系统L1增益性能分析问题研究空白的填补。值得指出的是,本章所构造的分段时变余正Lyapunov函数还为第4章和第5章中的相关问题研究提供了基础。第4章研究一类多胞不确定时滞脉冲正系统的鲁棒稳定性分析与控制器设计问题。首先,借助第3章提出的分段时变余正Lyapunov函数并应用Razumikhin方法,进行系统稳定性分析,得到了脉冲间隔上下界依赖且保守性较现有结果小的鲁棒指数稳定条件。在稳定性分析结果的基础上,进一步研究系统的正性鲁棒镇定问题,给出了状态反馈控制器存在的充分条件。最后,通过构造启发式迭代算法求解期望控制器参数。本章利用分段时变余正Lyapunov函数分析方法得到的稳定性条件改善了现有文献中的稳定性结果的保守性,同时完善了不确定时滞脉冲正系统的鲁棒稳定性分析与控制理论。第5章研究非线性脉冲正系统的稳定性分析、L1增益性能分析以及在害虫综合治理中的应用问题。首先,根据Takagi-Sugeno（T-S）模糊模型理论上可以任意精度逼近非线性系统的特性,将非线性脉冲系统用相应的T-S模糊模型描述。在此基础上,给出了系统保持正性的充分条件。随后,利用第3章提出的分段时变余正Lyapunov函数分析方法,进行系统稳定性分析,得到了脉冲间隔上下界依赖的指数稳定准则。随后,采用假言推理分析方法,得出了增大脉冲区间分割数将有助于减小结果保守性的结论。针对受外部扰动的T-S模糊脉冲正系统,利用分段时变余正Lyapunov函数分析方法,得到了系统的L1增益性能准则。最后,数值算例和害虫综合治理应用实例验证了所提方法的有效性和实用性。本章的研究结果既丰富了非线性脉冲正系统的稳定性分析和性能分析理论,同时又为解决非线性脉冲正系统的其他综合问题提供了理论依据和参考。
何杭锋[7]（2018）在《几类切换系统的异步控制问题研究》文中指出切换系统作为一类重要的混杂系统,可以描述许多实际的复杂系统,一般由有限数量的子系统和控制这些子系统切换的切换信号构成。由于切换系统在通讯、化工、电力、制造等领域的广泛应用,关于切换系统的稳定、镇定、观测、滤波和降阶等问题的研究已取得大量的成果。然而,现有的研究大多建立在控制器模态与系统模态完全保持同步的条件下,这在实际系统中是难以实现的。控制器模态与系统模态出现异步的情况称为异步现象,当切换系统系统出现异步现象时,系统的运行机理和动态行为将变的非常复杂。因此,切换系统的异步控制问题是具有研究意义和挑战性的。本文研究了几类切换系统的异步控制问题,主要工作概括如下:第二章研究了时变时滞切换系统的鲁棒异步控制。基于Lyapunov-Krasovskii泛函和自由权矩阵方法,考虑执行器饱和,将抗饱和补偿器增益求解和吸引域最大化的问题转化为凸优化问题;考虑随机扰动,设计了保证闭环系统L2-L∞有限时间有界的异步控制器。通过构造新的Lyapunov-Krasovskii泛函,释放了时变时滞导数小于1的限制条件,降低了保守性。第三章研究了基于数据采样的切换模糊系统的异步控制。考虑由于系统模态采样导致的异步切换现象,基于输入时滞方法和T-S模糊控制方法,将数据采样的非线性切换系统转化为时变时滞异步切换模糊系统,设计了保证闭环系统指数稳定的异步控制器。应用模态依赖的平均驻留时间方法,降低了保守性。第四章研究了基于事件触发的异步切换系统的滑模控制。考虑分布式采样和通讯以及系统不确定性和状态不可测,建立了相应的基于观测器的滑模控制框架,分别设计了事件触发条件、观测器、滑模控制律。进而通过Lyapunov-Krasovskii泛函和模态依赖的平均驻留时间方法,得到了闭环系统H∞指数稳定的充分条件。第五章研究了异步切换正系统的滑模控制。考虑系统正性和状态不可测,基于余正型Lyapunov-Krasovskii泛函和模态依赖的平均驻留时间方法,研究了闭环系统的正性和指数稳定性,分析了L1增益性能,设计了相应的观测器和滑模控制律,提出观测器增益和控制器系数的迭代求解算法,释放了参数法系统控制输入系数矩阵为1的约束条件,降低了保守性。第六章研究了Markov切换系统的异步控制。考虑广义异步Markov切换系统,通过将切换时滞和状态时滞建模为Markov链,将系统增广为时滞自由的Markov切换系统,得到了系统容许性的充要条件。考虑系统模态辨识错误引起的异步现象,分析了转移信息不完整的连续和离散异步Markov切换系统的稳定性和镇定问题。最后对全文的工作进行了总结,并指出了下一步研究的主要方向。
方忠,韩正之,陈彭年[8]（2004）在《一类时滞非线性系统的采样迭代学习控制》文中指出本文针对一类时滞非线性系统提出一种采样迭代学习控制算法,严格证明了该算法的指数收敛性.当系统满足所给出的条件时,跟踪误差以指数速率收敛至一个与采样周期有关的误差范围内.
方忠,陈彭年,韩正之[9]（2001）在《具有指数收敛速率的时滞系统采样迭代学习控制》文中研究指明针对具有状态时滞的连续时间系统提出一种采样迭代学习控制算法 ,可以避免连续系统 D型和 P型算法的不足 .给出并证明了算法指数收敛的充分条件 ,该条件可保证系统跟踪误差能以指数收敛速率收敛至一个与采样周期相关的误差范围内 .
方忠,陈彭年,韩正之[10]（2001）在《时滞系统采样迭代学习控制》文中研究表明针对一类具有状态时滞的连续系统提出一种采样迭代学习控制算法。给出并证明了算法指数收敛的充分条件 ,该条件可保证系统输出无论在采样点或非采样点上 ,都能以指数收敛速率收敛至期望输出的一个与采样周期有关的误差范围内。仿真结果表明了该算法的有效性
二、具有指数收敛速率的时滞系统采样迭代学习控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、具有指数收敛速率的时滞系统采样迭代学习控制（论文提纲范文）
（1）非线性系统变增益迭代学习控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国外研究发展概况 |
| 1.3 国内研究发展概况 |
| 1.4 本文主要内容 |
| 第二章 迭代学习控制基础理论 |
| 2.1 迭代学习控制表述 |
| 2.2 迭代学习控制的运行过程 |
| 2.3 迭代学习控制主要研究内容 |
| 2.3.1 迭代学习控制的学习律设计 |
| 2.3.2 迭代学习控制的稳定性与收敛性分析 |
| 2.3.3 迭代学习控制的初值问题 |
| 2.3.4 迭代学习控制与其它控制的结合 |
| 2.4 迭代学习控制的数学预备知识 |
| 2.4.1 向量与矩阵的范数 |
| 2.4.2 相关引理 |
| 2.5 本章小结 |
| 第三章 非线性系统的PD型变增益迭代学习控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 算法收敛性分析 |
| 3.4 基于PD型变增益的注塑机迭代学习控制 |
| 3.4.1 注塑机的组成及工艺过程 |
| 3.4.2 注塑机注射速度特点 |
| 3.4.3 注塑机注射速度的数学模型 |
| 3.4.4 仿真结果 |
| 3.5 本章小结 |
| 第四章 状态时滞系统的变增益迭代学习控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 算法收敛性分析 |
| 4.4 基于变增益的CTSR反应温度迭代学习控制 |
| 4.4.1 CSTR的基本结构 |
| 4.4.2 CSTR的工作原理 |
| 4.4.3 CSTR动力学模型的建立 |
| 4.4.4 仿真结果 |
| 4.5 本章小结 |
| 第五章 控制与状态时滞CSTR系统PID变增益迭代学习控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 算法收敛性分析 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间的成果 |
（2）基于深度强化学习的自适应光学波前控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 波前控制技术国内外研究历史与现状 |
| 1.2.1 有波前探测控制技术 |
| 1.2.2 无波前探测控制技术 |
| 1.3 论文结构安排 |
| 第二章 传统线性控制模型的误差传递 |
| 2.1 像差表述 |
| 2.2 哈特曼斜率计算 |
| 2.3 波前复原 |
| 2.3.1 区域法 |
| 2.3.2 模式法 |
| 2.3.3 直接斜率法 |
| 2.4 传统线性控制模型 |
| 2.5 控制模型的误差传递 |
| 2.5.1 斜率测量误差 |
| 2.5.2 斜率信息缺失 |
| 2.5.3 空间采样误差 |
| 2.5.4 波前测量误差的敏感度分析 |
| 2.6 H-S与波前校正器的对准误差 |
| 2.7 本章小结 |
| 第三章 远场指标梯度抑制误差传递 |
| 3.1 远场指标梯度估计 |
| 3.2 梯度信息补偿误差传递分析 |
| 3.3 梯度信息补偿对准误差分析 |
| 3.4 本章小结 |
| 第四章 在线自学习线性控制模型 |
| 4.1 线性动态学习模型 |
| 4.2 模型的训练方法 |
| 4.3 递归最小二乘参数估计 |
| 4.4 学习模型流程及优化 |
| 4.5 模型参数初始化策略 |
| 4.6 实验与分析 |
| 4.6.1 测量噪声抑制 |
| 4.6.2 斜率信息缺失补偿 |
| 4.6.3 自适应对准误差及其数值分析 |
| 4.7 模型的线性偏移 |
| 4.8 本章小结 |
| 第五章 深度强化学习控制模型 |
| 5.1 非线性动态学习模型 |
| 5.2 神经网络基本原理 |
| 5.2.1 前馈计算 |
| 5.2.2 误差反向传播 |
| 5.3 模型的训练方法 |
| 5.4 梯度约束及其优化 |
| 5.5 强化学习理论框架 |
| 5.5.1 马尔科夫决策过程 |
| 5.5.2 值函数与最优性原理 |
| 5.5.3 TD方法与值函数逼近 |
| 5.5.4 策略梯度 |
| 5.6 策略优化流程 |
| 5.7 实验与分析 |
| 5.7.1 测量噪声抑制 |
| 5.7.2 斜率信息缺失补偿 |
| 5.7.3 动态波前预测控制 |
| 5.7.4 自适应对准误差及其数值分析 |
| 5.8 抑制线性偏移 |
| 5.9 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（3）非线性最优控制问题的保辛伪谱方法及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 非线性最优控制问题数值算法研究进展 |
| 1.2.1 间接法 |
| 1.2.2 直接法 |
| 1.2.3 其它方法 |
| 1.2.4 小结 |
| 1.3 最优控制问题中对于约束的处理 |
| 1.4 最优控制问题中对于时滞的处理 |
| 1.5 本文主要研究思路 |
| 2 最优控制问题数学列式及数学基础 |
| 2.1 引言 |
| 2.2 非线性最优控制问题数学列式 |
| 2.2.1 无约束非线性最优控制问题 |
| 2.2.2 含不等式约束的非线性最优控制问题 |
| 2.2.3 含状态时滞的非线性最优控制问题 |
| 2.3 最优控制问题的Hamiltonian数学结构 |
| 2.4 辛数学基础 |
| 2.4.1 Hamiltonian动力学系统及保辛概念 |
| 2.4.2 作用量及最小作用量原理 |
| 2.4.3 生成函数 |
| 2.5 伪谱方法 |
| 2.5.1 Lagrange插值与函数逼近 |
| 2.5.2 基于Legendre函数的Gauss积分 |
| 2.5.3 Legendre伪谱近似 |
| 2.5.4 微分矩阵 |
| 2.5.5 求解最优控制问题的Legendre伪谱方法 |
| 3 无约束非线性最优控制问题的保辛伪谱解法 |
| 3.1 引言 |
| 3.2 问题列式 |
| 3.3 算法构造 |
| 3.3.1 区间离散 |
| 3.3.2 在子区间内使用LGL型伪谱方法 |
| 3.3.3 对第一类生成函数施加变分原理 |
| 3.3.4 施加边界条件 |
| 3.3.5 求解非线性方程组 |
| 3.4 自适应hp网格加密技术 |
| 3.4.1 动力学方程残余误差 |
| 3.4.2 网格加密准则 |
| 3.4.3 基于保辛伪谱的非线性最优控制问题的hp自适应算法 |
| 3.5 数值算例 |
| 3.5.1 算例1:具有解析解的单自由度系统最优控制问题 |
| 3.5.2 算例2:两自由度Van der Pol振子系统的最优控制问题 |
| 3.5.3 算例3:超敏感最优控制问题 |
| 3.5.4 算例4:绕地航天器变轨交会问题 |
| 3.5.5 算例5:绳系卫星释放问题 |
| 3.6 本章小结 |
| 4 含不等式约束的非线性最优控制问题的保辛伪谱解法 |
| 4.1 引言 |
| 4.2 问题列式 |
| 4.3 问题转化 |
| 4.4 算法构造 |
| 4.4.1 区间离散 |
| 4.4.2 在子区间内使用LGL型伪谱方法 |
| 4.4.3 对第二类生成函数施加参变量变分原理 |
| 4.4.4 施加等式约束和互补条件 |
| 4.4.5 施加边界条件 |
| 4.4.6 构造线性互补问题并求解 |
| 4.5 数值算例 |
| 4.5.1 算例1: Breakwell问题 |
| 4.5.2 算例2: 日-地系统L2平动点Halo轨道变轨问题 |
| 4.5.3 算例3: 桥式起重机路径规划问题 |
| 4.5.4 算例4: 轮式机器人的避障轨迹规划问题 |
| 4.5.5 算例5: 混沌系统广义同步 |
| 4.5.6 算例6: 基于改进SEIR模型的传染病最优疫苗接种策略制定 |
| 4.6 本章小结 |
| 5 含状态时滞的非线性最优控制问题的保辛伪谱解法 |
| 5.1 引言 |
| 5.2 问题列式 |
| 5.3 问题转化 |
| 5.4 算法构造 |
| 5.4.1 区间离散 |
| 5.4.2 在子区间内使用LGL型伪谱方法 |
| 5.4.3 对子区间内第一类生成函数施加变分原理 |
| 5.4.4 对全局的第一类生成函数施加变分原理 |
| 5.4.5 施加边界条件 |
| 5.4.6 求解线性代数方程组 |
| 5.5 数值算例 |
| 5.5.1 算例1:具有解析解的时滞简谐振子最优控制问题 |
| 5.5.2 算例2:强非线性时滞系统的最优控制问题 |
| 5.5.3 算例3:时变Mathieu方程不同边界条件下的最优控制问题 |
| 5.5.4 算例4:具有转向时滞的运载器轨迹规划 |
| 5.5.5 算例5:化工装备温度控制问题 |
| 5.5.6 算例6:最优捕鱼策略制定 |
| 5.6 本章小结 |
| 6 保辛伪谱模型预测控制算法及其在起重机轨迹跟踪中的应用 |
| 6.1 引言 |
| 6.2 模型预测控制算法思想 |
| 6.3 桥式起重机控制问题描述 |
| 6.3.1 系统动力学方程 |
| 6.3.2 约束条件 |
| 6.3.3 控制目标 |
| 6.4 模型预测控制器的设计 |
| 6.5 数值仿真 |
| 6.5.1 系统参数设定 |
| 6.5.2 离线轨迹规划 |
| 6.5.3 在线轨迹跟踪 |
| 6.6 本章小结 |
| 7 保辛伪谱滚动时域估计算法及其在航天器自主导航中的应用 |
| 7.1 引言 |
| 7.2 滚动时域估计算法思想 |
| 7.3 地-月L2平动点导航问题描述 |
| 7.4 滚动时域估计器的设计 |
| 7.5 数值算例 |
| 7.5.1 系统参数设定 |
| 7.5.2 求解参数设定 |
| 7.5.3 仿真结果与讨论 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）非理想数据条件下非线性系统辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 系统辨识简介 |
| 1.3 非线性系统辨识方法研究现状 |
| 1.3.1 非线性输入输出系统辨识方法研究现状 |
| 1.3.2 非线性状态空间系统辨识方法研究现状 |
| 1.3.3 非线性系统辨识方法中尚待解决的问题 |
| 1.4 预备知识 |
| 1.4.1 期望最大化算法 |
| 1.4.2 粒子滤波与粒子平滑 |
| 1.5 本文的主要内容 |
| 第2章 基于慢采样输出的线性变参数时滞系统辨识方法 |
| 2.1 引言 |
| 2.2 问题阐述 |
| 2.3 慢采样输出条件下LPV FIR时滞系统辨识算法 |
| 2.3.1 慢采样输出条件下LPV FIR时滞系统辨识算法推导 |
| 2.3.2 算法流程 |
| 2.4 仿真验证 |
| 2.4.1 数值例子 |
| 2.4.2 二连杆机械臂系统验证 |
| 2.5 本章小结 |
| 第3章 具有马尔科夫时滞的线性变参数系统辨识方法 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.3 具有马尔科夫时滞的LPV FIR系统鲁棒辨识算法 |
| 3.3.1 具有马尔科夫时滞的LPV FIR系统鲁棒辨识算法推导 |
| 3.3.2 算法流程 |
| 3.4 仿真验证 |
| 3.4.1 数值例子 |
| 3.4.2 连续搅拌釜式反应器验证 |
| 3.5 本章小结 |
| 第4章 非线性状态空间系统鲁棒多模型辨识方法 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 非线性状态空间鲁棒多模型辨识算法 |
| 4.3.1 非线性状态空间鲁棒多模型辨识算法推导 |
| 4.3.2 算法流程 |
| 4.4 仿真验证 |
| 4.4.1 数值例子 |
| 4.4.2 二连杆机械臂系统验证 |
| 4.5 本章小结 |
| 第5章 非线性状态空间时滞系统鲁棒辨识方法 |
| 5.1 引言 |
| 5.2 问题阐述 |
| 5.3 非线性状态空间时滞系统鲁棒辨识方法 |
| 5.3.1 基于期望最大化的鲁棒辨识方法推导 |
| 5.3.2 含有未知时滞的粒子滤波算法 |
| 5.3.3 算法流程 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 第6章 量测缺失下非线性状态空间系统鲁棒辨识方法 |
| 6.1 引言 |
| 6.2 问题阐述 |
| 6.3 在部分输出数据随机丢失的条件下非线性状态空间系统鲁棒辨识方法 |
| 6.3.1 基于缺失输出数据的粒子滤波算法 |
| 6.3.2 部分输出数据缺失条件下鲁棒辨识算法推导 |
| 6.3.3 算法流程 |
| 6.4 仿真验证 |
| 6.4.1 数值例子 |
| 6.4.2 连续搅拌釜式反应器验证 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（5）数据驱动的磨矿过程运行优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 工业过程运行优化控制及其研究现状 |
| 1.2.1 工业过程运行优化控制的定义与意义 |
| 1.2.2 工业过程运行优化与控制的特点 |
| 1.2.3 工业过程运行优化与控制方法的研究现状 |
| 1.2.3.1 基于模型的运行优化控制方法 |
| 1.2.3.2 基于数据的运行优化控制方法 |
| 1.2.3.3 基于智能技术的运行优化与控制方法 |
| 1.3 磨矿过程运行优化与控制方法的研究现状 |
| 1.3.1 基于模型的磨矿过程运行优化与控制方法 |
| 1.3.2 基于数据的磨矿过程运行优化与控制方法 |
| 1.3.3 基于智能技术的磨矿过程运行优化与控制方法 |
| 1.4 存在问题与本文的主要工作 |
| 1.4.1 目前研究存在的问题 |
| 1.4.2 本文的主要工作 |
| 第2章 磨矿过程运行优化控制问题 |
| 2.1 磨矿过程工艺描述 |
| 2.1.1 磨矿过程生产工艺简介 |
| 2.1.1.1 生产工艺流程 |
| 2.1.1.2 磨矿过程关键工艺设备 |
| 2.1.1.3 检测仪表 |
| 2.1.1.4 执行机构 |
| 2.1.2 磨矿过程底层回路描述 |
| 2.2 磨矿过程建模及动态特性分析 |
| 2.2.1 基于物料平衡的磨矿过程机理模型 |
| 2.2.2 磨矿过程运行指标及其影响因素分析 |
| 2.2.2.1 磨矿粒度特性分析 |
| 2.2.2.2 循环负荷特性分析 |
| 2.2.3 磨矿过程机理模型的复杂性分析 |
| 2.3 磨矿过程运行优化与控制问题描述 |
| 2.4 磨矿过程运行优化与控制问题的难点分析 |
| 2.4.1 输入约束 |
| 2.4.2 不可行设定值 |
| 2.4.3 多目标优化 |
| 2.5 磨矿过程运行优化与控制方法的现存问题 |
| 2.6 本章小结 |
| 第3章 基于自适应动态规划与障碍函数的磨矿过程运行控制方法 |
| 3.1 预备知识 |
| 3.1.1 自适应动态规划 |
| 3.1.2 带不等式约束的优化问题 |
| 3.2 输入受限的磨矿过程运行控制问题描述 |
| 3.3 基于自适应动态规划与障碍函数的控制策略 |
| 3.4 数据驱动的运行控制方法 |
| 3.4.1 贝尔曼等式 |
| 3.4.2 运行指标控制的策略迭代 |
| 3.5 仿真实验 |
| 3.5.1 仿真设置 |
| 3.5.2 仿真结果与分析 |
| 3.6 本章小结 |
| 第4章 基于自适应动态规划和参考信号调节器的磨矿过程运行控制方法 |
| 4.1 预备知识 |
| 4.1.1 参考信号调节器 |
| 4.1.2 最大输出可行集 |
| 4.2 带有不可行设定值的输入受限的磨矿过程运行控制问题描述 |
| 4.3 基于自适应动态规划与参考信号调节器的控制策略 |
| 4.4 数据驱动的运行控制算法 |
| 4.4.1 参考信号调节器设计方法 |
| 4.4.2 集成参考信号调节器的运行控制问题的新描述 |
| 4.4.3 数据驱动最优调节器设计方法 |
| 4.5 仿真实验 |
| 4.5.1 仿真设置 |
| 4.5.2 仿真结果与分析 |
| 4.6 本章小结 |
| 第5章 基于极值搜索的磨矿过程多目标运行优化方法 |
| 5.1 预备知识 |
| 5.1.1 平均化理论 |
| 5.1.2 极值搜索 |
| 5.2 带有不可行设定值的输入受限的磨矿过程多目标优化问题描述 |
| 5.3 基于极值搜索的磨矿过程多目标运行优化策略 |
| 5.4 数据驱动的极值搜索优化算法 |
| 5.5 稳定性及有界性分析 |
| 5.5.1 预备性引理 |
| 5.5.2 闭环系统 |
| 5.5.3 稳定性和有界性分析 |
| 5.6 仿真实验 |
| 5.6.1 仿真设置 |
| 5.6.2 仿真结果与分析 |
| 5.7 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 博士期间完成的论文、发明专利及参加的科研项目 |
| 作者简介 |
（6）不确定脉冲系统的稳定性分析与控制综合（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号与缩略语表 |
| 第1章 绪论 |
| 1.1 脉冲系统的研究背景及意义 |
| 1.2 脉冲系统理论在控制领域的应用 |
| 1.3 脉冲动态系统的发展及研究现状 |
| 1.4 脉冲系统的稳定性分析方法 |
| 1.5 现有研究方向的不足及有待解决的问题 |
| 1.6 本文研究内容及组织结构 |
| 第2章 一类不确定非线性周期脉冲系统的鲁棒稳定性及H_∞性能分析与控制综合 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 鲁棒稳定性及H_∞性能分析 |
| 2.4 H_∞控制器设计 |
| 2.5 数值算例 |
| 2.6 在采样系统H_∞滤波器设计中的应用 |
| 2.6.1 采样系统H_∞滤波问题描述 |
| 2.6.2 H_∞滤波器设计 |
| 2.6.3 数值算例 |
| 2.7 本章小结 |
| 第3章 不确定线性脉冲正系统的鲁棒稳定性及L_1增益性能分析与控制综合 |
| 3.1 引言 |
| 3.2 不确定线性脉冲正系统的鲁棒稳定性及L_1增益性能分析 |
| 3.2.1 问题描述 |
| 3.2.2 鲁棒稳定性分析 |
| 3.2.3 脉冲区间分割数L对稳定性结果保守性的影响 |
| 3.2.4 L_1增益性能分析 |
| 3.2.5 数值算例 |
| 3.3 不确定线性脉冲正系统的L_1增益控制器设计 |
| 3.3.1 问题描述 |
| 3.3.2 L_1增益控制器存在的条件 |
| 3.3.3 控制器参数的迭代求解方法 |
| 3.3.4 数值算例 |
| 3.4 在交通控制系统中的应用 |
| 3.5 本章小结 |
| 第4章 不确定时滞脉冲正系统的鲁棒稳定性分析与控制综合 |
| 4.1 引言 |
| 4.2 不确定时滞脉冲正系统的鲁棒稳定性分析 |
| 4.2.1 问题描述 |
| 4.2.2 主要结果 |
| 4.2.3 数值算例 |
| 4.3 不确定时滞脉冲正系统的控制器设计 |
| 4.3.1 问题描述 |
| 4.3.2 主要结果 |
| 4.3.3 数值算例 |
| 4.4 本章小结 |
| 第5章 非线性脉冲正系统的稳定性及L_1增益性能分析 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 稳定性分析 |
| 5.4 L_1增益性能分析 |
| 5.5 数值算例 |
| 5.6 在害虫综合治理中的应用 |
| 5.6.1 Lotka-Volterra模型及其模糊系统建模 |
| 5.6.2 脉冲式杀虫剂作用下的害虫-天敌动态模型 |
| 5.6.3 仿真及分析 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（7）几类切换系统的异步控制问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 几类切换系统的研究概述 |
| 1.2.1 切换系统的鲁棒控制研究概述 |
| 1.2.2 时滞切换系统的有限时间控制研究概述 |
| 1.2.3 具有执行器饱和的时滞切换系统的研究概述 |
| 1.2.4 切换模糊系统的研究概述 |
| 1.2.5 分布式切换系统的研究概述 |
| 1.2.6 切换正系统的研究概述 |
| 1.2.7 Markov切换系统的研究概述 |
| 1.2.8 异步切换系统的研究概述 |
| 1.3 本文的主要工作 |
| 第二章 时变时滞切换系统的鲁棒异步控制 |
| 2.1 引言 |
| 2.2 时变时滞切换饱和系统的异步鲁棒控制与抗饱和设计 |
| 2.2.1 问题描述和预备知识 |
| 2.2.2 指数稳定性分析 |
| 2.2.3 H_∞性能分析 |
| 2.2.4 抗饱和补偿器设计与吸引域估计 |
| 2.2.5 仿真算例 |
| 2.3 时变时滞切换系统的有限时间L_2-L_∞控制 |
| 2.3.1 问题描述和预备知识 |
| 2.3.2 有限时间有界性 |
| 2.3.3 有限时间L_2-L_∞性能分析 |
| 2.3.5 仿真算例 |
| 2.4 小结 |
| 第三章 基于采样数据的切换模糊系统的异步控制 |
| 3.1 引言 |
| 3.2 问题描述和预备知识 |
| 3.3 指数稳定性分析 |
| 3.3.1 同步阶段的指数稳定性分析 |
| 3.3.2 异步阶段的指数稳定性分析 |
| 3.3.3 整体指数稳定性分析 |
| 3.4 数值仿真 |
| 3.5 小结 |
| 第四章 基于事件的异步切换系统的滑模控制 |
| 4.1 引言 |
| 4.2 问题描述和预备知识 |
| 4.2.1 切换系统框架 |
| 4.2.2 分布式事件驱动智能传感器 |
| 4.2.3 传输网络 |
| 4.3 基于观测器的滑模控制 |
| 4.3.1 观测器设计 |
| 4.3.2 滑模控制器设计 |
| 4.3.3 指数稳定性及H_∞增益分析 |
| 4.3.4 可达性分析 |
| 4.4 仿真算例 |
| 4.5 小结 |
| 第五章 异步切换正系统的滑模控制 |
| 5.1 引言 |
| 5.2 问题描述和预备知识 |
| 5.3 基于观测器的滑模控制律设计 |
| 5.4 指数稳定性分析 |
| 5.5 L_1增益性能分析 |
| 5.6 观测器增益和控制器增益设计 |
| 5.7 可达性分析 |
| 5.8 数值仿真 |
| 5.9 小结 |
| 第六章 马尔可夫切换系统的异步控制 |
| 6.1 引言 |
| 6.2 广义异步马尔可夫切换系统的容许性分析 |
| 6.2.1 问题描述和预备知识 |
| 6.2.2 随机容许性分析 |
| 6.2.3 数值仿真 |
| 6.3 具有不完整转移描述的马尔可夫切换系统的异步控制 |
| 6.3.1 问题描述和预备知识 |
| 6.3.2 连续时间马尔可夫切换系统的异步控制 |
| 6.3.3 离散时间马尔可夫切换系统的异步控制 |
| 6.3.4 数值仿真 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的学术成果 |
| 作者从事科学研究和学习经历的简历 |
（9）具有指数收敛速率的时滞系统采样迭代学习控制（论文提纲范文）
| 1 采样控制 |
| 2 采样迭代学习控制及其收敛性分析 |
| 3 仿真实例 |
| 3.1 采用定理2的算法 (算法1) |
| 3.2 采用定理3的算法 (算法2) |
| 4 结论 |
（10）时滞系统采样迭代学习控制（论文提纲范文）
| 1 引 言 |
| 2 采样控制 |
| 3 采样迭代学习控制及收敛性分析 |
| 4 仿真实例 |
| 4.1 采用定理2的算法 (算法1) |
| 4.2 采用定理3的算法 (算法2) |
| 5 结 论 |
四、具有指数收敛速率的时滞系统采样迭代学习控制（论文参考文献）
- [1]非线性系统变增益迭代学习控制研究[D]. 张秀赟. 江南大学, 2021(01)
- [2]基于深度强化学习的自适应光学波前控制研究[D]. 许振兴. 电子科技大学, 2020(03)
- [3]非线性最优控制问题的保辛伪谱方法及其应用[D]. 王昕炜. 大连理工大学, 2019(06)
- [4]非理想数据条件下非线性系统辨识方法研究[D]. 刘鑫. 哈尔滨工业大学, 2019(01)
- [5]数据驱动的磨矿过程运行优化控制[D]. 路兴龙. 东北大学, 2019(01)
- [6]不确定脉冲系统的稳定性分析与控制综合[D]. 祝宝龙. 哈尔滨工业大学, 2019(01)
- [7]几类切换系统的异步控制问题研究[D]. 何杭锋. 东北大学, 2018(01)
- [8]一类时滞非线性系统的采样迭代学习控制[J]. 方忠,韩正之,陈彭年. 系统科学与数学, 2004(04)
- [9]具有指数收敛速率的时滞系统采样迭代学习控制[J]. 方忠,陈彭年,韩正之. 应用科学学报, 2001(04)
- [10]时滞系统采样迭代学习控制[J]. 方忠,陈彭年,韩正之. 控制与决策, 2001(06)