一种新的CMAC自学习控制器

本文通过分析ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构,提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法。并以连续搅拌反应釜模型为对象进行了仿真研究。这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

一类变结构系统控制的设计

将变结构控制用于控制系统设计，可使系统具有预期的动态特性以及很好的鲁棒性。本文证明一类变结构系统的滑模控制中的不连续切换面可以利用Ackermann公式得到，可避免依据经验设计的盲目性，本文中提出两种设计方法，并给出了其中一种方法的算法实例及仿真结果，仿真表明，依照本法设计出的控制系统具有很好的稳定性。     

组合隔震结构振动随机最优控制

提出了一种新的结构体系——组合隔震结构体系，并推导了振动及控制方程．假定地震动输入为白噪声，运用随机最优控制原理，分析了组合隔震结构振动的控制性能以及隔震度、阻尼和场地等参数的影响．研究结果表明：通过优化控制参数，组合隔震结构振动控制体系能对结构地震响应进行有效控制。     

四轮汽车道路模拟试验台时域控制理论

从单输入单输出系统的ＣＡＲＭＡ模型出发，推导出以四轮汽车道路模试验台为控制系统的控制模型，并对控制量的求解进行了分析。     

桥梁振动主动控制

研究了桥梁振动主动控制方法。详细说明了主动控制方法的应用,推导并分析了梁式结构振动控制的基本原理和方法。结果显示本方法在实际中可以减小桥梁的响应。     

智能压电板的振动控制

首先采用四节点板元和虚功原理，推导出智能板结构的运动方程，然后采用基于二次线性控制(LQR)的独立模态空间控制法来进行板结构的主动控制。文中方法的有效性，通过数值仿真来验证。从控制仿真结果可以看出，文中的方法能有效地控制板结构的振动。     

概率神经网络回归,判别与聚类

本文基于相同结构的概率神经网络，提出了使其具有回归、判别与聚类功能的不同权重学习算法以及通用变元最优选择方法。该网络具有结构和学习算法简单、收敛速度快、易于软件模拟实现等优点，并可方便地应用于预报、控制、决策等领域。     

基于模糊变步长神经网络的自适应PID控制

本文针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应PID控制系统算法。并根据其特点，提出学习步长模糊校正的方案.这种控制系统综合了神经网络、模糊决策和PID控制的优点，易于实现，仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

线性与非线性多轴联动加工控制的插补算法及其实现

本文在线性多轴联动插补算法的基础上,推导出非线性空间曲线的插补算法;建立了 判定规则,并介绍了在此基础上使用多微机处理结构具体实现方法,      

一种直接控制神经元模型及其在列车停车控制中的应用

本文提出了一种直接控制的神经元模型，并用它构成了前馈神经网络，该网络在用ＢＰ学习算法学习时，提出了变学习步长和势态项系统的方法。并且该网络在特殊情况下，其输出可直接受输入神经元控制，把该神经元所构成的前馈网络应用于列车停车控制中。     

基于能量与功率控制的TopDisc拓扑算法研究

拓扑控制是无线传感器网络的一个重要研究方向,选择良好的拓扑控制机制,能够提高网络通信效率并延长网络的生命周期。在TopDisc算法的基础上,提出了一种基于能量与功率控制的拓扑控制算法,在能量的引导下,通过调整节点的发射功率,生成更适合的网络拓扑结构。仿真实验结果表明改进的算法形成的簇的交叠更少,网络的生存时间更长。     

两近距离城市交叉口交通信号的研究

两近距离城市道路交叉口属于交通控制中的特殊情况。利用交通流理论中提出的车速与密度关系，采用交通流宏观动态模型中的密度动态模型和流量动态模型，推导出两近距离城市道路交叉口交通信号相位应满足的约束条件，并通过实例论证出在这种约束条件下对交通信号进行配时是正确的且是行之有效的。     

神经元自适应PID控制

在神经非模型控制的基础上，结合PID控制的优点，提出了神经非模型自适应PID控制方法，确定了神经元网络的输入信号，并设计出自适应系数的在线修正算法，结合实例，给出了该控制器三个初始权系数的设定方法，仿真结果表明，该控制器不权算法非常简单，而且适应性和鲁棒性很强，控制系统具有良好的动态性和稳态性能。     

粘弹性阻尼器隔震结构的振动控制研究

对设置粘弹性阻尼且基础隔震结构的混合振动控制问题进行了研究.采用开尔文模型模拟粘弹性阻尼器所产生的非线性力,推导出混合控制的运动微分方程,结合线性二次型最优控制理论（LQR）,用MATLAB编制相应的动态仿真程序进行动态仿真.研究结果表明：设置粘弹性阻尼器隔震结构采用混合控制是有效的,结构的隔震层相对位移和顶层位移反应大大降低.     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况,提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数,利用列车运行过程中的状态偏差,推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数,通过迭代域的差分,证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证,结果表明,所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度,能够在较短的迭代次数实现对期望曲线的精确跟踪.     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

斜拉桥拉索MR模糊半主动控制研究

提出了使用MR阻尼器（Magnetorheological Damper）作为控制设备,模糊集为基础的半主动控制算法,并运用提出的算法对索-阻尼器系统进行了振动控制分析.本文方法的优势在于算法自身的鲁棒性、处理非线性问题的能力和不需要结构的精确数学模型,算法需要的输入变量少,可以解决实际工程中斜拉索的振动响应信息难以测量的困难.模糊算法的输出直接控制MR阻尼器的输入电压,与LQR-Clipped算法不同,MR阻尼器的输入电压可以是零与最大值之间的任意值.本文以实际斜拉桥拉索为例,分析了拉索在谐荷载及风荷载作用下的系统振动控制效果,数值结果表明,本文提出的模糊半主动控制算法比MR被动控制效果好,且可以减小需要的控制力,使MR阻尼器的功能得到了更好的发挥.     

基于车均延误最小的Q学习交通信号控制方法

为了检测Q学习算法在信号控制方案中的效果,在Webster配时法的基础上,建立了适应交通信号控制及以车均延误最小为目标的奖惩函数,并详细说明了Q学习独立交叉口信号控制的原理和应用过程.通过流量波动大和小两个算例,验证了Q学习控制优于定时控制.     

离散系统稳定性快速判别

提出了一种不需要求出离散系统的极点位置，便能迅速准确判别系统稳定必的检验方法。根据留数理论推导出简便的系统稳定性判别算法程序，并结合具体例题，验证了该算法的正确性。     

异步电动机动态节能控制方法研究

在分析异步电动机的运行机理的基础上,运用变分法对异步电动机进行节能分析,并推导出能耦最小的起动电流曲线和起动时间ｔｆ;若以其作为起动过程的控制方式,可达到很好的节能效果,最后通过仿真验证了该控制方法的高效性。