导读:本文包含了随机非线性系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:系统,卡尔,状态,噪声,观测器,干扰,反馈。
随机非线性系统论文文献综述
姚合军,李钧涛[1]（2019）在《一类非线性随机网络系统的均方指数稳定控制》一文中研究指出研究了一类非线性随机网络控制系统的均方指数稳定控制问题.通过在网络诱导时延的时变区间插入分点,把网络诱导时延转化为满足区间Bernoulli分布的随机变量,并根据随机变量在不同区间上的取值,利用T-S模糊方法建立了网络控制系统新模型.把线性矩阵不等式方法应用到新模型的处理中,得到了时延依赖的指数稳定条件,给出了模糊控制的设计方法,并对一类具体的网络系统进行了数值计算和模拟仿真.(本文来源于《河南师范大学学报(自然科学版)》期刊2019年06期）
马海云,吕文[2]（2019）在《随机分数阶非线性系统解的存在唯一性》一文中研究指出考虑一类由二阶矩过程驱动的随机分数阶非线性系统,通过引入随机分数阶非线性系统的若干基本概念,在系数满足Lipschitz条件和线性增长条件下,运用逐次逼近法和迭代法,结合Borel-Cantelli引理和若干经典不等式,分别对由两类二阶矩过程驱动的随机分数阶非线性系统给出了解的存在唯一性定理.(本文来源于《烟台大学学报(自然科学与工程版)》期刊2019年04期）
任海东[3]（2019）在《基于随机非线性系统自适应神经网络的电机控制策略》一文中研究指出在现实工程设计控制系统的过程中,因为被控对象一般具备不确定性、时变性与非线性的特点,并且受到外界随机干扰的影响,所以实现基于随机非线性系统自适应神经网络电机控制策略具有重要意义。以此设计电机控制器,通过自适应方法解决系统参数不确定的问题,创建自适应神经网络控制器,从而使系统输出能够良好跟踪并制订参考信号,使全部信号都存在控制效果。(本文来源于《自动化应用》期刊2019年09期）
李小华,刘辉,刘晓平[4]（2019）在《一类函数完全未知的随机非线性系统自适应H_∞跟踪控制》一文中研究指出针对一类函数完全未知的严格反馈随机非线性系统,提出了一种基于backstepping技术的鲁棒H_∞自适应神经跟踪控制器设计的新方法.该方法可在随机非线性系统是依概率一致最终有界的情况下,保证随机非线性系统H_∞性能指标,且H_∞踪踪控制器容易获得.同时该方法去除了一些文献中神经网络逼近误差需要平方可积的假设.文中使用径向基函数(radial basis function, RBF)神经网络逼近打包的未知非线性函数.所设计的控制器能够保证闭环系统跟踪误差及其它所有信号都是依概率有界的,且对外界干扰具有鲁棒H∞抑制作用.最后,仿真结果验证了所提方法的有效性和正确性.(本文来源于《控制理论与应用》期刊2019年09期）
阮志刚,应祖光,颜光锋[5]（2019）在《基于噪声观测非线性系统随机振动的最优控制》一文中研究指出工程结构例如车辆工作状态的随机振动水平是评估其动力学性能的重要指标,该振动对于结构的工作性能具有极其重要的影响,因此必需进行结构随机振动控制。结构受强随机激励或本身构造特性常常产生非线性振动,例如特殊类重型多轴车辆,其悬架采用斜杆转动方式支承,从而导致结构振动的几何强非线性。最优振动控制是基于动态过程最优性的一个理想控制方法,但其反馈控制律依赖于结构即时状态,而状态观测不可避免地包含测量噪声,因此基于噪声观测非线性结构系统随机振动的最优控制是一个切实的重要问题。本文介绍该基于噪声观测非线性系统随机振动最优控制的一个理论方法及其应用,首先通过拉格朗日方程建立车辆控制系统模型的非线性运动微分方程,再转为非线性随机耦合振动方程,同时建立包含测量噪声的系统观测方程,组成部分可观系统的非线性随机系统的控制问题;根据推广的Kalman滤波方法得到估计状态的非线性随机系统方程,然后转化为最优估计非线性随机系统的控制问题,再根据随机动态规划原理建立HJB方程,确定对于估计状态的最优控制律,并对于控制有界性确定最优有界控制律;对于具有噪声观测的采用磁流变阻尼器控制的两自由度非线性车辆系统随机最优控制问题,结合运用推广的Kalman滤波方法与随机动态规划原理,并考虑控制力的有界性,按照上述方法得到对于系统估计状态的最优有界控制律,通过半主动控制与未控系统响应统计的比较说明控制效果。(本文来源于《中国力学大会论文集（CCTAM 2019）》期刊2019-08-25）
吕春婉,任寒景,欧阳正勇,陈剑,吴泽浩[6]（2019）在《一类不确定随机非线性系统的采样扩张状态观测器设计与观测误差的收敛性分析》一文中研究指出实际系统中普遍存在各种干扰和不确定性因素,并且对控制系统的性能造成负面影响,因此设计对干扰和不确定性具有优异估计性能的观测器显得尤为重要.针对一类具有采样输出的不确定随机非线性系统,设计相应的采样扩张状态观测器用于在线估计不可量测状态和影响系统性能的随机总干扰.所估计的随机总干扰包含系统内部未建模动态、统计特性未知的外部有界噪声干扰以及不确定性因素的非线性耦合作用.在每个采样区间内,设计一个输出预估器用于估计实际输出,相应的输出估计值用于采样扩张状态观测器的设计.证明了所设计的采样扩张状态观测器对不可量测状态和随机总干扰的观测误差的均方收敛性.最后,一个具体仿真实例用于证实理论结果.(本文来源于《数学的实践与认识》期刊2019年13期）
蒋蒙蒙[7]（2019）在《基于反推方法的随机非线性系统的控制问题研究》一文中研究指出由于非线性项、时滞、外部随机干扰等都是普遍存在于实际系统中的并且往往会引起系统性能不稳定或产生振荡。因此,随机非线性系统以及时滞系统的研究得到了广泛关注,尤其是这些系统的有限时间稳定问题更是稳定性研究的热门课题。本文针对几类随机非线性系统,研究了它们的控制器设计及稳定性分析问题。主要研究成果包括:1.对一类具有未知输出函数的随机非线性时滞系统,我们找到了未知输出函数的最大开扇形,通过克服随机系统带来的非线性项的困难,只要输出函数属于最大开扇形中的任意闭扇形,就可以设计一个输出反馈控制器使得闭环系统是全局依概率渐近稳定的。2.对一类带有状态和输入时滞的不确定随机前馈非线性系统,通过引入适当的变量变换和坐标变换,利用齐次占优方法和随机Backstepping方法,选取合适的Lyapunov-Krasovskii泛函和调节增益,并且找到输出函数的最大开扇形,设计了一个输出反馈控制器使得闭环系统是全局依概率渐近稳定的。3.对一类具有随机逆动态的随机高阶非线性系统,用有限时间随机输入-状态稳定性(FT-SISS)来刻画随机逆动态,借鉴Lyapunov函数、符号函数和FT-SISS技术以及Backstepping方法,并且利用随机有限时间稳定性理论,提出了新的设计和分析方法来保证闭环系统的依概率有限时间稳定性。4.对一类具有随机逆动态的随机低阶非线性系统,通过选取适当的非线性函数的限制条件,构造合适的Lyapunov函数,为随机低阶非线性系统设计一个依概率有限时间稳定的状态反馈控制器。5.对一类非线性函数不加任何限制条件的随机非线性系统,通过动态增益的设计方法构造了一个不依赖于时滞的动态状态反馈控制器使得闭环系统是全局依概率渐近稳定的。6.对一类具有随机逆动态的随机级联时滞系统,通过用SISS条件刻画随机逆动态,在对非线性函数不加任何限制的情况下,构造了一个不依赖于时滞的动态状态反馈控制器并且证明了闭环系统的平衡点是全局依概率渐近稳定的。(本文来源于《曲阜师范大学》期刊2019-06-12）
王建晖[8]（2019）在《带有随机扰动与输入输出约束特性的非线性系统智能控制》一文中研究指出在传统的线性定常控制系统中,对系统问题的分析与控制方法的设计时,被控对象都被认为是线性的。但在实际中,理想的线性被控对象并不存在。例如,受控系统存在未知不确定性、随机干扰等。同时,系统的最终控制性能,除了受到被控对象的非线性影响外,还受到前向通路中控制器、执行器等元件与反馈通路中传感器等各种物理器件的特性以及系统组成元件之间的网络资源的影响。首先,由于外部工况、工程不精确数学建模等存在,实际工业系统存在着不同程度的非线性和未知性的不可抗特征。其次,系统前向通路和反馈通路中,由于实际组成元件特性,往往存在非光滑不确定约束特性。当控制信号经过这些不利环节时,难免发生不期望的未知变化,这将可能引起系统控制性能下降,甚至导致不稳定现象。最后,组成元件之间的通讯受到网络带宽的限制,在存在上述约束和(或)执行器失效的情况下,控制信号在传输过程中,难免由于执行器失效问题而无法满足控制要求,同时由于资源限制与约束问题,使得失效补偿直接控制变得困难和极具挑战。因此,本文为了提高非线性系统的控制性能,降低控制方法的网络带宽占有率,以Backstepping技术为框架,针对带有随机扰动的非线性系统,设计智能控制策略,实现有效补偿执行器失效问题和降低约束对受控系统影响的目的。本文共分五章。第一章概述非线性控制方法研究现状、解决执行器失效等输入输出约束控制策略以及智能网络控制等研究现状。从第二章至第五章,是本文的四个主要研究内容。第二章主要内容为:磁滞现象在实际执行器中是普遍存在的,它会使得系统的控制输入产生磁滞效应。除此之外,在实际的运行中,执行器也会不可避免地产生失效问题。磁滞效应和执行器失效问题会明显削弱系统的暂态跟踪性能,甚至会造成系统的不稳定。通过对随机非线性不确定系统的研究,发现当同时考虑执行机构失效和输入磁滞,如何保证给定的暂态跟踪性能任有待解决。在本章中,利用模糊控制方法,解决执行器失效和输入磁滞的补偿问题,结合Backstepping技术和模糊自适应控制方法,设计针对以上问题的控制方法。进一步,所有信号都可以被证明是有界,且在带有输入磁滞和执行器失效的情况下仍然能够保证跟踪误差在设定的范围内。第叁章:针对不确定随机非线性系统来说,如何设计补偿控制器是一项艰巨的任务和挑战。为了避免系统的非线性特性对输出的影响,本章提出了一种将神经网络与Nussbaum函数相融合的方法去解决该问题。在回溯李雅普诺夫函数技术的基础上,该方法的建立主要是为了保证能够提供跟踪误差约束。此外,系统中还同时存在这系统传输资源的约束以及作动器失效问题,这对系统控制方法的设计也是一个极大的挑战。当作动器发生失效情况的时候,系统需要更多的传输资源。然而,系统的传输资源是有限的,这个需求无法被满足。另外,如何保证系统的跟踪性能也是一个难点和挑战。利用本章所提出的事件触发控制器,结合李雅普诺夫方法,本章提出了一种新型的优化算法以保证闭环系统的稳定性和跟踪误差的收敛性。第四章针对不确定系统,本章节以Backstepping作为技术框架,设计了带有事件触发策略的智能控制方法。考虑到系统中不确定部分的存在,采用神经网络对其进行逼近,并将时变逼近误差融入于逼近系统的设计。除此之外,为了更好的处理神经网络中存在的权值向量维度大的问题,本章提出了一种自适应控制方法。同时,针对网络资源有限的问题,结合Backstepping技术提出了有效的事件触发控制方法,这种方法可以有效的平衡系统的跟踪性能和网络资源。第五章针对考虑执行器失效问题和智能控制的逼近误差问题,一种扩展维度模糊自适应控制方案被提出。在现实的物理系统,随机扰动是普遍会有的,而且该问题会破坏系统的瞬态跟踪性能,甚至还会破坏被控系统。本节将时变逼近误差的影响考虑到随机非线性系统控制方案中,同时考虑了时变逼近误差对执行器失效的影响。通过对模糊逻辑系统向量范数的进一步处理,从而可以大大减少控制方法的运算量。然而,符号功能将会产生一个具有挑战性的抖振问题。为此,将Backstepping技术和模糊逻辑系统技术相结合,来稳定具有随机扰动和执行器失效的随机非线性不确定系统。本章所提出新型控制方法实现了在执行器失效的情况下,系统的渐近收敛性能和预定的瞬态跟踪误差性能都能保证在预先设定的噪声目标范围内。(本文来源于《广东工业大学》期刊2019-06-01）
徐龙[9]（2019）在《具有随机时滞和丢包的非线性网络化控制系统的滤波算法研究》一文中研究指出在系统控制问题中,状态估计问题一直都是备受关注的主流研究问题之一。随着互联网技术的飞速发展,使得互联网技术和滤波技术之间的交叉融合逐渐变大。在研究系统状态估计问题的同时,还要考虑系统会随机发生某些网络化现象。所以,提出可以解决具有网络化现象控制系统滤波问题的方法是一个值得讨论的课题。本文基于以前的研究成果,主要讨论具有随机时滞和丢包的非线性网络化控制系统的滤波问题。主要内容分为四个部分。第一部分针对具有丢包补偿和相关噪声的非线性随机系统,基于无损变换的方法,设计无损卡尔曼滤波算法。第二部分针对具有随机时滞和测量丢失的非线性系统,在贝叶斯滤波的框架下,设计粒子滤波算法。第叁部分针对具有多传感器的特殊非线性系统,将线性滤波方法和无损变换方法相结合,设计混合卡尔曼滤波器。第四部分以机动目标跟踪系统为背景,设计具有随机非线性函数的混合卡尔曼滤波器,并研究交互多卡尔曼滤波算法。本文的具体研究内容如下:研究具有随机丢包补偿的非线性离散系统的无损卡尔曼滤波算法问题。我们利用一个满足伯努利分布的随机变量来描述系统随机发生数据包丢失的情况。这里,我们采用一步预测的值作为补偿器去代替0输入对系统状态进行估计,并且在算法中我们选取两个sigma点集来近似计算递推的无损卡尔曼滤波的参数,提高滤波算法的精准度。在系统估计误差最小的原则下,基于无损变换的方法,设计递推无损卡尔曼滤波器;其次,我们考虑具有相关噪声和测量丢失的非线性离散系统的无损卡尔曼滤波问题。应用射影理论和无损变换的方法,先构造出一步预测器,来降低系统相关噪声对滤波算法精度的影响。基于一步预测器,设计具有相关噪声和测量丢失的递推无损卡尔曼滤波器。研究具有随机时滞和测量丢失的非线性离散系统的粒子滤波算法问题。我们需要引入多个服从伯努利分布的随机变量来刻画系统随机发生多步时滞和测量丢失的现象,由于随机变量的个数过多,不便于分析比较不同的时滞率和丢失率对滤波器估计性能的影响。所以,为了方便对比,我们先以发生一步随机时滞和测量丢失的非线性系统为例进行研究。在系统模型中,引入两个满足伯努利分布的随机变量来刻画系统传感器随机发生时滞和测量丢失的现象。假设系统满足一阶马尔科夫过程,在贝叶斯滤波的框架下,给出采样重要性权重的递推计算公式,降低随机时滞和测量丢失对系统滤波器性能的影响,提高滤波算法对系统状态估计的精准度和有效性。在数值算例中,将我们所设计的滤波算法与传统粒子滤波算法进行比较,并分析不同的时滞率和测量丢失率对系统估计器性能的影响。再考虑具有多步随机时滞和测量丢失的非线性系统,给出相应的粒子重要性权重递推计算公式。通过算例验证我们所设计多步时滞滤波算法的准确度。研究具有多传感器的非线性离散系统的混合卡尔曼滤波算法。首先,引入一个对角矩阵来描述系统发生多重随机测量丢失的现象。其中,对角阵中的每个元素均是满足伯努利分布的随机变量。我们将线性滤波的推导方法(递推射影公式)和无损变换方法相结合,设计一个新的混合卡尔曼滤波器,解决具有非线性随机函数的非线性系统的状态估计问题。我们所设计的混合滤波算法,不但降低多个传感器随机发生测量丢失对滤波器估计性能的影响,同时还能更加准确的对非线性系统的状态进行估计。其次,又考虑具有乘性噪声的非线性离散系统的一致混合卡尔曼滤波问题。在系统模型中,利用零均值、单位方差的随机变量来刻画系统的乘性噪声。先利用递推射影公式和无损变换的方法,设计出具有乘性噪声的混合卡尔曼滤波。基于信息一致化的方法,设计出信息一致化的混合卡尔曼滤波。通过算例仿真,我们看出,利用一致化算法,可以将多个传感器的状态估计效果一致化,提高每个滤波器的工作效率。以机动目标跟踪系统为背景,研究具有随机非线性函数和丢包补偿的非线性系统的混合卡尔曼滤波算法。首先,介绍系统模型的建立过程。在机动目标跟踪系统模型的基础上,考虑到系统受到不确定因素的干扰,用随机非线性函数来刻画某些不确定的扰动。利用之前的理论研究基础,设计出相应的递推混合卡尔曼滤波器,并应用到机动目标跟踪系统中;其次,考虑交互多卡尔曼滤波算法。在实际的应用系统中,用一个系统模型没办法准确刻画出目标的运动状态,所以我们引入交互多卡尔曼滤波算法。针对上述机动目标跟踪系统,利用交互多卡尔曼滤波算法,估计目标的位置信息。通过算例仿真验证我们所设计滤波算法的精准性和有效性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张晨阳[10]（2019）在《随机切换非线性系统的故障诊断研究》一文中研究指出本文研究了一类随机切换非线性系统的故障检测和故障估计问题,提出不同的滤波方法对系统进行状态估计且取得较好的效果,并以此为依据构造残差信号判断是否发生故障,并对故障幅值进行估计。主要工作如下:首先,研究了随机切换非线性系统的基本概念,包括:切换规则与子系统状态空间方程。不同时刻,运行其中某个子系统。随着时间进行,不同子系统之间按切换规则进行随机切换,每个子系统通过非线性状态空间模型描述。之后,研究了故障诊断有关的知识,其中基于解析模型的方法是主要研究重点。其次,研究了传统卡尔曼滤波相关理论,并且针对其存在的问题与局限性,研究了平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)与平方根容积卡尔曼滤波(Square Root Cubature Kalman Filter,SRCKF)方法,使其可以实现对非线性系统的状态估计。针对随机切换非线性系统不能确定何时运行哪个子系统的问题,为了减少问题复杂度,研究交互式多模型算法(Interactive Multiple Model,IMM)改进SRUKF及SRCKF,提出了交互式平方根无迹卡尔曼算法(IMM-SRUKF)及交互式平方根容积卡尔曼算法(IMM-SRCKF)对系统实现状态估计,该算法可以能够得到较准确的系统状态估计结果,还可以减少直接对随机切换非线性系统进行滤波的复杂度。根据滤波结果对随机切换非线性系统进行故障诊断,能够较为准确的检测到故障发生和估计出故障幅值。之后,通过仿真对两种算法优劣进行了比较。最后,因为卡尔曼滤波对非线性非高斯系统滤波效果较差,所以,针对这种限制条件,又研究了粒子滤波(Particle Filter,PF)方法,该方法可以对非高斯非线性系统取得较好的效果。针对传统PF存在采集粒子数目众多及粒子退化等问题,引入无迹卡尔曼滤波(Unscented Kalman Filter,UKF)与PF结合,提出了无迹粒子滤波算法(Unscented Particle Filter,UPF),该方法优化重要性密度函数的选取,减少采样点的数量,减少了计算复杂度。接下来针对随机切换非线性系统滤波存在的问题,利用IMM改进UPF算法,提出了IMM-UPF滤波算法,并可以获得较好的状态估计结果。在此基础上对处于非高斯噪声下的系统进行故障诊断,可以较为准确的检测到故障发生和估计出故障幅值。(本文来源于《江南大学》期刊2019-06-01）
随机非线性系统论文开题报告
（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：
考虑一类由二阶矩过程驱动的随机分数阶非线性系统,通过引入随机分数阶非线性系统的若干基本概念,在系数满足Lipschitz条件和线性增长条件下,运用逐次逼近法和迭代法,结合Borel-Cantelli引理和若干经典不等式,分别对由两类二阶矩过程驱动的随机分数阶非线性系统给出了解的存在唯一性定理.
（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。
随机非线性系统论文参考文献
[1].姚合军,李钧涛.一类非线性随机网络系统的均方指数稳定控制[J].河南师范大学学报(自然科学版).2019
[2].马海云,吕文.随机分数阶非线性系统解的存在唯一性[J].烟台大学学报(自然科学与工程版).2019
[3].任海东.基于随机非线性系统自适应神经网络的电机控制策略[J].自动化应用.2019
[4].李小华,刘辉,刘晓平.一类函数完全未知的随机非线性系统自适应H_∞跟踪控制[J].控制理论与应用.2019
[5].阮志刚,应祖光,颜光锋.基于噪声观测非线性系统随机振动的最优控制[C].中国力学大会论文集（CCTAM2019）.2019
[6].吕春婉,任寒景,欧阳正勇,陈剑,吴泽浩.一类不确定随机非线性系统的采样扩张状态观测器设计与观测误差的收敛性分析[J].数学的实践与认识.2019
[7].蒋蒙蒙.基于反推方法的随机非线性系统的控制问题研究[D].曲阜师范大学.2019
[8].王建晖.带有随机扰动与输入输出约束特性的非线性系统智能控制[D].广东工业大学.2019
[9].徐龙.具有随机时滞和丢包的非线性网络化控制系统的滤波算法研究[D].哈尔滨工业大学.2019
[10].张晨阳.随机切换非线性系统的故障诊断研究[D].江南大学.2019
论文知识图
