针对一类严格反馈不确定非线性动态系统, 提出一种直接鲁棒自适应模糊控制新方案. 利用模糊系统的逼
近能力、后推设计方法和积分型李亚普诺夫函数, 依次确定各虚拟控制及模糊系统中可调参数的自适应律, 并最终确
定出控制律. 为改善控制系统的性能, 引入逼近误差的自适应补偿项. 通过李亚普诺夫方法, 证明了闭环系统是一致
终结有界的. 仿真结果表明了该方法的有效性.

基于Takagi-Sugeno模糊模型的大规模非线性系统的鲁棒分散静态输出反馈控制设计

在本文中，我们考虑了为连续时间非线性系统开发控制器的问题，其中控制该系统的方程式未知。 利用这些测量结果，提出了两个新的在线方案，这些方案通过两个基于自适应动态编程（ADP）的新实现方案来合成控制器，而无需为系统构建或假设系统模型。 为了避免对系统的先验知识的需求，引入了预补偿器以构造增强系统。 通过自适应动态规划求解相应的Hamilton-Jacobi-Bellman（HJB）方程，该方程由最小二乘技术，神经网络逼近器和策略迭代（PI）算法组成。 我们方法的主要思想是通过最小二乘技术对状态，状态导数和输入信息进行采样以更新神经网络的权重。 更新过程是在PI框架中实现的。 本文提出了两种新的实现方案。 最后，给出了几个例子来说明我们的方案的有效性。 （C）2014 ISA。 由Elsevier Ltd.出版。保留所有权利。

针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点，提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法，利用PSO算法强大的优化能力，通过对算法的改进，将过程模型的每个参数作为微粒群体中的一个微粒，利用微粒群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值，可有效提高参数辨识的精度和效率。

非线性系统的有限时间自适应模糊跟踪控制设计

针对一类未知的连续非线性系统, 提出一个基于单网络近似动态规划(ADP) 的近似最优控制方案. 该方
案通过设计一个新型的递归神经网络(RNN) 辨识器放松了系统模型需已知或部分已知的要求, 并利用一个神经网
络(NN) 近似系统的性能指标函数消除了常规ADP方法中的控制网络. 通过Lyapunov 理论分析严格证明了闭环系
统内所有信号一致最终有界, 并且所获得的性能指标函数和控制输入分别收敛到最优性能指标函数和最优控制输入
的小邻域内. 仿真结果验证了所提出控制方案的有效性.

针对一类具有死区的非仿射非线性系统,将预设性能控制与有限时间控制相结合,提出一种具有预设性能的自适应有限时间跟踪控制方法.基于Backstepping技术、模糊逻辑系统及有限时间Lyapunov稳定理论,给出使系统半全局实际有限时间稳定(semi-globally practically finite-time stable,SGPFS)的充分条件和设计步骤.该控制策略不仅使系统的输出误差在有限时间内收敛到一个预先设定区域,同时保证其收敛速度、最大超调量和稳态误差均满足预先设定的性能要求.最后通过仿真示例验证了所提出设计方法的有效性.

基于神经网络MIMO非仿射系统自适应输出反馈控制，赵品，，针对一类多输入多输出（MIMO）非仿射非线性系统，设计了一种基于神经网络的自适应输出反馈控制方案，使得输出信号能够跟踪给定光��

针对一类具有外界扰动的严格反馈非线性系统, 将Backstepping 技术、预设性能控制和鲁棒控制相结合, 提出一种预设性能鲁棒控制器设计方法. 通过误差转换, 建立系统等效误差模型, 利用Backstepping 和鲁棒控制逐步递推选择适当的Lyapunov 函数设计预设性能鲁棒控制器. 该控制策略兼顾系统的暂态和稳态性能, 仿真实例表明了所提出设计方法的有效性.

基于间隙度量的非线性系统集成多线性模型预测控制