基于特征建模理论, 针对一类可由一阶特征模型描述的被控对象, 设计一种新的自适应跟踪控制方法. 通过参数整合, 将系统特征压缩到一个时变参数中, 进一步减少需估计的参数, 更利于工程应用. 利用李雅普诺夫方法, 分析闭环系统的稳定性. 最后, 通过数学仿真验证了所提出方法的有效性.

针对带有动态领导者的多智能体系统,为了使其达到跟踪一致性,设计只依赖于相对位置信息的自适应跟踪控制律.根据接收到的相对位置信息为每个跟随者设计动态输出反馈控制律,并根据控制律估计出智能体之间的相对速度信息.在此基础上设计自适应跟踪控制律,并且通过Lyapunov 稳定性理论和矩阵理论分析得到使系统达到跟踪一致性的充分条件.最后通过数值仿真验证了所提出的设计方法的有效性.

基于singer模型的自适应跟踪算法，通过加速度历史规律对机动频率进行调节，隶属度函数调整调节灵敏度

针对星空背景下卫星跟踪中运动小目标与伪目标交会造成的跟踪漂移问题, 提出一种基于多域卷积神经网络(MDNet)与自回归(AR)模型的空中小目标自适应跟踪方法。 对用MDNet采集到的图像序列第1帧的正样本进行bounding-box回归模型训练; 再训练用最小信息准则和最小二乘法确定阶数和参数的AR模型, 估计目标运动轨迹并预测目标位置; 最后, 将该目标位置作为MDNet的采样中心, 约束采样候选区域, 用bounding-box回归模型调整目标位置。 实验用8种跟踪方法测试了8组场景复杂的视频序列, 结果表明, 本文方法的成功率及平均覆盖率均显著高于其他7种典型算法, 具有较高的精确性和稳健性。

在粒子滤波的基础上融合扩展卡尔曼滤波算法，融合后的算法在计算提议概率密度分布时，充分考虑当前时刻的量测，使粒子的分布更加接近状态的后验概率分布。将此改进粒子滤波算法在“当前”统计模型框架下进行机动目标自适应跟踪。仿真实验验证了该种方法对机动目标的良好自适应跟踪性能。

采用最小二乘法估计速度和加速度，通过引入机动检测，动态调整有限记忆的点数，在速度估计上，既保证直飞段的平稳，又减小转弯段的滞后，从而实现空中目标航迹自适应跟踪．对位置采用一步滤波估计，在位置滤波上，提出一种由状态信息进行滚转角预测的方法，并将滚转角引入到卡尔曼滤波参数的自适应修正上．仿真结果表明，采用该方法既能使直飞段很好地维持航迹平稳，又能在转弯段实现目标的快速跟踪．

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题, 提出一种自适应跟踪控制策略. 利用两个未知参 数来描述移动机器人左右轮的纵向打滑程度, 建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型; 设计 了补偿纵向滑动的自适应非线性反馈控制律; 应用Lyapunov 稳定性理论与Barbalat 定理证明了闭环系统的稳定性; 同时, 提出了一种由极点配置方法在线调整控制器增益的方法. 仿真结果验证了所提出控制方法的有效性.

对当前统计模型进行了自适应调整，跟踪效果更好。

本简介解决了设计自适应神经网络的问题一类未知的严格反馈系统的网络跟踪控制非线性出现的已知周期的时变扰动功能未知。 多层神经网络（MNN）和傅立叶级数展开（FSE）被组合到新颖的逼近器中进行建模系统中的每个不确定性。 动态表面控制（DSC）方法和积分型李雅普诺夫函数（ILF）技术组合设计控制算法。 所有闭环的极限一致有界信号得到保证。 跟踪误差被证明收敛到很小围绕原点设置的残差。 提供了两个仿真示例来说明本文中提出的控制方案的可行性。