智能控制综述及展望
智能控制技术在工程机械上应用的进展综述
智能控制技术在工程机械上应用的进展综述
智能控制技术在工程机械上的应用已经取得了显著的进展。
随着人工智能和物联网技术的发展，工程机械的智能化程度不断提高，为工程施工和生产带来了许多便利和效益。
以下是智能控制技术在工程机械上应用的进展综述：
1. 自动化控制：智能控制技术可以实现工程机械的自动化控制，减少了人工干预的需求，提高了工作效率和精度。
通过传感器和执行器等设备，可以实现对工程机械的自动定位、自动导航、自动操作等功能。
2. 智能传感：智能控制技术可以通过传感器获取工程机械的各种参数和状态信息，包括温度、压力、振动等。
这些传感器可以将获取到的数据实时传输到控制系统，控制系统可以根据这些数据做出相应的调整和优化，提高机械的工作效率和安全性。
3. 数据分析：智能控制技术可以通过对大量数据的分析和处理，为工程机械的运行和维护提供有益的信息和建议。
通过数据分析，可以识别和预测机械故障，提前采取维修措施，避免停机时间和成本的浪费。
4. 远程监控：智能控制技术可以实现对工程机械的远程监控和管理。
通过网络连接，可以实时获取机械的运行状态和工作情况，及时发现和解决问题，提高工作效率和安全性。
5. 协作与集成：智能控制技术可以实现多台工程机械之间的协同工作和集成管理。
通过智能控制系统，可以实现机械之间的
信息共享和任务分配，提高工作效率和生产能力。
总之，智能控制技术在工程机械上的应用已经取得了显著的进展，为工程施工和生产带来了诸多便利和效益。
随着技术的不断发展，相信智能控制技术在工程机械领域的应用会越来越广泛。
智能控制及其应用综述
$ % & ’ ! "!( % ’ # , / ’ ) * * +
! " 文章编号 # ! " " # $ % & ’ # ( " " & " ) $ " ) * & $ " &!!
智能控制及其应用综述
李文 ! 欧青立 ! 沈洪远 ! 伍铁斌
"
! 湖南科技大学 信息与电气工程学院 " 湖南 湘潭 # # ! ! ( " !
响应能力 和 友 好 的 人 机 界 面" 以保证人 机互助和 $ $ $ 人 机协同工作 $ #A )! 智能控制的特点 智能控制理论不同于经典控制理论和现代控制 理论的处理方法 " 它研究的主要目标不再是被控对 象而是控制器本身 $ 控制器不再是单一的数学模型 解析型 " 而是数学模 型 和 知 识 系 统 相 结特点概括为 & ( !智能控制系统具有足够的 关于人的控制策略 % 被控对象及环境的有关知识以 及运用这些知识的 能 力 ) "智能控制的核心在高层 控制 " 能对复杂系统进行有效的全局控制 " 实现广义 问题求解 " 并具有较强的容错能力 " 系统具有变结构 特点 " 能总体自寻优 " 具有自适应 % 自组织 % 自学习和 自协调能力 ) 系统能 # 智能控制具有混合控制特点 " 以知识表示非数学广义模型和以数学表示的混合控 制过程 " 采用开闭环 控 制 和 定 性 决 策 及 定 量 控 制 相 结合的多模态控制 方 式 ) %智能控制系统有补偿及 自修复能力 ) 体 & 智能控制系统具有判断决策能力 " 现了 * 智能递增 " 精度递降+ 的一般组织结构的基本 原理 " 并具有高度的可靠性 $ 总之 " 智能控制系统通 过智能机自动地完 成 其 目 标 的 控 制 过 程 " 其智能机 可以在熟悉或 不 熟 悉 的 环 境 中 自 动 或 人 机交互地 $ 完成拟人任务 $
智能控制的学习心得与体会及展望
智能控制的学习心得与体会及展望智能控制是一门涉及机器学习和控制理论的交叉学科，通过采集和分析数据，利用自适应算法来实现系统的智能控制和优化。
在学习过程中，我深入了解了智能控制的原理和应用，并通过实践项目了解了其在实际工程中的应用。
在这篇文章中，我将分享我的学习心得与体会，并对智能控制的未来发展进行展望。
首先，在学习智能控制的过程中，我深刻体会到智能控制与传统控制的不同之处。
传统的控制方法往往需要根据系统的数学模型设计控制器，然后通过调试参数来实现控制。
而智能控制则是基于数据驱动的，通过数据分析和机器学习算法来自动调节和优化控制器。
这使得智能控制具有更强的适应性和鲁棒性，在复杂的环境中能够实现更优秀的控制效果。
其次，在实践项目中，我意识到了智能控制的巨大潜力和应用范围。
例如，在智能电网中，可以利用智能控制来优化电力的分配和调度，提高能源利用率和降低能源损耗；在智能交通系统中，可以利用智能控制来优化交通信号灯的控制，减少交通拥堵和排放污染。
智能控制在各个领域都有着广泛的应用，可以为人们的生活带来更大的便利和效益。
然后，在学习过程中，我也深入了解了智能控制的一些关键技术和算法。
例如，神经网络算法在智能控制中有着重要的应用，它可以通过训练神经网络模型来实现自适应控制和优化。
遗传算法也是智能控制的重要技术之一，它模拟了生物进化的过程，通过选择和交叉等操作来优化控制器的参数。
同时，强化学习算法也可以用于智能控制，它通过试错和奖励机制来优化控制策略。
这些算法的应用使得智能控制具有了更强的学习能力和适应性。
最后，我对智能控制的未来发展充满了期待。
随着人工智能技术的不断发展和应用，智能控制将会在各个领域得到更广泛的应用。
例如，在机器人控制中，智能控制可以帮助机器人更好地适应复杂环境和任务需求；在工业自动化中，智能控制可以实现生产线的自动优化和调度，提高生产效率和质量。
同时，智能控制也将与其他技术进行更深入的结合，例如与大数据和云计算等技术结合，实现更智能和高效的控制。
智能控制的学习心得与体会及展望范文
智能控制的学习心得与体会及展望范文智能控制在现代社会中扮演着重要的角色，它通过智能化的技术手段，实现了自动化、智能化的控制和管理。
在这个过程中，我深刻体会到了智能控制的学习心得与体会，并对未来的发展有了一些展望。
首先，智能控制的学习使我深刻认识到智能技术的重要性。
随着科技的不断发展，智能技术已经渗透到我们生活的方方面面。
在工业控制领域，智能技术不仅可以提高生产效率，降低成本，还可以提高产品的质量和可靠性。
通过学习智能控制，我了解到了智能控制系统的基本原理和方法。
同时，我也学到了很多智能技术的应用案例，比如智能家居、智能车辆等。
这些案例让我更加直观地感受到了智能技术的巨大潜力和广阔前景。
其次，智能控制的学习让我意识到学习的重要性。
智能控制是一门综合性很强的学科，需要掌握很多基础理论和技术知识。
在学习的过程中，我遇到了很多难题和困惑，但通过不断的学习和思考，我逐渐解决了这些问题，提高了自己的学习能力和解决问题的能力。
我发现，只有持续不断地学习和积累知识，才能在智能控制领域有所建树。
同时，智能控制的学习也让我意识到创新的重要性。
智能控制是一个不断发展的领域，随着科技的不断进步，新的理论和技术会不断涌现。
而作为学习者和从业者，我们应该站在前沿，积极主动地探索和创新。
在学习的过程中，我一直注重理论与实践的结合，通过实际的项目和实验，将所学的知识应用于实际，解决实际问题。
在这个过程中，我不断地思考和总结，不断地改进和完善自己的方法和方案。
我相信，只有不断地创新和实践，才能不断地提高自己，保持竞争力。
展望未来，我认为智能控制有着广阔的发展前景。
随着人工智能、大数据、物联网等新兴技术的发展，智能控制将得到进一步的提升。
我相信，在未来，智能控制将应用到更多的领域，比如医疗、交通、能源等。
智能控制将成为未来社会发展的重要推动力量，带来更多便利和效益。
同时，我也认识到未来的发展需要全面的人才。
智能控制领域需要不仅需要工程师和技术人才，还需要有创新意识和团队合作精神的人才。
智能控制的学习心得与体会及展望
智能控制的学习心得与体会及展望近年来，随着科技的不断发展和普及，智能化已经渗透到我们生活的方方面面，控制也不例外。
智能控制作为控制领域中的一种新技术，表现出灵活性高、系统稳定、控制精度高等特点，已经广泛应用于工业控制、汽车控制、家庭自动化等领域中。
在学习智能控制课程的过程中，我深刻体会到了这个领域的重要性和发展前景。
首先，学习智能控制课程让我意识到了这个领域的广泛应用。
智能控制技术的应用已经渗透到了我们的日常生活中。
例如，我们的手机、平板电脑、智能电视等各类智能化设备中，都搭载了智能控制技术，让我们的生活变得更加便捷。
同时，工业领域中的各种机械设备、生产线等也广泛使用了智能控制技术，提高了生产效率和质量。
此外，在智慧城市建设中，智能控制技术也扮演着重要的角色。
可以预见，随着技术的不断进步和应用场景的扩大，智能控制技术的应用将会越来越广泛。
其次，在学习智能控制课程的过程中，我也深刻体会到了智能控制技术的重要性。
传统的控制技术通常局限于固定的控制算法和参数，不足以应对复杂、多变的控制场景。
而智能控制技术采用了先进的算法和模型，在系统管理和控制上具有灵活、高效、智能化等特点。
智能控制技术的应用不仅能够提高生产效率和质量，还可以提高企业的竞争力和市场占有率。
同时，智能控制技术在环境保护和节能减排等领域也具有重要意义，可以有效地降低资源的消耗和对环境的污染。
最后，我也展望了智能控制技术的未来发展。
随着人工智能技术的飞速发展，智能控制技术也将不断升级和完善。
例如，基于深度学习的智能控制技术将会是未来的发展方向之一。
同时，随着智能控制技术的应用场景越来越广泛，如何保证智能控制技术的可靠性和安全性也将成为未来发展的重点之一。
总之，通过学习智能控制课程，我深刻体会到了这个领域的重要性和发展前景，同时也认识到了智能控制技术在实际应用中所取得的优良成果。
相信随着技术的不断发展和应用场景的扩大，智能控制技术将会得到更加广泛的应用，为我们的生活和社会经济发展带来更多的便捷和可持续性。
智能控制的学习心得与体会及展望
智能控制的学习与总结智能控制的学习与思考一、我对智能控制的理解从开始上学学习知识以来，所学到的知识用我自己的理解与感觉就是：所学的知识越来越复杂，其模型越来越接近实际，感觉最深的是在数学课与物理课上，其模型不在只是考虑理想状态下，或者只在线性关系下，其中要考虑到很多的问题，不再只是一个简单的式子就可以表达、求解。
而这学期所学的智能控制感觉是相对于之前学的经典控制理论与现代控制理论，其研究对象是更为实际与现实的问题，但是与之前不同之处在于，现在的智能控制不只是研究对象更加实际、现实，而且是提出了新的方法途径，相比较与经典的控制理论，智能控制的研究对象有其自己的特点：1. 不确定性的模型智能控制的研究对象通常存在严重的不确定性。
这里所说的模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。
2. 高度的非线性对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。
3. 复杂的任务要求对于智能控制系统，任务的要求往往比较复杂。
二、智能控制与传统控制的关系智能控制与传统的或常规的控制有密切的关系，不是相互排斥的。
常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。
1. 传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，比如工业过程的病态结构问题、某些干扰的无法预测，致使无法建立其模型，这些问题对基于模型的传统自动控制来说很难解决。
2. 传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息。
智能控制技术综述
智能控制技术综述智能控制技术的发展在当今科技领域中扮演着重要的角色。
这项技术结合了人工智能、机器学习和自动化控制等领域的知识，在各个行业中起到了革命性的作用。
本文将对智能控制技术的应用范围、发展历程以及未来趋势进行综述。
一、智能控制技术的应用范围智能控制技术广泛应用于工业、交通、医疗、农业等各个领域。
在工业领域，智能控制技术可以实现生产线的自动化控制，提高生产效率和质量。
在交通领域，智能控制技术可以应用于智能交通系统，优化车流量和交通安全。
在医疗领域，智能控制技术可以辅助医生进行诊断和手术，提高医疗水平。
在农业领域，智能控制技术可以实现智能化种植和养殖，提高农产品的产量和质量。
二、智能控制技术的发展历程智能控制技术的发展可以追溯到上世纪50年代。
最早的智能控制系统是基于传统的控制理论和算法，但对于复杂的问题和大规模系统而言，传统方法存在局限性。
随着人工智能和机器学习的兴起，智能控制技术逐渐引入了神经网络、遗传算法和模糊逻辑等方法，提高了控制系统的性能。
近年来，深度学习和强化学习等新技术的出现，使得智能控制技术在实际应用中取得了巨大的突破。
三、智能控制技术的未来趋势未来，智能控制技术将朝着以下几个方向发展：1. 多模态智能控制：随着物联网的发展，智能控制系统将与传感器、无线通信等技术相结合，实现多源信息的融合和分析，从而更好地适应复杂环境和任务需求。
2. 自适应智能控制：智能控制系统将具备自适应能力，能够根据环境变化和系统需求进行自主调整和优化，提高控制系统的灵活性和鲁棒性。
3. 协同智能控制：智能控制系统将能够实现多个智能设备之间的协同工作，共同完成复杂任务。
这有助于提高整体性能，实现更高效的控制。
4. 高效能耗管理：智能控制系统将注重能源利用效率的提高，通过优化控制算法和能源管理策略，实现能耗最小化。
综上所述，智能控制技术在各个领域的应用前景广阔，其发展历程和未来趋势也值得关注。
未来，随着人工智能和机器学习等领域的进一步发展，智能控制技术将会得到更加广泛和深入的应用，为各行各业带来更多的创新和变革。
智能控制综述
传统 的控制方法建立在被控对象的精确数学模型之上 ， 智 能控制是针对系统的复杂性 、非线性 、不确定性等提 出来的。
论、 信息论 、 系统论 、 仿生学 、 进化计算 和计算 机等 多种学科的 高度综合与集成 ， 是一 门新兴的边缘交叉学科。智能控制是当 今 国内、外 自动化学科 中的一个十分 活跃 和具有挑战性的领
其控制算法较 为理想化 ， 设计 方法非常数字化 ， 因此在面对难
以用数学模 型描述 或者具有时变 、 非线性 、 不确定特性的复杂 系统时 ， 现代控制 系统也显得无能为力 。为 了提高控制系统的 品质和寻优能力 ， 控制领域 的研究人员开始考虑把人工智能技 术用于控制系统 。近年来 ， 控制领域的研究人员把传统的控制 理论与模糊逻辑 、 神经 网络 、 遗传算法等智能技术相结合 ， 充分 利用人的经验知识对复杂系统进行控制 ， 逐渐形成了智能控制
这 一 新兴 学 科 。
３ 智 能 控 制 的基 本 概 念 和 特 点 ．
域， 代表着当今科学 和技术发展的最新方 向之一 。它不仅包含 了自动控制 、 人工智能 、 系统理论和计算机科学 的内容 ， 而且还
从生物学等学科 汲取 丰富的营养 ， 正在成为 自动化领域 中最兴 旺和发展最迅速的一个分支学科【 ｌ ＿ 。
Ａ ｉｇ ｉ Ｗｅ Ｗｅ Ｑ ｕ ｎ ｎＮ ｎ ， ｕ ｉ ｉ ｉ ａ Ｑ ， Ｘ
（ｈｎ ｎｖｒ ｔ ｏ ｎｎ ｎ ｅｈ ｏ ｇ，ｕｈ ｕＪ ｎ ｓ ｒｖｎｅ２ ，ｈｎ） Ｃ ｉａ ｉ ｓｙ ｆ ｉｇ ｄ ｃ ｎｌ ｙ ｚｏ ，ａｇｕＰｏｉｃ ２ Ｃ ｉａ Ｕ ｅ ｉ Ｍｉ ａ Ｔ ｏ Ｘ ｉ １１ １６
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能控制综述及展望作者：吴学礼， 孟凡华， 李平， 王永骥， 孟华作者单位：吴学礼,王永骥(华中科技大学,控制科学与工程系,湖北,武汉,430074)， 孟凡华,李平,孟华(河北科技大学)1.期刊论文王康.兰洲.甘德强.倪以信.WANG N Zhou.GAN De-qiang.NI Yi-xin非线性系统自适应控制及其在电力系统中的应用-电网技术2007,31(11)电力系统中存在众多不确定的参数,所面临的运行条件和外界扰动复杂多变,有必要引入自适应控制理论来处理这些不确定因素.非线性系统的自适应控制与线性系统相比,在研究方法等方面都有着很大的不同,目前处在继续发展的阶段.文章首先对近十几年来非线性系统的参数自适应控制、鲁棒自适应以及智能化自适应控制做了简明的归纳,然后介绍了其中一些研究成果在电力系统稳定与控制研究中的应用,最后对全文做了总结和展望.2.学位论文王永富非线性系统的模糊建模与自适应控制及其应用2005复杂工业过程常常具有强非线性、不确定性、多变量、强耦合以及工况变化频繁等特点，动态特性难于用精确的数学模型描述。
非线性系统的模糊建模与自适应控制的基本出发点是仿人的智能以实现对复杂不确定性系统进行有效的控制，它具有从环境自学习、适应环境的能力，自动进行信息处理以减少其不确定性，能规划、产生并能安全、可靠地执行控制作用。
因此，深入研究非线性系统的模糊建模与自适应控制对解决复杂工业过程的控制具有重要的理论意义及应用价值。
模糊建模与自适应控制是研究非线性系统控制的有效方法之一，近年来，非线性系统的模糊建模与自适应控制取得了众多成果，实践也表明，模糊建模和自适应控制是解决非线性系统控制问题的有效方法之一。
但是，如何从样本数据中建立良好的模糊规则库、如何构造模糊逼近器、如何改造模糊控制器使得系统获得更好的性能、如何解决状态不可测等问题都是非线性系统的模糊建模与自适应控制有待深入研究和解决的问题。
本文开展了非线性系统的模糊建模与自适应控制及其应用研究，取得了如下成果：1.模糊规则的选取是影响模糊建模精度的一个重要因素之一，针对文[115]所提出的经典方法—查表法产生的模糊规则库缺乏良好的完备性和鲁棒性的弊端，从而影响了模糊建模精度问题。
本文提出了用数据挖掘方法产生模糊规则库，用数据挖掘方法产生的模糊规则库具有良好的完备性和鲁棒性。
通过仿真对比实验验证了用数据挖掘方法所产生的模糊规则库建立的模糊模型精度比经典方法—查表法更高。
2.针对现有的自适应模糊控制器的参数自适应律仅由跟踪误差进行调节从而导致了系统的跟踪性能收敛过慢的现状，本文探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节，并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果，该方法加快了系统跟踪误差的收敛速度。
并将该方法推广到一类有界外扰的多输入多输出非线性系统，提出了基于模糊辨识与控制的混合鲁棒自适应控制方法。
3.针对非线性系统的广义Luenberger自适应观测器要求被观测对象模型结构已知的问题，本文设计了基于模糊系统的非线性广义Luenberger自适应模糊观测器，该观测器采用模糊基函数模糊系统逼近被观测对象的非线性函数，故该观测器不要求被观测对象模型结构和参数已知的条件，是对现有非线性系统的广义Luenberger自适应观测器的一种扩展。
并给出了基于广义Luenberger模糊观测器的自适应控制器的设计方法，该设计方法可有效避免文[107]基于观测器的控制器设计难于实现问题和文[106]Kalman-Yacubovitch-Popov方程难于求解等问题。
最后，将所提出的方法推广到一类有界外扰的多输入多输出非线性系统，给出了多变量系统的自适应模糊观测器和控制器设计方法。
4.在机器人的运动过程控制中，机器人系统普遍存在摩擦现象，摩擦的存在降低了系统的性能。
基于摩擦机理模型的补偿控制在实际中很难实现，因为摩擦力的机理模型很难精确建立。
针对此情况，本文提出了用自适应模糊系统对摩擦进行补偿建模与PD控制方法相结合的一体化方案以提高控制精度，并采用Lyapunov稳定性理论证明了跟踪误差的一致有界性，通过仿真和机器人实验验证了该方法的有效性和实用性。
3.期刊论文刘小河.殷杰.张奇志.LIU Xiao-he.YIN Jie.ZHANG Qi-zhi基于Lyapunov方法的一类非线性系统分段线性化自适应控制-控制理论与应用2005,22(5)非仿射非线性系统在非线性系统领域的研究中还不够成熟.本文针对一类非仿射单输入单输出的非线性系统,采用分段线性化方法来处理对象的非线性,基于Lyapunov第二方法对分段线性化后的系统进行了自适应律的设计,并旦证明了其渐近稳定性,这为使用分段线性化方法来处理一类非线性系统提供了理论支持,基于所设计的自适应律,以电弧炉电极调节系统的自适应控制为例,进行了数字仿真.仿真结果表明了该设计方法的有效性,为处理一类非线性系统提供有益的思路.4.学位论文高峡一类非线性系统的模糊与神经网络自适应控制1999未知非线性系统的自适应控制问题一直是控制领域中未能很好解决的一个难题.由于非线性系统本身的复杂性,单纯依靠传统的控制理论已无法彻底解决非线性系统的控制问题.以模糊控制和神经网络控制为代表的智能控制方法为解决这一问题带来了新的转机,为非线性系统的自适应控制提供了新的思路.该文对一类带扰动的单输入单输出非线性系统给出了一个直接模糊自适应控制方案.利用Lyapunov方法证明了闭环系统稳定,同时跟踪误差可以收敛到零的一个小邻内.控制方案中结合了模糊滑模控制以抵消外来干扰和系统逼近误差对跟踪误差的影响.5.期刊论文孙富春.孙增圻.慕春棣.SUN Fuchun.SUN Zengqi.MU Chundi采样非线性系统的动态神经网络稳定自适应控制-自动化学报2000,26(6)研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神经网络系统的逼近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法较基于静态神经网络的自适应方法具有更好的性能.6.会议论文孙富春.孙增圻.慕春棣采样非线性系统的动态神经网络稳定自适应控制1999该文研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法。
动态神经网络系统用于逼近整个采样数据非线性系统，系统的控制律由动态神经网络系统的动态逆、自适应补偿项和神经变结构鲁棒控制项组成。
神经变结构鲁棒控制用于保证系统的全局稳定性，并加速神经网络系统的逼近速度。
该文证明了动态神经网络自适应控制系统的稳定性，并得到了动态神经网络系统的学习算法。
仿真研究表明，动态神经网络稳定自适应控制较静态神经网络自适应控制具有较好的性能。
7.学位论文胡刚基于动态优化的非线性系统多模型自适应控制2005非线性系统是实际中存在的一类复杂系统，特别是具有强耦合、高度不确定性、参数快时变特性的非线性系统，无论在建模还是控制方面都具有相当的难度。
对非线性系统，多模型方法是一种行之有效的建模与控制方法，它通过建立多个局部模型来实现对被控对象的模型结构和参数不确定性的覆盖及强非线性的逼近，并根据每个局部模型设计相应的局部控制器，通过多模型的切换指标函数，将这些局部模型/控制器构造成系统的全局模型/控制器。
多模型方法能够有效地改善控制系统的过渡过程品质，满足实际中对控制系统的暂态、静态性能指标的要求。
但是，以往多模型自适应控制的研究工作多集中在设计不确定性线性系统，而多模型方法在非线性系统的研究工作还处于起步阶段。
本文以非线性系统作为研究对象，将多模型方法与局部化技术相结合，提出了一种关于非线性系统模型集动态优化的多模型自适应控制方法。
对于非线性系统，可以利用系统的先验知识建立由部分线性化局部模型组成的初始模型集，也可以在无初始固定模型的情况下，实时在线建立系统模型集。
在模型集动态优化方法中，利用模型间距离的概念确定模型集中模型优化动作(模型更新、添加、移除、删除)。
在模型切换方面采用基于指标函数的间接切换方法，利用局部化技术建立模型子集，减少了在线计算模型集中的模型数量，大大缩短了模型切换时间，并对其中的切换指标函数进行改进，在一定程度上改善了模型切换过程中存在的抖动，加快了模型间切换的收敛问题。
仿真结果表明，对非线性系统在一定范围内有很好的控制效果，并较以往的方法在控制性能上有不同程度的改善。
8.期刊论文孙富春.李莉.孙增圻.SUN Fu-chun.LI Li.SUN Zeng-qi非线性系统神经网络自适应控制的发展现状及展望-控制理论与应用2005,22(2)简要回顾了神经网络控制及其应用的发展历程,重点论述了人们在连续、离散时间非线性系统的神经网络以及神经模糊稳定自适应控制研究方面所取得的主要进展,探讨了神经网络自适应控制研究方面存在的主要问题及解决问题的基本途径.作为当前解决神经网络自适应控制问题的途径之一,介绍了近来人们对二阶模糊神经网络以及量子神经网络的研究.最后,总结并指出了这一领域下一步的发展方向和有待解决的新课题.9.学位论文韩存武非线性系统自适应控制中若干问题的研究1996该文主要工作包括:1.研究了具有死区非线性系统的自适应控制,针对单变量和多变量的离散时间系统,分别提出了有效的间接自适应控制方法,并证明了所提方法的全局收敛性.所研究的系统可以是随机的开环不稳定的非最小相位系统,并且对于多变量系统可以具有任意的传输延时结构.2.研究了具有滞环非线性系统的自适应控制;分别针对单变量和多变量的离散时间系统,提出了有效的间接自适应控制方法,并证明了所提方法的全局收敛性.3.研究了非最小相位非线性系统的自适应控制,通过引入一个近似系统,分别提出了有效的基于近似线性化技术的间接和直接自适应控制方法,并证明了所提方法和全局收敛性.10.期刊论文胡致强.李向东.HU Zhi-qiang.LI Xiang-dong一类多重时滞非线性系统无模型学习自适应控制-哈尔滨工业大学学报2001,33(2)对于一类常见多重时滞非线性离散系统，提出了基于动态线性逼近的增量型最小化模型、递推预测模型，无模型学习自适应控制律和带有参数限定时域长度的参数自适应预报递推算法，实现了对存在较大滞后的多重时滞非线性系统的无模型学习自适应控制。