中国科技论文在线

上传时间

2006年04月03日

陈增强， Sun Qinglin， Chen Zengqiang， Yuan zhuzhi

电工技术学报，2004，19（6）：23-29，-0001，（）：

-1年11月30日

推导了β-GPC（Generalized Predictive Control，即广义预测控制）的闭环反馈结构和闭环传递函数的递推公式。采用频域响应法分析b-GPC 控制下闭环系统的频率特性。通过计算系统开环和闭环极点，分析闭环系统频率特性，设计β-GPC 的参数，应用于中频电源控制系统中取得了满意的稳定性和暂态特性。

中频电源钻杆对焊广义预测控制频域分析稳定性

45浏览
0点赞
0收藏
0分享
91下载
0

引用

上传时间

2006年04月03日

【期刊论文】基于观测器的混沌系统的同步研究*

陈增强， Gao Tie-Gang， Chen Zeng-Qiang†， Yuan Zhu-Zhi， Gu Qiao-Lun

物理学报，2005，53（5）：1305-1308，-0001，（）：

-1年11月30日

摘要

提出了一类混沌系统的观测器同步方法。利用混沌系统的状态观测器，给出了一类混沌系统观测器的同步的简单有效的方法，并分析了系统的稳定性，通过对Lorenz混沌系统的分析和数值模拟研究，验证了该方法在混沌同步中的优良性能。

混沌系统,，混沌同步,，状态观测器

66浏览
0点赞
0收藏
0分享
165下载
0

引用

上传时间

2006年04月03日

【期刊论文】基于Lyapunov能量函数的倒立摆稳定控制

陈增强， WANG Xin-hua， CHEN Zeng-qiang， YUAN Zhu-zhi

控制理论与应用，2004，21（5）：699-702，-0001，（）：

-1年11月30日

摘要

倒立摆是一种复杂的非线性控制系统。通过对其进行控制能够检验控制器的鲁棒性。基于一个能量形式的Lyapunov 函数设计了倒立摆稳定控制器使得摆趋于上平衡位置,并且使得小车位移和角度都收敛于零。该控制策略基于系统的总能量，利用其耗散特性设计了Lyapunov函数，并证明了控制系统的稳定性。理论分析及仿真试验表明该控制器对于倒立摆控制具有很强的鲁棒性。

非线性控制，鲁棒控制，能量，倒立摆，鲁棒性

80浏览
0点赞
0收藏
0分享
293下载
0

引用

上传时间

2006年04月03日

【期刊论文】具有比例积分结构的广义预测自校正控制器*

陈增强， Chen Zengqiang， Che Haiping， Yuan Zhuzhi

控制与决策，1994，9（2）：105-110，-0001，（）：

-1年11月30日

摘要

本文通过对一般预测控制中目标函数的改进，导出了具有比例积分结构的广义预测自校正控制器，从而极大地改善了控制器性能。仿真结果表明了该算法的有效性，对促进自校正控制器在工业中的应用具有一定意义。

预测控制,， PID控制,，自校正控制,，鲁棒控制

83浏览
0点赞
0收藏
0分享
67下载
0

引用

上传时间

2006年04月03日

【期刊论文】SIMPLE RECURRENT NEURAL NETWORK-BASED ADAPTIVE PREDICTIVE CONTROL FOR NONLINEAR SYSTEMS

陈增强， Xiang Li， Zengqiang Chen， and Zhuzhi Yuan

Asian Journal of Control, Vol. 4, No.2, pp. 231-239, June 2002，-0001，（）：

-1年11月30日

摘要

Making use of the neural network universal approximation ability, a nonlinear predictive control scheme is studied in this paper. On the basis of a uniform structure of simple recurrent neural networks, a one-step neural predictive controller (OSNPC) is designed. The whole closed-loop system's asymptotic stability and passivity are discussed, and stable conditions for the learning rate are determined based on the Lyapunov stability theory for the whole neural system. The effectiveness of OSNPC is verified via exhaustive simulations.

Neural adaptive predictive control,， simple recurrent neural networks,， stability passivity.，

60浏览
0点赞
0收藏
0分享
153下载
0

引用