周期时变非线性参数化系统神经网络控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60804021
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    28.0万
  • 负责人：
    陈为胜
  • 依托单位：
    西安电子科技大学
  • 学科分类：
    F0301.控制理论与技术
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

研究在不确定周期时变干扰环境下，未知非线性参数化系统辨识与神经网络控制问题。.首次提出并研究未知周期时变函数f(r(t),x)（r(t)是不可测周期干扰，x是可测信号）的逼近问题。巧妙结合几种神经网络和傅里叶级数设计几类新型的函数逼近器，并证明其逼近能力。.基于新型函数逼近器，研究几类未知周期时变系统的自适应神经网络控制问题。借鉴基于非线性参数化神经网络控制律和自适应律设计思想，设计各类时变系统的控制律和自适应律，采用Lyapunov稳定性方法分析闭环系统稳定性。研究基于新型函数逼近器的控制方法的推广问题。.针对目前神经网络控制中的公开难题- - 全局稳定和逼近域确定问题，采用参考信号置换神经网络输入中的系统状态或输出，从而首次给出基于参考信号确定逼近域的方法，通过自适应鲁棒方法处理置换误差，证明闭环系统全局稳定。.研究所提出的控制算法在未知周期干扰环境中工作的机器人系统的控制问题。

结项摘要

项目成果

期刊论文数量（35）
专著数量（1）
科研奖励数量（1）
会议论文数量（4）
专利数量（0）
随机非线性严格反馈系统的自适应神经网络输出反馈镇定
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    自动化学报,?36(3) ,?pp 450-453,?2010. (EI收录)
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
未知时变时滞非线性参数化系统自适应迭代学习控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Kongzhi Lilun Yu Yinyong/control Theory and Applications
  • 影响因子：
    --
  • 作者：
    李俊民;王元亮;李新民
  • 通讯作者：
    李新民
Adaptive NN Control for Discrete-Time pure-feedback systems with Unknown Control Direction under Amplitude and Rate Actuator Constrains
幅度和速率执行器约束下控制方向未知的离散时间纯反馈系统的自适应神经网络控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Authors’ Reply to Comments on “Finite-Time Stability Theorem of Stochastic Nonlinear Systems”
作者回复“随机非线性系统有限时间稳定性定理”的评论
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Output-Feedback Adaptive Dynamic Surface Control of Stochastic Nonlinear Systems Using Neural Network
使用神经网络的随机非线性系统的输出反馈自适应动态表面控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一种简化的自适应神经网络输出反
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    控制与决策, 2006年, 11月录用.
  • 影响因子：
    --
  • 作者：
    陈为胜;李俊民
  • 通讯作者：
    李俊民
不确定非线性系统的二次稳定新方法
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    系统工程理论与实践
  • 影响因子：
    --
  • 作者：
    杜贞斌;陈为胜;宋宜斌;王培进
  • 通讯作者：
    王培进
非线性时滞系统自适应输出反馈跟
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统工程与电子技术, 2005, Vol.27, No.11
  • 影响因子：
    --
  • 作者：
    陈为胜;李俊民;陈国培
  • 通讯作者：
    陈国培
Finite-time consensus for stochastic multi-agent systems
随机多智能体系统的有限时间共识
  • DOI：
    10.1080/00207179.2011.622792
  • 发表时间：
    2011-10
  • 期刊：
    International Journal of Control
  • 影响因子：
    2.1
  • 作者：
    郑元世;陈为胜;王龙
  • 通讯作者：
    王龙
高阶随机非线性系统状态反馈镇定
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统工程与电子技术，2006，Vol. 28, No.11
  • 影响因子：
    --
  • 作者：
    陈为胜;李俊民, 孙云平
  • 通讯作者：
    李俊民, 孙云平

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

陈为胜的其他基金

基于弱模型的智能主动在线气动优化与飞行控制一体化设计
  • 批准号：
    92271101
  • 批准年份：
    2022
  • 资助金额：
    78.00 万元
  • 项目类别：
    重大研究计划
非合作传感网络上的协同系统辨识方法及应用
  • 批准号：
    62073254
  • 批准年份：
    2020
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
不确定系统的事件驱动自适应控制
  • 批准号：
    61673308
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
基于神经网络的非线性系统合作学习辨识与控制
  • 批准号：
    61174213
  • 批准年份：
    2011
  • 资助金额：
    53.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码