非一致目标跟踪的自适应迭代学习控制理论与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60374015
  • 项目类别：
    面上项目
  • 资助金额：
    21.0万
  • 负责人：
    李俊民
  • 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：
    2006
  • 批准年份：
    2003
  • 项目状态：
    已结题
  • 起止时间：
    2004-01-01 至2006-12-31

项目摘要

将非一致目标跟踪的迭代学习控制与自适应控制相结合，拟提出一种非一致目标跟踪的自适应迭代学习控制理论与方法，确保自适应系统具有良好的暂态性能并保证对非一致目标轨线的渐近精确跟踪。利用混杂动态系统的稳定性理论分析这些算法的稳定性和鲁棒性。以解决自适应控制系统中长期存在的无法保证良好暂态性能的困难。然后将其理论与方法推广到非线性滞后系统和未知非线性系统，分别利用Lyapunov-Krasovskii泛函和万能逼近网络分析相应算法的稳定性和收敛性。最后将新理论应用于工业过程稳态优化控制中，改善工业过程的动态品质。本项目的研究成果将在工业过程优化控制和先进控制理论领域中具有重要的理论意义和重大的实践价值。

结项摘要

项目成果

期刊论文数量（30）
专著数量（0）
科研奖励数量（1）
会议论文数量（13）
专利数量（0）
Backstepping tracking control
反步跟踪控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
    Chen Weisheng, Li Junmin
  • 通讯作者：
    Chen Weisheng, Li Junmin
不确定关联大系统对时变参数的自
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    控制与决策，2004，Vol.19(6)
  • 影响因子：
    --
  • 作者：
    王春晓;李俊民
  • 通讯作者：
    李俊民
Adaptive neural control for a
自适应神经控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
    Daniel Ho, Junmin Li;Yugan
  • 通讯作者：
    Yugan
稳定的分数维模型参考自适应控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西安电子科技大学学报2005, Vol.32, No.5
  • 影响因子：
    --
  • 作者：
    张隆阁;李俊民;陈国培
  • 通讯作者：
    陈国培
Adaptive output feedback contr
自适应输出反馈控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
    Chen Weisheng, Li Junmin
  • 通讯作者：
    Chen Weisheng, Li Junmin

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

未知控制方向非线性时滞系统部分状态反馈鲁棒自适应控制
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Chinese Journal of Engineering Mathematics
  • 影响因子：
    --
  • 作者：
    刘涛;李俊民
  • 通讯作者：
    李俊民
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
一类广义混杂系统的随机稳定性及稳定化
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    西安电子科技大学学报
  • 影响因子：
    --
  • 作者：
    杨莹;李俊民;陈国培
  • 通讯作者：
    陈国培
具有非线性扰动的网络控制系统的鲁棒稳定化
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    控制与决策
  • 影响因子：
    --
  • 作者：
    于水情;李俊民
  • 通讯作者：
    李俊民
严格反馈非线性系统中参数收敛的系统化方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统科学与数学
  • 影响因子：
    --
  • 作者：
    贺冰丽;李俊民
  • 通讯作者：
    李俊民

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

李俊民的其他基金

T-S模糊模型与实际系统有非线性差异时自适应控制
  • 批准号：
    61573013
  • 批准年份：
    2015
  • 资助金额：
    52.0 万元
  • 项目类别：
    面上项目
基于混合系统理论的自适应学习控制
  • 批准号：
    60974139
  • 批准年份：
    2009
  • 资助金额：
    31.0 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