1) nonlinear 2D system
2D非线性系统
2) D linear continuous discrete systems
2D线性连续离散系统
3) nonlinear system
非线性系统
1.
Any order approximate solution of the state equation for an affine nonlinear system;
仿射非线性系统状态方程的任意阶近似解
2.
Predictive control of nonlinear system based on topological homeomorphism;
多项式逼近建模的非线性系统预测控制
4) non-linear system
非线性系统
1.
Identification of dynamical non-linear systems using improved self-organization neural network (Ⅰ);
改进的自组织神经网络及在动态非线性系统辨识中的应用(Ⅰ)
2.
Non-linear System Recognition Algorithms Based on GEP;
基于GEP的非线性系统辨识算法
3.
An Game Analysis of The Evolution of Non-linear System of Enterprise Technological Innovation Behavior;
企业技术创新行为非线性系统演化的博弈分析
5) nonlinear systems
非线性系统
1.
H_∞ partial-state observer design for nonlinear systems;
非线性系统的H_∞部分状态观测器设计
2.
Fuzzy multirate input digital control for nonlinear systems;
非线性系统的模糊输入多采样率数字控制
3.
An approach to design the finite time functional observer for a class of nonlinear systems;
一类非线性系统有限时间函数观测器设计方法
6) Non-linear systems
非线性系统
1.
<Abstrcat> This paper is devoted to discussion of a new control method based on the combination of fuzzy control and improved PID control, after simplifying the non-linear systems at its equilibrium point.
对一类非线性系统进行简化处理,将系统在平衡点处进行线性处理,在此基础上提出了一种基于模糊控制与改进型PID控制的混合控制算法。
2.
A scheme of combining switching surfaces for non-linear systems was proposed.
针对一类非线性系统,提出了一种组合滑模控制方案,利用组合滑平面使系统状态在位于滑平面的同时趋近于状态零点;此外,在等效控制的基础上结合模糊控制,以抑制系统的参数摄动和外部干扰的影响,消除了滑模控制固有的高频振荡现象。
3.
Simulation example demonstrates that this method can identify non-linear systems and significantly improve modeling accuracy.
仿真实例表明 ,该方法能够辨识非线性系统 ,能显著提高建模的精度 。
补充资料：非线性系统辨识
通过输入输出数据确定非线性系统的数学模型。非线性是在研究、分析系统时常常遇到的现象。非线性系统的行为可以表现为阶跃、滞后、极限环、分岔、突变和混沌等现象。
非线性现象从整体上看是复杂的。在研究具体问题时，为了简化起见，常常把研究的范围限制在系统的局部性质上，这样就可以用泰勒展式的一次项来近似地描述系统的运动。这就是线性化的方法。但是系统的非线性性质包含在高次项中，所以为了研究非线性系统的整体行为就必须建立非线性数学模型。
非线性系统辨识中最重要问题之一是确定模型的结构。如果对系统的运动有足够的知识，则可以按照系统的运动规律（或作适当的近似）给出它的数学模型。一般说来，这样的模型是由非线性微分方程或非线性差分方程给出的。对这类模型的辨识可以采用线性化、展开成特殊函数等方法。如果对系统了解得尚不充分，则选择模型就很困难。例如对处于大冲角的飞机的动态，电力系统的暂态,气候和水文现象,各种生理反应过程等就很难给出一个数学模型。人们对非线性系统的定量性质尚缺乏完全的了解，因此就产生了根据观测到的现象决定一个非线性系统的模型是否唯一的问题。然而在各种应用中只要对系统的输入输出行为的描述是合适的，模型是否唯一便不是本质的问题。往往可以有许多非线性模型用来描述系统的行为。模型的选择取决于模型的可辨识性、参数估计的难易程度和模型适用性检验等。
非线性系统辨识的另一个途径是不管系统本身的真实结构，而着力去找出能达到要求精度的系统输入输出关系的近似模型。常见而有效的近似方法有两种，一种是利用泛函级数展开，另一种是用多项式逼近，其中最重要的是用启发式自组织原理建立的数据处理的分组方法。此外，针对各种特殊的非线性系统还可以提出许多特殊的方法。应用突变论来选择非线性模型的结构也是一种途径。
非线性系统辨识是系统辨识的一个重要的发展方向。
参考书目
夏天长著，熊光楞、李芳芸译：《系统辨识》，清华大学出版社，北京，1983。(T.C.Hsia, System Identi-fication：Least-Squeres Methods， Lexington books,Lexington, Mass., 1977.)
非线性现象从整体上看是复杂的。在研究具体问题时，为了简化起见，常常把研究的范围限制在系统的局部性质上，这样就可以用泰勒展式的一次项来近似地描述系统的运动。这就是线性化的方法。但是系统的非线性性质包含在高次项中，所以为了研究非线性系统的整体行为就必须建立非线性数学模型。
非线性系统辨识中最重要问题之一是确定模型的结构。如果对系统的运动有足够的知识，则可以按照系统的运动规律（或作适当的近似）给出它的数学模型。一般说来，这样的模型是由非线性微分方程或非线性差分方程给出的。对这类模型的辨识可以采用线性化、展开成特殊函数等方法。如果对系统了解得尚不充分，则选择模型就很困难。例如对处于大冲角的飞机的动态，电力系统的暂态,气候和水文现象,各种生理反应过程等就很难给出一个数学模型。人们对非线性系统的定量性质尚缺乏完全的了解，因此就产生了根据观测到的现象决定一个非线性系统的模型是否唯一的问题。然而在各种应用中只要对系统的输入输出行为的描述是合适的，模型是否唯一便不是本质的问题。往往可以有许多非线性模型用来描述系统的行为。模型的选择取决于模型的可辨识性、参数估计的难易程度和模型适用性检验等。
非线性系统辨识的另一个途径是不管系统本身的真实结构，而着力去找出能达到要求精度的系统输入输出关系的近似模型。常见而有效的近似方法有两种，一种是利用泛函级数展开，另一种是用多项式逼近，其中最重要的是用启发式自组织原理建立的数据处理的分组方法。此外，针对各种特殊的非线性系统还可以提出许多特殊的方法。应用突变论来选择非线性模型的结构也是一种途径。
非线性系统辨识是系统辨识的一个重要的发展方向。
参考书目
夏天长著，熊光楞、李芳芸译：《系统辨识》，清华大学出版社，北京，1983。(T.C.Hsia, System Identi-fication：Least-Squeres Methods， Lexington books,Lexington, Mass., 1977.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条