提出了基于离散粒子群算法与Elman网络的超声电机辨识和速度控制方法,所提出的辨识器和控制器都能达到很高的收敛速度和精度,且具有一定的鲁棒性。提出一种非对称正弦岭形隶属度函数,给出了该函数基础上的模糊神经网络权值修学习算法和学习率自适应修正算法。结合欧式距离和适应度值的差异计算亲和度,并使阈值随着进化代数的增加动态调整,提出一种动态阈值调整人工免疫算法。提出一个新颖的时滞神经元网络用于微机电系统的建模及速度控制,证明了提出的控制方法能保证控制误差收敛到零点附近的一个小的邻域内,并始终保持在这个邻域内。将神经网络逆模型控制方法与滚动时域优化控制技术相结合,提出一种具有预测能力的基于神经网络的滚动时域优化控制方案。对与微机电系统控制相关的一些基础动力学问题进行了研究,如对具有多时滞的神经元网络的局部与全局Hopf 分岔性质、具有非对称权值的环形神经网络的动力学行为以及具有时滞的小世界神经网络的动力学行为等分别给出了理论结果。进行了点插值无网格法的收敛性、上下界特性、超收敛性等方面的研究,提出了超收敛点插值方法、连续应变点插值方法,最小二乘点插值方法等,解决了目前无网格方法的某些瓶颈问题。
英文主题词MEMS; Time Delay; Model Identification; Nonlinear System Control; Meshless Method