复杂随机控制系统：跟踪与优化方法研究

"这篇博士学位论文主要探讨了随机分布系统在跟踪控制和优化方面的研究，针对包含随机输入、非线性项以及不确定动态的实际系统。作者裔扬在控制理论与控制工程领域进行了创新性工作，发展了新型的随机分布跟踪控制算法，应用于连续系统和离散系统，同时也考虑了神经网络模型的动态建模。此外，论文还提出了针对非高斯随机分布控制系统的统计跟踪控制方法，旨在优化系统的统计性能。" 本文的重点在于以下几个方面： 1. **新型随机分布控制策略**：论文提出了一种新的广义PD_F控制策略，利用B样条神经网络来近似跟踪问题，并将问题转化为关于权向量的鲁棒受限跟踪控制问题。该策略适用于包含时滞、干扰和不确定性的非线性系统，通过改进的LM算法和L1性能指标，确保闭环系统的渐进稳定性和PD_F的跟踪性能。 2. **离散系统的随机分布控制**：这一部分首次将随机分布控制方法扩展到离散系统，将问题转化为带有状态约束和非线性输出的离散动态权系统的跟踪控制问题。通过改进的LM凸算法和Lyapunov-Krasovskii函数，设计出满足多目标控制要求（稳定性、鲁棒性、跟踪性能和状态受限）的广义离散PD跟踪控制器。 3. **神经网络建模方法**：论文首次同时考虑动态和静态神经网络模型，提出两步神经网络建模方法。结合B样条神经网络和时滞动态神经网络，识别非线性权重动态模型，设计状态反馈控制器和受限的PJ跟踪控制器，实现未知权重动态轨迹的辨识和PD_F跟踪控制。 4. **统计跟踪控制**：针对非高斯随机分布系统，论文提出了一种新的控制方法，目标是使系统的统计信息量跟踪目标PD_F对应的统计量。通过设计基于熵和期望的统计性能函数，实现了对统计量的跟踪控制，增强了系统的鲁棒性。 这些研究对随机分布系统的控制理论和实践具有重要意义，为实际工业过程、化学化工、航空航天等领域中的复杂控制系统提供了理论支持和优化方案。