由于燃烧化石燃料引起的严重的气候和环境问题，核能正在快速发展。 显然，核React堆的功率级控制技术不仅对于常规运行而且对于至关重要的安全问题都具有重要意义。 如今，大多数现有核电站都由常规控制系统进行监管。 但是，近几十年来计算机技术，信息处理和控制理论的发展使得具有更高性能的高级控制器得以应用。 本文介绍了最近建立的耗散高增益滤波器（DHGF）的分离原理，该原理保证了与状态反馈控制器和DHGF互连的系统的闭环稳定性。 此外，验证了将DHGF应用于核React堆负荷跟踪控制的可行性。 最后，带有良好设计的状态反馈功率水平控制器的DHGF已成功应用于实现核加热React堆（NHR）的负荷跟踪控

针对机械臂轨迹跟踪控制中存在建模误差以及外界干扰造成的控制性能下降问题，提出一种改进的自适应神经滑模控制方法。分别选取状态反馈和改进的神经网络滑模方法来控制系统的确定部分和不确定部分。利用神经网络的非线性 映射能力自适应地学习系统不确定性的未知上界，其输出作为滑模控制器的动态补偿项，Ｌｙａｐｕｎｏｖ函数法推导得到神经网络权值更新律。为保证神经网络映射的有效性，提高收敛速度，采用遗传算法对神经网络结构参数进行优化。双关节机械臂系统的仿真结果表明了该方案的有效性。

基于多层神经网络的饱和非线性输入自适应控制.pdf

MIMO不确定非线性系统的自适应模糊输出跟踪控制。

本文基于单片机开发一套太阳能自动跟踪控制系统，既包括硬件的设计也包括软件的设计，附代码

研究生教程《系统辨识与自适应控制MATLAB仿真》对应程序

根据高超声速飞行器的欧拉近似离散模型,提出基于Back-stepping的模糊离散自适应控制器设计方法. 结合模糊自适应控制和反馈线性化的方法, Back-stepping设计的每一步虚拟/实际控制量对系统非匹配的不确定性都能进行较好补偿. 稳定性分析表明,该控制方法能够保证系统跟踪误差和模糊自适应参数误差是一致终值有界的. 仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了满意的控制效果.

通过Matlab/simulink完成控制系统搭建，由于网上都是基于动力学的LQR控制，所以基于运动学的LQR控制需要自己搭建。适合学习无人驾驶车辆控制的朋友。在本人博客中已展示详细控制器函数，如仅对控制算法感兴趣可以阅读对应博客。本资源提供路径，控制算法，车辆模型和可视化界面，模型由simulink搭建。

一篇经典的文章，网上不好找了

 光伏电池的输出功率取决于外界环境（温度和光照条件）和负载状况，需采用最大功率点跟踪（MPPT）电路，才能使光伏电池始终输出最大功率，从而充分发挥光伏器件的光电转换效能。在比较了常用光伏发电系统控制的优缺点后，依据MPPT控制算法的基本工作原理，主电路采用双并联Boost电路，具有电压提升功能，并且能够提高DC-DC环节的额定功率和减小直流母线电压的纹波。针对传统扰动观察法存在的振荡和误判问题，提出了一种新型的基于双并联Boost电路的改进扰动观察法最大功率跟踪策略。在Matlab/Simulink下进行了建模与仿真，仿真结果表明，当外界环境发生变化时，系统能快速准确跟踪此变化，避免算法误判现象的发生，通过改变当前的负载阻抗，使之与光伏电池的输出阻抗等值相匹配来满足最大功率输出的要求，使系统始终工作在最大功率点处，并且在最大功率点处具有很好的稳态性能。最后通过实验验证了该算法的有效性。