本文提出了一种基于逆系统方法的滑模控制策略，用于并联混合有源电力滤波器（SHAPF），以提高谐波消除性能。 基于逆系统方法，首先将SHAPF系统的d轴和q轴电流动力学线性化并解耦为两个伪线性子系统。 然后，将滑模控制器设计为拒绝负载变化和系统参数不匹配对系统稳定性和性能的影响。 事实证明，控制器可以将电流动态指数稳定在其参考状态。 此外，提出了SHAPF系统零动力学的稳定性条件，表明零动力学可以通过在q轴电流动力学的参考中添加适当的DC分量来限制。 此外，采用比例积分（PI）控制器来简化DC分量的计算。 仿真和实验结果证明了所提出的控制策略对SHAPF的有效性和可靠性。

实际积分问题matlab代码拟可逆系统的循环伏安法仿真 我试图回答问题B.5。 （附录B：电化学问题的数字模拟） ：电化学方法：基本原理和应用（Bard，2001年）。 807。 作者：Tristan Chauvin-Bosse。 问题B.5 “使用计算机对拟逆系统进行伏安模拟，设t = 50和DM = 0.45。取a = 0.5并使氧化和还原形式的扩散系数相等。 （6.5.5）中定义的功能ф的术语，并进行ф= 20、1和0.1的计算。将模拟伏安图中的峰分裂与表6.5.2中的值进行比较。” （Bard，2001）。 807。 使用范例 给定无量纲固有速率参数（ψ）的三个值的列表，一个称为CV的函数将为准可逆系统生成循环伏安法的仿真并绘制结果。 扫描速率由ψ通过方程6.5.5 p.242确定（Bard＆Faulkner，2001）。 python quaisRevCVsim.py --psi 0.1 1 20 介绍 循环伏安法（CV）是一种通用的电化学实验，最常用于研究分析物的性质（Kissinger＆Heineman，1983）。 CV可用于确定电子React机理和扩散系数的标准速率（

针对区域互联电力系统受到风电及负荷扰动后，系统频率会出现大幅度波动的问题，提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上，建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势，进一步提高神经网络的辨识能力。仿真结果表明，所设计的云神经网络自适应逆系统不仅可以得到好的动态响应，还可以使风电及负荷引起的扰动减小到最小。

基于kalman滤波的逆系统识别.可以识别IIR和FIR系统。对FIR系统识别效果更好

人工智能-倒立摆神经网络α阶逆系统控制器设计.pdf

大数据-算法-非线性LSSVM逆系统主动容错控制方法研究.pdf

matlab逆系统控制程序 自己编写的程序，对于初学逆系统控制的很有帮助的

本书介绍了非线性系统控制设计的一种新的反馈线性化理论与方法-逆系统方法。内容包括非线性模型的表示与建立、逆系统方法的设计原理、单变量及多变量系统的控制设计问题、非线性系统的状态观测器理论。

多变量非线性控制的逆系统方法

MATLAB程序，包含声音录制，混响产生，解卷积，逆系统，声音恢复等功能。