多通道异构网络诱导延时约束下网络化控制系统的量化控制研究

针对异构网络环境下信号在多通道中传输受到的网络诱导延时在每个通道不尽相同,使得量化控制更加困难的问题.文章首先运用两个马尔科夫链分别刻画有线和无线网络在同一/不同时刻每个通道的网络诱导延时特性并给出数学描述式,进而建立了融合量化器参数和多通道异构网络诱导延时参量的马尔科夫跳变系统综合模型.理论证明了在给定量化密度和最长网络诱导延时下闭环系统随机稳定,并建立了量化参数、网络诱导延时和系统稳定性之间的关系.最后,仿真验证了所提方法可行且有效.     

零误差计算

研究采用有误差的数值计算来获得无误差的准确值具有重要的理论价值和应用价值.这种通过近似的数值方法获得准确结果的计算被称为零误差计算.本文首先指出,只有一致离散集合中的数才能够开展零误差计算,即有非零隔离界的数集,这也是"数"可以进行零误差计算的一个充要条件.以此为基本出发点,本文分析代数数零误差计算的最低理论精度,该精度对应于恢复近似代数数的准确值时必要的误差控制条件,但由于所采用恢复算法的局限性,这一理论精度往往不能保证成功恢复出代数数的准确值.为此,本文给出采用PSLQ (partial-sum-LQ-decomposition)算法进行代数数零误差计算所需的精度控制条件,与基于LLL (Lenstra-Lenstra-Lovász)算法相比,该精度控制条件关于代数数次数的依赖程度由二次降为拟线性,从而可降低相应算法的复杂度.最后探讨零误差计算未来的发展趋势.     

基于观测器的非线性不确定时滞跳变系统无源控制

该文基于鲁棒控制理论,采用线性矩阵不等式(LMI)方法,研究了一类非线性不确定时滞Markov跳变系统的无源控制问题,设计了基于观测器的无源控制器.通过构造合适的Lyapunov函数,给出了对所有允许的不确定、时滞和非线性,被控对象满足无源控制指标约束下系统渐近稳定的一个充分条件.求解一个线性矩阵不等式,即可获得系统的无源控制器.仿真示例显示了该文设计方法的有效性.     

Markovian跳变不确定时滞分布参数系统的鲁棒控制

基于线性矩阵不等式方法对一类含Markovian跳变的不确定时滞分布参数系统的鲁棒控制进行了研究.通过构造恰当的Lyapunov泛函,计算弱无穷小算子,以一组线性矩阵不等式给出系统鲁棒镇定的充分条件.该充分条件易通过Matlab进行求解,方便实际应用.最后,数值例子验证了方法的有效性.     

有限时间迭代学习控制

针对任意初态情形, 借助于初始修正吸引子的概念,讨论不确定时变系统能够达到实际完全跟踪性能的迭代学习控制方法.闭环系统中含有限时间控制作用, 在预先指定的区间上实现零误差跟踪,且起始段的系统输出轨迹也可预先规划.分别讨论部分限幅学习与完全限幅学习, 证明闭环系统中各变量的一致有界性以及误差序列的一致收敛性. 变量有界性证明得益于提出的限幅学习算法,特别是完全限幅学习算法可确保参数估值的变化范围.     

时变参数不确定广义系统的有限时间预见控制器设计

基于具有参数依赖的Lyapunov函数方法及LMI技巧,本文研究一类具有时变参数不确定广义离散时间系统的有限时间预见控制问题.首先,采用预见控制理论中误差系统的方法,引入两个辅助变量和离散提升技术,构造出包含未来目标值信号的信息的扩大误差系统,将有限时间预见跟踪问题转化为扩大误差系统的有限时间稳定性问题;然后,针对所推导的扩大误差系统,考虑输出反馈时,改造输出方程,使其包含可预见信号的信息,通过LMI技巧给出闭环系统有限时间稳定的条件及预见控制器的设计方法.通过求解LMI,即可确定预见控制器增益矩阵.数值仿真表明本文结果的有效性.     

Markov跳变系统滚动时域有限记忆控制

针对离散时间Markov跳变系统,提出滚动时域有限记忆控制的方法.在一段有限滤波时域上,利用系统输入与输出变量的线性组合构造一段有限控制时域上的输出反馈控制器.首先,不考虑跳变系统均方可镇定,基于最优控制的方法,获得以迭代计算形式给出的控制器,并使其在无偏条件下能优化二次型性能指标.其次,进一步考虑在成本衰减条件下确定终端加权矩阵,并以它作为边界条件计算得到最优控制律,调节系统均方稳定.为便于求解,成本衰减条件以线性矩阵不等式的形式给出.仿真实例验证了所提方法的可行性和有效性.     

线性参数变化系统的子空间预测控制

为弥补线性系统与非线性系统间的差异,考虑非线性系统的近似模型-线性参数变化系统的子空间预测控制,此控制器能更贴切地控制非线性系统.采用数据驱动的子空间预测控制策略,构造输入-输出观测数据矩阵来辨识状态空间形式下的马尔科夫参数.利用矢量积算子的数据矩阵表示将来时刻的输出预测值,并以此预测值作用于代价函数.对带有不等式约束的二次代价函数采用并行分布算法来求解其最优值.针对直流电动机在质量分布因素下的线性参数变化系统,采用子空间预测控制器来控制直流电动机.     

网络化马尔可夫跳变系统的鲁棒无源控制

针对基于网络的凸多面体不确定离散时间马尔可夫跳变系统,研究其鲁棒无源控制问题.在网络诱导时滞是时变且有界的情况下,基于李雅普诺夫稳定性理论,通过构造参数依赖的随机李雅普诺夫泛函和运用广义系统变换,提出了不依赖模态的无源控制器存在的时滞依赖充分条件.所设计的鲁棒无源控制器保证了相应的闭环系统是鲁棒随机稳定且具有指定耗散率.将鲁棒无源控制器设计问题转化为一组线性矩阵不等式的可解性问题.仿真算例证明了本文方法的有效性.     

双功能梯度纳米梁系统振动分析的辛方法

在辛力学与非局部Timoshenko(铁木辛柯)梁理论的基础上,针对黏弹性介质中的双功能梯度纳米梁系统的自由振动问题,提出了一种全新的解析求解方法.在Hamilton(哈密顿)体系下,位移与广义剪力、转角与广义弯矩互为对偶变量.以对偶变量为基本未知量,Lagrange(拉格朗日)体系下的高阶偏微分控制方程简化为一系列常微分方程.该纳米梁系统的振动问题归结为辛空间下的本征问题,解析频率方程和振动模态可以通过辛本征解和边界条件直接获得.数值结果验证了该方法的正确性与有效性,并针对纳米梁系统的小尺度效应、纳米梁间的相互作用以及黏弹性地基的影响进行了系统的参数分析.     

基于异或软集合的不完备信息系统约减

软集合理论是处理不确定问题的一种新兴数学理论.作为软集合重要的应用领域之一,软集合的参数约减的研究大都基于完备信息系统.介绍了异或软集合的改进运算以及异或软集合决策系统,提出了一种基于异或软集合的不完备信息系统约减方法,同时与拓扑方法相比较.结果表明,算法得出的约减软集合是拓扑法求出的约减软集合的一个子集,即该算法在对数据刻画方面较为细致和全面.     

全局优化问题的一类积分型最优性条件 (英)

本文通过构造水平集辅助函数对一类积分全局最优性条件进行研究. 所构造的辅助函数仅含有一个参数变量与一个控制变量,该参数变量用以表征对原问题目标函数最优值的估计,而控制变量用以控制积分型全局最优性条件的精度. 对参数变量做极限运算即可得到积分型全局最优性条件.继而给出了用该辅助函数所刻画的全局最优性的充要条件, 从而将原全局优化问题的求解转化为寻找一个非线性方程根的问题.更进一步地,若所取测度为勒贝格测度且积分区域为自然数集合的一个有限子集, 则该积分最优性条件便化为有限极大极小问题中利用凝聚函数对极大值函数进行逼近的近似系统.从而积分型全局最优性条件可以看作是该近似系统从离散到连续的一种推广.     

大型互联非线性分布参数系统的分散迭代学习控制

研究大型互联非线性分布参数系统的分散迭代学习控制问题,该类大型互联分布参数系统由抛物型偏微分方程组或由双曲型偏微分方程组构成.针对系统所满足的性质,基于P型学习律构建得到迭代学习控制律,在这种分散式控制方案中,每个子系统的控制器仅依赖于该子系统的输出变量,不需要与其它子系统交换信息.利用压缩映射原理,证明这种学习律能使得系统的输出跟踪误差于L~2空间内沿迭代轴方向收敛.仿真算例说明了所得结论的可行性和有效性.     

一类具有时变时滞和Markov跳变参数的不确定系统滑模控制

针对一类具有时变时滞和Markov跳变参数的不确定系统,研究基于滑模超平面的变结构控制算法.该算法通过坐标变换将系统描述成简约型,在考虑时变时滞和不确定性的前提下,基于线性矩阵不等式(LMIs)方法给出了滑模平面的设计方法,推导出了随机稳定滑模面存在的充分条件,同时利用指数趋近律构造了整个系统的滑模变结构控制算法,并证明了该算法能够确保系统的运动轨迹在有限时间内到达并一直保持在滑模面上.最后通过数值仿真算例验证了设计方法的正确性和有效性.     

EV自回归模型的一个相合估计

考虑带有测量误差的自回归模型,在不对替代变量和真实变量之间的关系做任何模型假设的情况下,借助核实数据,给出未知参数的一个基于核实与替代两方面信息的最小二乘估计量,并证得该估计量是相合估计.     

一类细胞神经网络输入—输出控制

对于一类细胞神经网络,以系统的输入、输出的反馈权值为参数,构成参数空间,引入几何方法,将参数空间分解分块成有限个区域,当系统参数在某一确定的区域上时,研究系统的输入—输出间关系,并给出输入、输出之间控制的一类判别方法.     

基于模式的建模与自适应控制

针对一类复杂生产过程,提出了一种利用模式的运动来描述系统动力学特性与控制的新方法.方法不同于传统的如输出方程或状态空间模型等建模方法.首先根据实际工况数据利用聚类算法来获得工况模式类别的划分,以这些类别作为空间刻度构造"模式运动空间".然后在此空间上定义描述模式运动的变量~模式类别变量,并建立了基于模式类别变量的预测模型及控制模型,给出了基于模式类别变量的自适应控制方法.最后根据安阳钢铁厂400烧结机的实际工况数据进行了仿真,取得了满意的结果,验证了该种方法的可行性.     

网络化Euler-Lagrange系统的分布式编队机动控制北大核心CSCD

研究了网络化Euler-Lagrange系统自适应编队机动控制问题.针对参数不确定的Euler-Lagrange系统,利用滑模控制方法提出了一种自适应编队机动控制算法.基于Lyapunov稳定性理论,证明了闭环系统的稳定性.该算法的显著特点是通过引入一种特殊的有向网络拓扑来描述智能体之间的通信交互行为,使得系统中跟随者在不需要知道或估计时变机动参数的情况下,能够实现编队的方向、平移、形状的连续改变.最后对提出的自适应编队机动控制算法进行数值模拟以验证该控制方案的有效性.     

基于Copula函数的组合资产条件相依性模型研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,组合资产的相依结构受多方面的影响,资产之间的相互影响与时间上的记忆效应是组合资产两类主要的相依关系.结合条件概率的理论建立基于Copula函数相依关系模型,研究组合资产之间同期相依关系及时间上的短期相依关系,提出了模型参数的三阶段极大似然估计方法.     

基于蚁群算法的模糊分类系统设计

提出了一种基于最大-最小蚁群算法的模糊分类系统设计方法.该方法通过两个阶段来实现:特征变量选择和模型参数优化.首先采用蚁群算法对特征变量进行选择,得到一组具有较高分辩性能的特征变量,提高模型的解释性;在模型结构确定后,蚁群算法从训练样本中提取信息对模型的参数进行优化,在保证模型精确性的前提下,构造具有较少变量数目及规则数目的模糊模型,实现了精确性与解释性的折衷.最后将本方法运用到Iris和Wine数据样本分类问题中,并将结果与其它方法进行比较,仿真结果证明了该方法的有效性.