基于数据驱动方法的控制器设计及其参数整定

以一般离散时间非线性系统为研究对象,提出一类基于数据驱动的控制器设计及其参数整定方法.方法首先依据非参数时变动态线性化定理提出3种控制器结构,再采用迭代反馈整定方法(IFT)优化其控制器参数,从根本上解决了IFT方法给定控制器结构时存在的盲目性.最后将该方法与另外两种数据驱动控制方法---无模型自适应控制(MFAC)和IFT方法进行比较研究,结果表明方法是有效的.     

一种基于灰色马尔科夫的大客流实时预测模型

为分析和处理大型活动期间轨道交通大客流的预测预警问题,本文构建了一种基于灰色马尔科夫的大客流实时预测模型.以各类大型活动的历史OD客流数据为基础,利用灰色预测算法对客流数据建立灰色模型,然后建立马尔科夫修正模型,最后利用预测误差对灰色预测结果进行修正得到最终的预测大客流值.实验采用北京轨道交通OD客流数据和标准评价方法,实时预测五棵松体育馆举办的CBA决赛对五棵松地铁站产生的出站大客流,预测结果表明模型是有效的,对真实的大客流预测具有较好的效果.     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

服务于交通监控响应的范例推理系统

提出一种适用于交通监控响应的范例推理系统,以交通具有重复性和相似性为背景,通过交通案例中的相似分析,得到异常响应的处理策略,该方法无需建立精确的数学模型.从交通行为描述研究入手,对系统元素描述、推理算法等问题作了详细讨论,在交通行为特征的基础上建立了系统框架,解决了传统的基于异常数据分析模型在交通监控响应中存在的难以精确建模和计算量大的缺点.     

对一类非严格重复系统的两种基于二阶内模的迭代学习控制器设计

通过对系统中的不确定参数建立迭代域上的二阶内模来研究一类非线性连续时间系统的非严格重复性,并依照内模原理提出了两种基于二阶内模的参数迭代学习控制器:二阶迭代学习控制器和平行迭代学习控制器.本文分别使用不同的Lyapunov函数,证明了两种控制器在各自的可行范围内都可以保证系统的跟踪误差收敛.通过对这两种学习机制的比较分析,说明了平行迭代学习控制设计的合理性.两个数值仿真不仅证实了两种算法的有效性,也展示了平行迭代学习控制器更好的收敛特性.