多输入多输出非线性系统的间接自适应模糊跟踪控制

针对多输入多输出非线性系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种间接自适应模糊控制方案.由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.应用推广的模糊逻辑系统来估计多维未知函数,补偿器可抵消模糊逼近误差和外部扰动.控制方案保证了系统的稳定性,实现了跟踪.     

机械手时间-能量综合最优轨迹规划

利用B样条函数逼近机械手运动轨线,并通过引入样条曲线的伪距离和伪速度参量化解轨迹,进一步利用动态规划法进行二维动态寻优,最终获得机械手时间能量综合最优轨迹.     

非线性时滞系统状态反馈跟踪控制

针对一类严格反馈非线性时滞系统,采用反推(backstepping)技术,提出了一种状态反馈跟踪控制器的设计方案.采用占有(domination)方法处理系统的非线性时滞函数.在系统非线性函数满足Lipschitz条件的假设下,实现对给定参考信号的全局渐近跟踪,并保证了闭环系统所有信号一致有界.通过构建一个Lyapunov-Krasoviskii泛函,证明了闭环系统的稳定性.最后,通过一个仿真实例说明了所提方案的可行性.     

带有基数约束的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束(即总资产数不超过某个特定整数K)下的跟踪误差最小化模型。由于引入显示的基数约束使得该模型是一个非线性混合整数规划问题,传统算法难以有效求解,为此设计了一个粒子群算法求解基数约束下的指数跟踪模型,实际算例表明,算法是有效的。     

基于干扰观测器的移动机器人轨迹跟踪控制

针对移动机器人的轨迹跟踪问题,设计了基于干扰观测器的积分滑模控制器.考虑侧滑与干扰的影响,建立了移动机器人的运动学和动力学模型.基于终端滑模理论设计了自适应滑模干扰观测器,实现了对复合干扰的有限时间逼近.在此基础上设计了基于运动学模型的轨迹跟踪控制器,保证了位置跟踪误差的渐近收敛和角度误差的有界收敛.结合干扰观测器和积分滑模方法,设计了基于动力学模型的速度跟踪控制器.通过仿真验证了所设计控制算法的有效性.     

基于内模控制原理的光电跟踪控制系统设计

跟踪控制系统是光电测量设备实现目标自动跟踪的核心单元。系统设计中采用的控制对象数学模型与实际对象存在机理误差和参数测量误差,采用传统闭环控制法设计时控制器的参数计算依赖于模型参数,导致控制器对实际控制对象的适应能力存在局限。采用内模控制原理(IMC)进行系统设计,可简化控制器参数计算及调试过程,降低系统对控制对象参数的敏感性,改善系统的动态性能。与传统方法设计的系统进行仿真对比表明,基于内模控制原理的跟踪系统具有更强的鲁棒性和更好的模型适应性。     

函数最优近似值的均方误差分析

本文运用误差传播定理对函数近似值的均方误差进行了分析,得出二元函数z=f(x,y)的近似值(?)=f(?)并非是最优近似值这一结论.     

高速弹性连杆机构振动的预测函数主动控制

应用带实时预测误差修正的预测函数控制方法对高速弹性连杆机构的振动响应进行主动控制研究.根据机构的动态特性,选取系统变形响应的参考轨迹、基函数、优化指标和电压约束条件,通过优化基函数的加权系数,得到结构化的控制电压,对机构进行控制.仿真结果与最优极点配置控制结果比较,表明采用简单的被控机构模型设计预测函数控制器对高速弹性连杆机构振动进行主动控制,能够有效地抑制弹性机构的振动,所需控制电压小,且能够满足控制实时性要求.     

欠驱动无人艇轨迹跟踪的滑模控制方法

讨论欠驱动无人水面艇的轨迹规划和跟踪控制问题,并考虑动力学模型不确定性和环境干扰力的影响.对于给定二维惯性平面内的光滑期望轨迹,规划方法将获得船体坐标系下的参考跟踪速度和加速度. 然后基于滑模控制方法提出一种轨迹跟踪控制律. 通过理论分析可得,该控制律不但能保证无人艇轨迹跟踪的渐进稳定性,而且保证艏摇运动是有界输入有界输出稳定的. 进行数值仿真,无人艇均实现了对封闭或开放轨迹的跟踪以及定位控制,验证了所提方法的可行性和有效性.     

基于SIR粒子滤波和局部搜索算法的运动目标跟踪方案

针对视频处理中的显著运动目标跟踪问题,提出一种基于序列重要性重采样(SIR)粒子滤波和局部搜索算法的运动目标跟踪方案.首先,对视频序列进行SIR粒子滤波,获得粒子的似然分布,并对粒子进行加权;然后,构建粒子的动态模型和观测模型;最后,当检测到目标运动时,根据每个时间步上观测似然的反馈信息,利用局部搜索算法自适应更新粒子的动态模型,从而实现目标的动态跟踪.实验结果表明,该方案能够有效地跟踪运动目标,且对目标背景、大小、遮挡和光照等因素具有鲁棒性.     

无线传感器网络目标探测定位跟踪问题研究

为在低耗能下完成更为精确的目标全程跟踪,提出了基于动态子网思想的目标探测定位和跟踪算法,并按照目标跟踪流程分别从簇头选择、目标探测、目标定位和目标跟踪4个阶段设计.仿真结果表明,相比于全网激活和固定子网策略,本算法在定位误差、预计误差和整体能耗三项指标中均处于最佳地位,有着极强的性能优势.     

应用非线性干扰观测器的反推终端滑模飞行控制

针对飞机机动飞行时模型非线性、气动参数和力矩干扰不确定性的特点,提出一种基于非线性干扰观测 器的反推终端滑模控制方案. 该方案利用非线性干扰观测器逼近系统不确定性,取消了不确定性上界已知条件. 反 推设计过程中结合动态面控制设计虚拟控制律,能避免计算复杂性问题,通过引入快速终端滑模控制策略,提高了 系统收敛速度和稳态跟踪精度. 采用Lyapunov 稳定性理论证明了闭环系统所有信号一致终结有界. 对某战斗机进 行6 自由度机动飞行仿真,验证了该控制方案的有效性.     

基于BP网络的三值动态矩阵控制算法的实现

通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性.     

一类具有时滞的非线性系统的跟踪控制

讨论了一类满足Lipschitz条件的非线性时滞系统的跟踪问题.基于状态反馈控制器,利用LyapunovKrasovskii泛函和矩阵理论,得到了系统全局渐近镇定的新判据,并且保证了输出和状态跟踪控制的误差全局渐近收敛于零,MATLAB仿真验证了本文方法的可行性.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

线性离散时间多智能体系统最优预见重复控制

针对一类智能体间信息交换拓扑线性离散时间多智能体系统,提出一种最优预见重复控制器设计方法.首先基于多智能体系统的紧凑形式,利用状态增广和提升技术,获得包含重复控制和参考信号预见信息的增广误差系统,从而将预见重复控制器的设计问题转化为增广误差系统的最优调节问题.然后应用离散时间线性二次型调节理论,获得增广误差系统的状态反馈控制器.为保证增广误差系统状态反馈控制器的存在性,利用PBH秩判据证明增广误差系统的可镇定性和可检测性.在此基础上,进一步通过降阶处理,获得实现原系统一致性跟踪的最优预见重复控制器.最后,数值仿真验证了所提方法的有效性.     

一种鲁棒自适应Backstepping控制方案研究

对基于调节函数的Backstepping自适应控制方案进行了改进,设计了一种新型鲁棒自适应无人机飞行控制系统.首先将某型无人机的系统模型转化为一个含有非线性参数不确定性、不确定的非线性与未建模动态的受扰严格反馈系统,然后提出了一种含有广义误差自适应调节项的新型李亚普诺夫函数,得出了稳定自适应控制律和参数更新律.最后该无人机的鲁棒自适应飞控系统的有效性得到了仿真验证.     

动态规划在运输成本中的应用

随着科技的发展,数学模型在生活的各个领域得到了广泛的应用。本文主要介绍了动态规划的基本原理和建立动态规划数学模型的主要步骤,并通过建立动态规划数学模型解决了求从多个发货中心运送货物到多个目的地的最低运输成本问题。运用动态规划的思想不仅给出了整体的最优解,而且可以得到所有可能出现状态的一族解,具有广泛的实际意义。     

求解凸二次规划的主对偶积极集法

介绍了求解带有不等式约束凸二次规划的一种主对偶积极集法.通过凸二次规划KKT条件中的一阶最优性条件和补条件计算出主对偶对(x,s)的值,若(x,s)不可行则确定新的积极集,算法继续迭代;算法经有限步迭代后,一定能得到最优解,使算法停止.