具有控制约束的不确定离散时滞系统最优保性能控制

对一类具有范数有界时变参数不确定性和控制输入约束的离散时滞系统,研究其最优保性能状态反馈控制律的设计问题.基于线性矩阵不等式处理方法,导出了保性能控制律存在的条件,并证明了该条件等价于一组线性矩阵不等式的可行性问题,并用这组线性矩阵不等式的可行解给出了保性能控制律的一个参数化表示.进而,通过建立并求解一个凸优化问题,给出了具有控制约束的最优保性能控制律设计方法.     

神经网络控制、无模型控制PID控制仿真比较

在同一条件下，对三种仅用受控系统I／O数据来设计控制器的方法进行了控制性能仿真比较，三个受控系统分别取自文[1]和[5]。三种不同的控制方法各有其优缺点，仿真结果表明：无模型自适应控制具有其他两种方法所不具备的优点，适合处理结构时变、参数时变、阶教时变非线性离散时间系统的控制问题。     

具有控制约束的不确定离散系统最优保性能控制

对一类具有范数有界时变参数不确定性和控制输入约束的离散时间线性系统,采用线性矩阵不等式处理方法,导出了保性能控制律存在的条件,证明了该条件等价于一组线性矩阵不等式的可行性问题,并用这组线性矩阵不等式的可行解给出了保性能控制律的一个参数化表示。进而,通过建立并求解一个凸优化问题,给出了具有控制约束的不确定离散系统最优保性能控制律设计方法。     

一类线性时变系统组合自适应迭代学习控制

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应控制方法与迭代学习相结合,提出了组合模型参考自适应迭代学习控制算法.基于Lyapunov方法推导出迭代学习控制律以及针对时变惯性参数与时不变高频增益的组合自适应参数更新律.该算法适于控制快时变系统,并使跟踪误差、参数估计误差和控制信号有界.当迭代次数趋于无穷时,跟踪误差关于有限时间区间一致收敛到零.系统仿真验证了所提控制算法的有效性.     

不确定广义系统的保成本可靠控制

对一类含有时变范数有界参数不确定广义系统和部分执行器可能失效的系统,结合一个二次型性能指标,研究了使得闭环系统保持正则、无脉冲和稳定,且闭环性能指标值不超过某个确定界的保成本可靠控制律的设计问题。通过矩阵不等式导出保成本可靠控制律的一个充分存在条件,进而用线性矩阵不等式给出了保成本可靠控制器的一个参数化的表示。在此基础上,通过建立并求解一个凸优化问题,给出了最优保成本可靠控制律的设计方法。最后,通过例子对所得结论加以说明。     

一类非线性参数化系统的自适应学习控制

针对控制增益是未知时变的并含有混合未知参数的非线性参数化系统,利用将整个区间分段与反馈线性化相结合,提出了一种新的自适应学习控制方法。该方法可以处理参数在一个未知紧集内周期性快时变的非线性系统。通过引进新颖的微分-差分混合型参数自适应律,使广义跟踪误差在误差平方范数意义下渐近收敛于零。通过构造Lyapunov泛函,给出了广义跟踪误差收敛的充分条件。实例仿真结果说明了该方法的可行性和有效性。     

一类非线性级联系统的鲁棒不变切换控制

研究了一类具有结构不确定性的单输入非线性级联系统的鲁棒不变切换控制问题。通过基于鲁棒严格无源技术和线性子系统状态反馈的切换控制来镇定线性子系统,同时保证了指定区域的正不变性,从而得到了该类系统鲁棒不变切换控制的充分条件。在适当的假设下,得到了系统的半全局渐近稳定。设计中无需ISS假设或非线性项的线性增长条件假设。在MATLAB环境下的仿真结果表明了设计的有效性。     

一类多输入非线性系统的切换控制

研究了一类具有结构不确定性的多输入非线性级联系统的鲁棒不变切换控制问题.控制思想是首先通过鲁棒无源性技术来镇定线性子系统,再借助切换控制技术得到系统轨迹对于指定区域的正不变性,从而得到了该类系统鲁棒不变切换控制的充分条件.在适当的假设下,得到了系统的半全局渐近稳定.设计中无需ISS假设或非线性项的线性增长条件假设.仿真表明了设计方法的有效性.     

时滞大系统的模型参考鲁棒自适应分散控制

基于Lyapunov-Krasovskii (L-K) 泛函方法,结合线性矩阵不等式（linear matrix inequality, LMI）技术以及自适应控制方法,研究了一类不确定时变时滞大系统的模型参考跟踪控制问题,提出了一种鲁棒自适应分散控制器设计方法。时滞无关的控制器设计无需模型参考跟踪控制中苛刻的模型匹配条件且局部状态反馈增益以LMI 形式给出,便于计算机求解和参数优化。为避免控制过程中的自适应参数持续增长问题,提出了死区自适应算法。最后以仿真实例表明了所提方法的正确性与有效性。     

线性时变周期系统的能控性与能稳定性问题

线性时变周期系统是一类普遍存在的重要而又研究较少的系统。介绍了线性时变周期系统的几种应用实例,给出了两种判定时变周期系统能控性与能观性的必要条件,该判别条件的优点是不必计算系统的状态转移矩阵,使判别时变周期系统能控性与能观性简单、高效、易于实现。讨论了时变周期系统在状态反馈下的能稳定性问题,得到了类似于线性定常系统能控性与能稳定性关系的时变周期系统相应结论。说明了结论是线性定常系统相应结论的自然拓展。给出了数值算例的MATLAB仿真求解过程。仿真结果验证了结论的有效性。     

带有初态学习的指数变增益迭代学习控制

针对一类非线性时变系统在有限时间区间上的轨迹跟踪问题,提出一种新的迭代学习控制算法,该算法对系统的控制输入和初始状态同时采用闭环指数变增益迭代学习律。基于算子理论,对具有任意初始状态的系统,在该迭代学习律作用下的收敛性进行严格证明,同时给出该迭代学习算法收敛的谱半径形式的充分条件。该算法与固定增益的迭代学习控制相比较,不仅加快了收敛速度,而且还解决了指数变增益迭代学习控制要求初始状态严格重复的问题。仿真结果表明了该算法的有效性。     

基于二维混合模型的鲁棒迭代学习控制设计

针对一类正则线性不确定系统,提出一种基于连续/离散二维混合模型的迭代学习控制设计方法。首先,通过独立地考虑迭代学习控制系统连续的控制行为与离散的学习行为,建立迭代学习控制系统的连续/离散二维混合模型,将迭代学习控制器设计问题转化为一类连续/离散二维系统的状态反馈控制问题。然后应用二维连续/离散系统方法,获得迭代学习控制系统稳定性条件。最后根据稳定性条件,利用线性矩阵不等式方法,求得迭代学习控制器参数,它通过Matlab工具箱可以方便的获得。与现有方法相比,所提出的迭代学习控制器利用了输出误差以及状态变化的信息来修正当前的控制,因而设计方法更加符合其本质特征,具有简单实用、直观明了的特点。数值仿真实例验证了所提方法的有效性。     

具有控制时滞的不确定分布参数系统迭代学习控制

研究了具有控制时滞的不确定线性分布参数系统的迭代学习控制问题,允许系统在迭代过程中初始状态值存在一定偏差。提出了基于时滞已知的P型迭代学习控制算法,给出了其L²范数收敛的充分条件,并利用Green公式、以及Gronwall-Bellman不等式等从理论上进行收敛性证明。数值例子验证了该算法的有效性。     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

On the Solutions of the Matrix Equations in Optimal Stochastic Control

1.INTRoDUCTIoNoFTHEPRoBLEMConsiderthetime-invariantlinearIt6stochasticsystemwherexER,uCRm,FER""",BER""m,a=const.(i=1,2,'',k)arenaturalnumbers;W(t)=[W(t),W2(t),Wk(t)]"(tSo)isak-dimensionalstandardWienerprocesswithindependentcomponentsdefinedonthecompleteprobabilityspace(fl,FP),(A,B)iscontrollable.SupposethatRERm"m,QERmxmaregivenpositivedefiniteweightingmatrices,Ereferstothemathematicalexpectation.ConsidertheoptimalstochasticcontrolDroblemItiswell-knownthatifthereisapositive…     

任意初始状态下迭代学习控制的频域分析

针对广义受控对象G(s) ,提出了一种迭代学习控制器在频域中设计的思想 ,给出了在任意初始状态下迭代学习控制算法收敛的充分条件 ,证明了经过逐次迭代后系统实际输出信号对期望输出信号的逼近特性 ,输出跟踪误差将一致有界 ,且与期望状态及期望输入无关。进一步讨论了反馈控制在迭代学习控制器中的作用。仿真结果表明了该算法的有效性。     

基于变阶长迭代动态规划的聚合物驱方案动态优化

聚合物驱是一种重要的提高原油采收率技术. 针对聚合物驱的注入方案优化问题, 建立了聚合物驱最优控制模型. 该模型以利润最大为性能指标, 以聚合物驱的渗流力学方程为支配方程, 并以聚合物最大用量约束和聚合物注入浓度的上下限约束为不等式约束条件. 各段塞间的注入浓度、段塞尺寸及驱油结束时间为该最优控制问题的优化变量. 对于该分布参数最优控制问题, 提出了一种变阶长迭代动态规划算法. 首先引入标准化的时间变量, 将原自由终端时间的聚合物驱最优控制问题转化为固定终端时间问题, 然后采用经典的迭代动态规划算法求解, 实现了注入浓度、段塞尺寸及驱油结束时间的同时优化, 最后通过实例验证了所提出算法的有效性.     

A New RCS Statistical Model of Radar Target

In this paper, the drawbacks of conventional target fluctuation models used in radar target modeling are set out. It is usually difficult to statistically model a real target because there are very few parameters which can be used to approximate the probability density function (PDF) of a real target's radar cross section (RCS) in conventional target models. A new method of statistical modeling is suggested, according to which the first nth central moment of real target's RCS, combined with the Legendre orthogonal polynomials, is used to reconstruct the PDF of the target's RCS. The relationship between the coefficients of the Legendre polynomials and the central moments of RCS are deduced mathematically. Through a practical computing example, the error-of-fit is shown as a function of the orders of Legendre coefficients. By comparing the errors-of-fit caused by both the new model and the conventional models, it is concluded that the new nonparametric method for statistical modeling of radar targets is s     

基于支持向量机的非线性模型预测控制

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它把非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了一种基于支持向量机的模型预测控制结构,并使用一个新的随机搜索优化算法来求解预测控制律,计算机仿真证明了所设计的控制算法的正确性和有效性。