基于IA技术双控制器网络化控制系统可靠性

在用以太网作为传输媒体的计算机网络化控制系统的基础上,提出了一种基于智能代理技术有双控制器的计算机网络化控制系统.在该系统中,控制系统的各组件是安装了一定硬件和软件的计算机,它们构成一个个智能代理,多个智能代理通过协同工作来完成整个控制系统的任务,提高了系统的性能.考虑到系统中计算机控制器的重要作用和状态,建立了系统的可靠性模型,利用Markov过程理论证明了与通常网络化控制系统相比,基于智能代理技术有双控制器的计算机网络化控制系统具有更高的可靠性和安全性.     

l1鲁棒辨识渐近性态的研究

基于ｌ１拓扑空间的局部紧性，研究了ｌ１鲁棒辨识的渐近收敛性质，据此提出了一个具体的辨识算法，并讨论了辨识误差的ｌ１范数度量界     

不确定离散时滞线性系统的完整性设计

在工程实践中 ,容错控制问题关系到系统的可靠性和安全性 ,具有十分重要的意义。研究了离散时滞线性系统的状态反馈容错控制问题。针对离散时滞系统的传感器和执行器的失效问题 ,基于Lyapunov渐近稳定性理论讨论了其在故障条件下仍具有完整性的充分条件 ,并进一步分析了该系统存在有界参数不确定时的完整性设计 ,提出了保证系统鲁棒稳定的设计算法。研究结果表明 ,该算法能保障系统的容错性和稳定性。仿真数值结果验证了该方法的有效性     

基于虚拟领航者的智能群体群集运动控制

通过借鉴预测控制的基本思想,研究了智能群体的群集运动,并建立了一种个体在运动过程中能根据周围环境自适应选取虚拟领航者的群集运动控制模璎.该模型描述了生物群集过程中无领导者的自然现象,克服了传统leader-follower模式的单向信息流的缺陷,增强了系统的自适应性与鲁棒性,提高了系统的稳定性.仿真结果表明:与已有文献相比,该模型收敛速度较快;形成紧凑的编队后,队形稳定运行的速度也较快.     

基于T-S模型的网络化控制系统的鲁棒容错控制

提出了网络化控制系统的一种全新的建模方式--基于Takagi-Sugeno(T-S)模糊模型的网络化控制系统模型,即通过对具有马尔可夫特性的网络时延的分析,得到各时延值的发生概率即局部模型隶属度,从而建立T-S全局模糊模型.在此基础上建立不确定的网络化控制系统模型.考虑系统的不确定性,并针对传感器和执行器的失效问题,提出了保证系统鲁棒稳定的设计算法.利用李亚普诺夫函数,证明该算法能保障网络化控制系统的容错性和稳定性,仿真结果验证了其有效性.     

大规模机器人群体的分层编队控制算法

提出一种分层拓扑结构作为机器人群体在动态期望区域内的编队队形,并在此基础上设计一种基于分层拓扑的群体编队及避障控制器,邻域内各层层间机器人之间的通信是双向的.多机器人通过虚拟领导者的引导向动态期望区域内运动,并在邻居个体间的局部交互下形成期望编队控制队形,机器人群体速度达到一致,个体间距离稳定,从而实现编队和避碰.控制器中形状调节力用于调整和保持机器人群体队形,解决编队中因可能出现局部极小值而导致某些机器人死锁的问题.仿真实验表明了该算法是有效性的.     

时变采样周期网络化系统混合鲁棒H2/H∞控制

针对存在时变采样周期和时延的网络化控制系统,讨论混合鲁棒H2/H∞控制性能约束下控制问题.通过矩阵Jordan变换,将时变采样周期和时延的不确定性转变为系统参数的不确定性,建立了离散时间凸多面体不确定系统模型.利用矩阵不等式方法,设计了满足混合鲁棒H2/H∞性能的控制状态反馈控制器.对不稳定的连续时间系统,该控制器能使闭环系统保持渐近稳定并对外界干扰具有良好的抑制性.控制器存在的充分条件和具体参数通过求解线性矩阵不等式给出,计算简单.数值仿真结果表明所设计控制器的有效性.     

时变时延网络化控制系统的容错控制

针对网络化控制系统的时变时延,建立了时变数学模型,针对传感器和执行器的失效问题进行了讨论,研究了其容错控制器设计问题．仿真结果验证了该方法的有效性．     

一类针对带约束优化问题的进化规划算法

提出了一种适用于求解带约束优化问题的进化规划方法,其中关键的变异算子采用基于行为的架构,事先设计一系列子变异算子,如使得个体适应度函数值趋向最小方向的变异算子、逃避约束方向的变异算子、种群总体平均适应度函数值趋向最小方向的变异算子等,通过加权平均的方法决定总变异方向．结合小生境技术及最优个体保存的选择策略,该算法能在同时保证种群的多样性和个体的全局最优性的情况下快速地求得带约束条件下的最优解．仿真结果表明,该进化规划算法是可行的．     

基于HPSO算法的三维空间路径规划

提出一种基于混合变异粒子群优化(HPSO)算法的三维路径规划方法.首先,对三维空间分割降维,划分“可行域”与“搜索边界”,缩小最短路径解的搜索范围;然后,利用定向变异和随机变异操作收缩解空间,使粒子群在优化过程中向规划起点到终点的中心轴线收缩,以贴近障碍物的边界,从而使所规划路径相对集中且基本分布在中心线左右,更接近于最优解;最后,仿真实验证明了该算法的可行性与优越性.