基于状态观测器的输入受限不确定系统的滑模控制

研究了控制输入受限情况下不确定系统的滑模控制问题,其中,系统不确定性同时存在于状态矩阵和控制增益矩阵中。首先,利用状态观测器估计不可测状态;然后,在状态估计空间选择一种积分型切换面;最后,设计一个基于状态估计的滑模控制律以保证系统状态轨迹在有限时间内到达指定的切换面,同时利用等价控制律方法给出了滑模动态渐近稳定的充分条...     

一种基于积分分离的内模PID主动队列管理算法

针对PI主动队列管理算法存在调节时间长和鲁棒性差的缺点,提出了一种基于积分分离的内模PID主动队列管理算法(IMC PD-PID)。其突出特点是控制器参数整定方便,由于采用了积分分离的方法,使其既保持了积分作用,又减小了超调量。仿真结果表明:该算法较PI算法有更小的超调量,队列收敛速度明显加快。     

一种新型神经网络控制器的研究

提出了一种新型神经网络控制器,其控制机理与PID控制相类似,但解决了常规PID控制存在的快速性与超调量的矛盾.给出了该神经网络控制器的自适应学习算法,分析讨论了控制系统的稳定性.仿真实验表明,这种新型神经网络控制器构成的自适应控制系统具有较强的适应性和鲁棒性.     

一类不确定时滞系统的滑模控制

考虑了一类同时存在状态不确定性和控制不确定性的时滞系统的滑模控制问题,通过采用李亚普诺夫方法和线性矩阵不等式(LMI)技术,给出了闭环系统渐近稳定的充分条件,而且滑模控制律和滑模面的设计可以利用线性矩阵不等式的解得到,证明了该滑模控制律能保证状态轨迹被驱动到指定的切换面上。仿真实验表明了算法的有效性。     

基于加强型价格的随机指数标记算法

随机指数标记算法(REM)是一种有效的主动队列管理算法,但存在队列收敛性差、对网络环境变化响应慢等问题。通过理论分析表明REM算法类似于PI控制策略,感知网络拥塞的能力不足。为克服上述缺点,提出了基于加强型价格的随机指数标记算法(EPREM)。EPREM在原价格中增加数据包到达速率的变化率,得到加强型的价格,同时引入带宽缓存比例因子指导新增参数λ的设定。在NS2中的仿真实验结果表明:相对于REM算法,EPREM提高了收敛速率,增强了算法对网络环境变化的适应性。     

Markov跳变系统有限短时间控制研究综述

Markov跳变系统是一类能有效描述参数突变的随机系统,其稳定性及控制问题引起了科研人员的兴趣.特别地,考虑工程中的暂态性概念,基于有限短时间稳定性的Markov跳变系统控制问题得到了极大的关注.综述Markov跳变系统有限短时间控制问题的研究.回顾连续、离散时间Markov跳变系统及有限短时间稳定性的基本定义,介绍Markov跳变系统有限短时间控制的研究现状,展望该问题未来的研究方向.     

基于双层不变集的多智能体系统事件触发分布式预测控制

针对含有扰动的多智能体系统,提出了基于双层不变集的事件触发鲁棒分布式预测控制策略。在分布式控制结构下,对每个智能体构建了目标函数含有耦合关联项的事件触发分布式预测控制优化问题。利用输入状态稳定性理论,推导出与子系统自身信息以及邻域子系统信息相关的事件触发条件。每个智能体判断事件触发条件,仅当条件满足时,才进行分布式预测控制优化问题的求解以及子系统之间的信息交互。利用双层不变集来保证扰动作用下多智能体系统的鲁棒性能,并在此基础上给出保证算法递推可行性和闭环稳定性的充分条件。最后通过车辆控制系统对算法进行仿真分析,验证了算法的有效性。     

不确定时滞系统的滑模控制

考虑同时存在状态不确定性和控制不确定性的时滞系统的滑模控制问题,其中控制不确定性是不匹配的。利用Lyapunov方法和线性矩阵不等式技术,给出了闭环系统渐近稳定的充分条件。利用该线性矩阵不等式的解可以得到所设计的滑模控制律和滑模面。从理论上证明了该滑模控制律能保证状态轨迹被驱动到指定的切换面上。仿真结果验证了该算法的有效性。     

基于改进免疫遗传算法的神经网络及其在股票预测中的应用

针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度.将该神经网络用于上证指数的趋势预测,仿真结果表明:该神经网络比BP神经网络具有更好的全局收敛性、更高的学习效率和预测精度.     

存在输入时滞的不确定系统的滑模控制

考虑存在输入时滞情况下不确定系统的滑模控制问题,其中被控系统存在状态不确定和控制输入不确定性。通过设计一种新的积分型滑模切换面,不仅可以保证系统状态轨迹从初始状态开始就位于指定的切换面上,而且能够适应系统参数的摄动。给出了保证闭环系统渐近稳定的充分条件。仿真实验结果验证了本文算法的有效性。