飞航导弹块对角模型组合控制算法的仿真

飞航导弹的运动模型可以表示成一种四层块对角结构，对基于导弹块对角模型的组合控制算法进行了仿真，结果表明，对导弹这样一个高时变非线性系统，采用组合控制算法较之解析逆解算法和变结构控制算法具有更好的鲁棒性。     

大系统平衡块对角优分解

为了实现大系统的并行处理，大系统的分解总是希望分配给各处理器的任务量是均衡的即分解后的子系统要有平衡的结构（或维数尽量接近），因此，在系统平衡块三角分解的基础上，利用非平衡补偿方法使系统状态方程的系数左阵具有块对角优型，使系统模型简化的结果更为理想。系统平衡对角优分解方法通过实例仿真证明是可行的，并为大系统分散控制的分析与设计提供了新的系统模型简化的手段。     

块对角可控规范型多输入线性系统及极点配置

基于向量空间的模结构分解和矩阵的有理标准形给出了定常多输入线性系统一类新的块对角可控规范型,其中的系统矩阵相似与一个块对角矩阵,该块对角矩阵类似于矩阵的有理标准形,与现在有的可控规范型比较,更容易反映系统的结构特征,证明步骤给出了求解方法。作为一个应用,讨论了定常多输入线性系统的极点配置问题,得到了反馈增益矩阵的一般表达式,此表达式中含有任意参数,此方法将多输入线性系统极点配置问题转化为个数为系统矩阵循环指数的单输入系统的极点配置问题,进而推导出确定一个反馈增益矩阵的最少元素个数即为系统的阶数。     

数值界不确定性关联大系统分散鲁棒H2/ H∞状态反馈控制

针对一类状态矩阵、控制输入矩阵及关联矩阵存在数值界不确定性关联大系统,研究其分散鲁棒H2/H∞状态反馈控制问题.基于有界实引理提出了存在分散鲁棒H2/H∞状态反馈控制器的参数化定理和两种LMI设计方法:直接LMI方法和迭代LMI,并用实例说明了这2种方法的有效性.理论和实验结果表明,所获得的控制器具有块对角结构,闭环大系统稳定且能优化闭环传递函数的H2/H∞性能指标.     

基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

实用航班计划优化方法

本文作者从理论与实践的结合上研究航班计划优化问题,从我国国情出发建立了数学模型,指出其系数矩阵具有稀疏性和非零元素具有对角方块结构。以盈亏平衡客座利用率为依据,把大型问题的线性规划最优解整数化,使航班计划优化具有可操作性。     

一类不确定大系统分散鲁棒H∞状态反馈控制

针对一类状态矩阵、控制矩阵及关联矩阵中存在数值界不确定性关联大系统,研究其分散鲁棒H∞状态反馈控制问题。基于有界实引理提出了存在分散鲁棒H∞状态反馈控制器的参数化定理和两种线性矩阵不等式(LMI)设计方法:直接LMI和迭代LMI,所获得的控制器具有块对角结构,使闭环系统稳定并且满足给定的H∞性能指标。最后用数值实例说明了该设计方法的有效性。     

高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。     

关于工程系统全局全寿命优化模型的讨论

以往的优化设计理论针对的都是具体的结构,而在工程实际中,一般都是整个工程大系统的优化设计问题,其由众多子系统或者结构组成,具有高维数、多目标、变量种类多、约束耦合复杂等难点,故其子系统的独立优化并不能带来整个大系统的优化方法,如耦合法、分解协调法(模型协调法、目标协调法),都是针对特殊的数学模型而提出的,实际上工程系统的优化模型往往预先不知道,需要通过子系统或者结构的具体优化模型来构造大系统的全局优化模型,故这些方法难以应用。考虑了工程系统中的动态可靠度与模糊因素,给出了全局全寿命优化模型,构造了分解协调算法。     

多测量向量块稀疏信号重构ISAR成像算法

为实现有限脉冲快速逆合成孔径雷达(inverse synthetic aperture radar,ISAR)稀疏成像,利用ISAR目标块状结构特征,提出一种基于多量测向量(multiple measurement vectors,MMV)模型的块稀疏信号重构ISAR成像算法。首先,构建MMV稀疏成像模型,将ISAR成像转化为MMV块L₀范数的稀疏重构问题。其次,选用负指数函数序列作为平滑函数去近似块L₀范数,通过构建一个递减的参数序列,对平滑函数优化求解,采用梯度投影方法将所求解投影到可行解空间。最后,增加修正步骤,确保沿着最速下降方向对块稀疏信号优化求解。仿真结果验证了本文算法在成像时间和成像质量方面具有优势。     

基于混沌随机滤波器的CS-MIMO雷达测量矩阵优化设计

提出了一种在压缩感知多输入多输出（compressive sensing-multiple input multiple output,CS-MIMO）雷达中利用混沌非线性系统设计随机滤波器进而实现测量矩阵优化的方法。目前,大部分研究采用高斯随机矩阵作为测量矩阵,这类测量矩阵的局限性是,每次仿真实验产生的矩阵互不相同,雷达系统无法实现在线优化,且其对硬件要〖JP〗求高,实现困难。在CS-MIMO雷达信号模型基础上构造稀疏基,提出了基于随机滤波器结构的测量矩阵设计方法,利用混沌序列构造随机滤波器系数,完成对雷达回波的压缩观测。同时以Gram矩阵逼近对角矩阵为准则对随机滤波等效测量矩阵进行优化,进一步提高雷达系统性能。仿真结果表明所提出的基于混沌随机滤波器的CS-MIMO雷达测量矩阵设计与优化算法能够有效提高波达角(direction of arrival, DOA)估计精度。     

基于对角隐式Runge-Kutta公式的无约束优化方法

通过把一个无约束优化问题转化为一个等价的常微分方程,利用二阶半对角隐式Runge Kutta公式构造了求解无约束优化问题的LRKOPT算法。LRKOPT算法具有与IMPBOT方法相似的数值特性,但LRKOPT算法可以看成是最速下降方向与牛顿法方向的非线性组合,而IMPBOT方法为它们两者之间的线性组合。在目标函数为一致凸函数的假设条件下,证明了LRKOPT方法的具有全局收敛和局部超线性收敛性。数值结果表明LRKOPT方法具有很好的数值稳定性并且LRKOPT方法的计算效率优于IMPBOT方法。     

基于质量一致性优化的视频码率控制

针对低码率视频应用,提出一种获得均匀视觉质量的视频码率控制方法。该方法考虑人眼视觉特性,给出一个基于质量一致性优化的模型,并结合视频编码的特点实现此优化模型的求解。应用该方法,可以使图像宏块的量化参数及宏块失真度分布趋于集中,从而获得均匀一致的图像质量,同时可以减少编码码流中用于表征宏块间量化参数发生变化的句法比特数,使更多的比特数用于图像净数据的编码,提高编码效率。仿真结果表明,该方法适用于低码率及甚低码率的视频应用。     

无偏GM(1,1)幂模型初始条件的优化

针对无偏GM(1,1)幂模型初始条件的优化问题,分别考虑模型结构参数已知和未知的情形下的优化方法。在结构参数已知的情形下,构建优化模型使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小,并给出了最优初始条件的解析解;在结构参数未知的情形下,将最优初始条件视为待定变量,建立基于预测误差最小化准则的非线性优化模型,并通过Matlab求解优化的初始条件和结构参数。结果表明,提出的优化方法能够显著地提高无偏GM(1,1)幂模型的预测精度。     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

一种基于时频对偶特性的空频多普勒OFDM编码方案

基于时频对偶特性,提出了时变Doppler衰落信道下空频多普勒OFDM(Orthogonal Frequency Division Multiplexing)编码的一种新方案。在时变信道Doppler基扩展(BEM,Basis Expansion Model)模型的基础上,利用时频对偶性及循环矩阵的对角化处理,实现了时变Doppler衰落信道的线性化变换。通过OFDM调制,利用矩阵分块方法对OFDM子载频分块并按块进行复正交编码设计,实现了一般性MIMO系统中的空频多普勒OFDM编码。采用前端星座预处理与空频多普勒OFDM编码级联的方法,从而实现了包括信道Doppler分集在内的系统全分集增益。理论分析及实验仿真表明,新编码方案能稳健有效地对抗信道Doppler衰落,具有更高的频带利用率及更低的误比特率。     

具有奖惩结构的三级建筑供应链工期协调优化

三级建筑供应链包括业主、总包商和分包商.在分析了三级建筑供应链工期优化的一些基本关系式的基础上,考虑资金时间价值和激励机制,建立了具有奖惩结构的三级建筑供应链工期协调优化模型.模型考虑了业主对总包商的总工期激励,以及总包商对分包商的节点工期激励.最后结合一个算例进行了仿真计算和分析,对比了传统工期优化和供应链工期协调优化的结果.结果表明,对于三级建筑供应链的工期优化,具有奖惩结构的供应链工期协调方法可以使项目工期优化的同时,还能使建筑供应链实现帕累托优化;工期激励政策对三级建筑供应链的工期优化效果是显著的.     

准对角递归神经网络及其算法的研究

提出一种准对角递归神经网络(QDRNN)结构及学习算法。此QDRNN结构上与对角递归神经网络(DRNN)相似，保留了DRNN结构简单的优点，以减小计算量，同时增加了相邻递归神经元之间的关联，可以直接应用BP学习算法进行训练。进一步，引入递推预报误差(RPE)学习算法，并且证明了其稳定性。仿真结果表明，QDRNN比DRNN具有更好的非线性逼近能力，而运算时间却增加甚微，DRNN的学习算法稍加变化即可应用。     

基于双层模型的置信规则库参数与结构联合优化方法

作为置信规则库优化过程的两个重要方向,参数学习和结构学习共同影响着置信规则库的建模精度和复杂度.然而,现有的置信规则库优化方法大多只关注参数学习或结构学习某一方面的研究,无法有效平衡建模精度和复杂度这对相互影响的指标.为此,本文提出了置信规则库参数与结构联合优化方法.该方法基于赤池信息准则将建模精度和复杂度两方面信息纳入统一目标,建立置信规则库联合优化目标函数;然后,建立交集假设下的置信规则库双层优化模型并提出模型求解算法;进一步拓展前提假设条件,提出并集假设条件下的置信规则库规则激活方法和权重计算方法,并提出并集假设下的置信规则库双层优化模型以及相应的求解算法.经过参数与结构联合优化之后,得到置信规则库最优决策结构.文末,引入输油管道泄漏检测案例验证所提出方法的有效性.通过与已有研究相对比,结果表明并集假设下的置信规则库联合优化方法在提高建模精度和降低复杂度方面均具有良好表现.