带领导者的多智能体系统的基于事件触发的双向趋同

研究了具有领导者的多智能体系统的双向趋同问题.鉴于事件触发型的控制器具有更新频率低、节约通讯成本等优点,我们以跟随者的动力学为一阶积分器的多智能体系统为切入点,为跟随者设计了事件触发型的控制器.利用代数图论、矩阵分析和随机分析等相关理论,该文给出了所设计的控制器保证系统实现领导-跟随者双向趋同的通讯拓扑条件和增益条件,并且证明了这些条件是充分必要的.研究表明表征智能体间通讯关系的符号有向图结构平衡并且含有一棵生成树不仅是具有领导者的多智能体系统实现双向趋同的充分条件,也是必要条件.     

带有随机噪声和时滞的多自主体系统均方趋同控制

该文研究了有领导者的固定和切换拓扑结构下带有随机噪声和通讯时滞的多自主体系统均方趋同控制.为了降低噪声强度,使跟随者及时更新信息,与变速度的领导者保持一致,设计了一个基于观测器的变增益的分布式控制器.在该控制器作用下,利用Lyapunov函数、随机分析方法和图论知识,得到多自主体系统均方趋同的充分条件和允许的最大时滞上界.仿真示例说明了该文方法的有效性.     

线性多智能体系统的一致性

对线性多智能体系统的协同一致性问题进行了研究.从节省通信资源、减少信息计算时间,以及使多智能体系统尽快实现状态一致的目的 出发,修正现有的分布式控制器设计思路,给出新控制器设计方案;针对一阶、高阶线性多智能体系统及饱和多智能体系统,分别提出实现系统状态一致所应满足的充分条件,并运用Lyapunov稳定性理论、结合矩阵论...     

机器人的动态补偿最优控制

本文首先将非线性、耦合机器人的动力学方程化成定常状态方程,然后利用状态反馈配置由线性定常状态方程描述系统的特征值,最后利用二次型性能指标设计机器人系统的最优控制器,控制器的输出是二次型性能指标最小的解。     

带饱和约束非线性系统的鲁棒自适应容错控制

针对发生执行器故障的饱和非线性系统提出一种主动容错控制方法.考虑系统存在的外界干扰情形,运用H∞控制结合饱和约束设计了自适应容错控制器.首先,引入饱和幅值以确保控制输入始终在界范围之内,设计包含故障估计值的自适应状态反馈控制输入;其次,为实现系统具有鲁棒稳定性,同时具有最大容错椭球体稳定域的控制目标,采用李雅普诺夫理论结合H∞控制方法,并运用不变集理论估计最大椭球体稳定域,将自适应容错控制器的设计方法转化为求解线性矩阵不等式约束下的多目标优化问题;最后,通过一数值算例将自适应与固定增益控制器设计方法进行对比分析.研究结果表明:自适应控制器的性能更优,更适合用于受饱和约束非线性系统的容错控制.     

线性广义系统的D型迭代学习控制

根据误差收敛准则,提出了线性广义系统的迭代学习控制算法,利用矩阵理论及不等式技巧给出了线性定常广义系统在D型学习律作用下的迭代控制收敛性结果,这一结果是全新的,其对时变系统也成立;另外,针对线性定常广义离散时间系统,给出了一种通过最优化目标函数确定控制器参数的设计方法.     

异质多智能体系统的自适应点对点拟一致性控制

考虑了各层内部节点和两层网络间对应节点都是异质的,设计了 自适应的一致性控制协议,并分别研究了线性多智能体系统和非线性多智能体系统两种情形.针对线性异质多智能体系统,利用线性矩阵不等式和稳定性方法证明了两层网络节点之间可以实现点对点拟一致性;针对具有Lipschitz型动力学的非线性异质多智能体系统,也给出了两层网络节...     

一种自适应容错H_∞控制方法

针对有执行器故障的连续时间线性时不变控制系统,结合自适应控制方法和线性矩阵不等式(LMI)技术研究系统的容错H∞控制问题.利用LMI得到一个定常控制增益并同时优化系统干扰抑制性能(H∞性能).在定常控制增益基础上加上自适应控制方程得到完整的状态反馈控制器,使得系统在执行器故障下稳定,并通过李亚普诺夫第二稳定性定理,证明所提出的自适应容错控制系统比定常增益容错控制系统具有更为优越的干扰抑制性能.最后给出一个数值例子来验证该方法的有效性和优越性.     

部分线性混沌系统之间的自适应广义同步

研究了部分线性混沌系统的自适应广义同步问题.对部分线性的驱动响应混沌系统,通过设计一个简单的自适应控制器,驱动响应系统之间就可以实现广义同步,并利用Lyapunov稳定理论证明了广义同步流形的稳定性.数值仿真例子验证了理论结果的正确性.     

严格反馈非线性系统的自适应逆最优控制

介绍了逆最优控制的基本思想，针对一类具有未知定常参数和未知时变有界扰动的严格反馈非线性系统，给出了逆最优增益配置定理，使用Backstepping算法，设计了逆最优控制器。该控制器是非线性的、连续的，且比较容易实现，仿真结果表明该控制算法的有效性。同时指出逆最优控制系统具有稳定裕度，因而具有局域鲁棒性，其稳定裕度是线性二次型最优调节器状态反馈控制在非线性系统中的推广。     

离散时间多智能体系统的协调最优预见跟踪

在互联拓扑包含一棵有向生成树的条件下,研究了离散时间多智能体系统的协调最优预见跟踪问题.首先利用状态增广技术把协调跟踪问题转化为一个增广系统的全局最优调节问题.然后应用离散时间线性二次型调节理论的相关结果给出了使增广系统的闭环系统渐近稳定的控制器,并由此得到原系统实现跟踪一致性的全局最优预见控制器.仿真结果不仅验证了所设计控制器的有效性,并且表明适当增加预见步长对保证准确跟踪领导者的输出是至关重要的.     

基于虚拟领航者的多艘船舶协调路径跟踪控制

针对多艘船舶的协调路径跟踪问题,提出了基于虚拟领航者的分布式协调策略.该策略假定一个虚拟体作为领航者,每艘船与该领航者的相对位置作为闭环系统的反馈信息,通过对每艘船进行控制器设计,使多船形成一定的队形,实现协调路径跟踪.同时引入自适应反步法来设计每艘船的控制器,以抵消海流的干扰,增强系统的鲁棒性,并用李雅普诺夫理论证明了所设计控制器的稳定性.最后通过仿真验证了所提出的协调策略和控制方法的有效性.     

符号函数及其派生函数在工科教研中的作用

针对符号函数及其派生函数在工科教研中的作用进行研究.首先,通过符号函数的定义及其性质引出其派生函数,进一步给出了派生函数的性质.其次,从提高系统的收敛速度和抗干扰性能的角度说明符号函数及其派生函数在设计系统控制器中的作用.此外,数值仿真说明了根据符号函数及其派生函数所设计的控制器的有效性.     

TCP网络的非线性自适应滑模控制

针对TCP网络存在网络参数高度变化和UDP流的情况,提出了两种非线性自适应滑模控制算法.考虑到系统不确定的上界很难获得,针对系统不确定的上界设计了一种自适应滑模控制器.由于使用了符号函数,该算法不能有效地抑制抖振.为此,设计了一种直接对不确定进行自适应的滑模控制器.仿真结果表明,对不确定的上界自适应的滑模控制器优于对上界自适应的滑模控制器,对上界自适应的滑模控制器优于PI控制器.     

一类不确定非线性关联时滞系统的自适应控制

讨论了一类不确定非线性关联时滞系统的自适应控制问题.系统中的时滞关联项是线性有界的,但线性界是未知的.通过引入自适应参数变量,使所设计的控制器能够很好地处理系统中的时滞关联项,从而也保证了系统的渐近稳定.数值例子和仿真证明了所设计控制器的有效性和可行性.     

汉字符号的双重价值与汉字文化研究的两层性

每个汉字都是形音义的集合，汉字符号的表现体与意义关系密切，能指和所指具有趋同的特点。人们可通过联想直接把握文化信息的部分内涵，汉字在驾驭语言和表达意义方面具有象征──表象的双重价值，汉字涵盖文化信息是在表层和深层这两个层面进行的，我们可以通过其表象符号静态结构的研究，架通时代造成的断层，进入动态的文化意识圈内．探索中国文化的奥秘。     

可编程控制器中算术运算符号的应用研究

本文从Ｆ１系列可编程控制器内位元件的功能作用入手，通过对系统中用普通算述运算指令进行较复杂算术运算时所存在问题的研究与分析，提出了用系统中位元件的状态信息表示算术运算过程中数据符号的方法，解决了在功能较简单的小型可编程控制器中不能实现有一定算法功能的控制问题     

严格反馈非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和未知有界扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,并解决了其逆最优控制问题.使用Backstepping算法,设计了误差系统鲁棒自适应逆最优控制器和参数自适应律,从而解决了原系统的鲁棒自适应逆最优跟踪问题,并给出性能估计.仿真结果表明该控制算法的有效性.     

一类不确定非线性时滞系统的自适应控制

考虑了一类不确定非线性时滞系统的自适应控制.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,处理了系统中的时滞项,并且巧妙地构造了自适应控制器和反馈控制器.通过估计非线性部分的未知参数,自适应控制器补偿了系统中的非线性部分,并保证了闭环系统是渐近稳定的.最后,数值例子和仿真结果验证了所设计控制器的有效性.     

分布式HDP领导-跟随者系统最优一致控制研究

为研究行为未知的非线性多智能体系统领导-跟随者最优一致控制问题,针对智能体动态方程未知的情况,设计神经网络辨识器学习智能体动力学行为;构造以多智能体系统局部误差为输入的性能指标函数,将多智能体系统领导-跟随者一致性问题转换为求解智能体局部性能指标函数最优值的优化控制问题;结合自适应动态规划思想设计分布式迭代算法求解该优化问题,并讨论了算法的收敛性;设计基于神经网络的评价-执行结构分布式控制器来近似局部性能指标函数,通过神经网络学习迭代寻找局部性能指标函数的最优解,实现多智能体系统的最优一致控制策略。设计的分布式控制器能够根据智能体状态数据自适应产生控制策略,使多智能体系统趋于一致。