基于格型滤波器的柴油机主动隔振仿真研究

采用格型抽头滤波器来实现柴油机主动隔振,通过梯度自适应格型算法对格型结构的反射系数及抽头部分的衰减系数进行计算更新.误差通道采用离线辨识方法,针对双层隔振系统进行了单频及多频振动信号的主动隔振仿真研究.仿真结果表明该算法对单频和多频振动的主动控制都有较好的控制效果.     

基于KAUTZ模型的预测控制仿真研究

采用Kautz函数逼近来得到未知系统模型,利用带遗忘因子的最小二乘法在线辨识系统模型变化。基于Kautz模型设计了一种自适应预测控制器,并且针对系统投运初期的辨识误差提出了一种衰减因子补偿方法,提高了控制品质。该算法自适应能力强,控制精度高。仿真试验证明了该算法的有效性。     

控制受限的BTT导弹反演自适应滑模控制研究

针对具有非匹配不确定性的倾斜转弯 (bank to turn, BTT)导弹在控制受限情况下的鲁棒控制问题,提出了一种自适应滑模反演控制方法。反演设计的每一步中,采用自适应算法对不确定性的上界进行估计,给出了具有范数型切换函数的连续的自适应滑模控制律。在实际控制量的设计中显式地考虑了控制量的饱和特性,保证了系统在控制饱和时的稳定性,并采用Lyapunov稳定性理论证明了跟踪误差最终有界。仿真结果表明,在气动参数摄动和控制量存在饱和的情况下,本文的控制方法仍能快速、准确地跟踪指令信号,具有较强的鲁棒性。     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

考虑输入输出受限的无人机自适应滑模容错控制

针对存在执行器故障、控制输入饱和与状态约束的无人机(unmanned aerial vehicle, UAV)姿态控制系统,提出一种新的基于反步法的具有有限时间收敛的自适应滑模姿态容错控制方法。首先,为了抑制执行器故障以及外部干扰的影响,采用自适应和干扰观测器技术,实现对干扰的双重抑制。然后,设计动态辅助系统与障碍Lyapunov函数,证明在输入饱和与状态约束的条件下,闭环姿态控制系统可以在有限时间内稳定,且系统中所有信号最终是有界的。最后,对于小型无人系统的姿态跟踪问题进行性能仿真与对比仿真研究。仿真结果表明,所提出的容错控制方法能够保证在执行机构发生故障时控制系统的有效性,并且该方法具有良好的性能。     

考虑输入输出受限的无人机自适应滑模容错控制

针对存在执行器故障、控制输入饱和与状态约束的无人机(unmanned aerial vehicle, UAV)姿态控制系统,提出一种新的基于反步法的具有有限时间收敛的自适应滑模姿态容错控制方法。首先,为了抑制执行器故障以及外部干扰的影响,采用自适应和干扰观测器技术,实现对干扰的双重抑制。然后,设计动态辅助系统与障碍Lyapunov函数,证明在输入饱和与状态约束的条件下,闭环姿态控制系统可以在有限时间内稳定,且系统中所有信号最终是有界的。最后,对于小型无人系统的姿态跟踪问题进行性能仿真与对比仿真研究。仿真结果表明,所提出的容错控制方法能够保证在执行机构发生故障时控制系统的有效性,并且该方法具有良好的性能。     

基于正交函数网络的不确定混沌系统的控制

提出了基于正交函数网络的不确定混沌系统的自适应控制方法．通过利用计算简单、收敛速度快的单隐层正交函数神经网络，构建了一类不确定混沌系统的控制器．利用李雅普诺夫稳定性定理得到了该网络控制器的权值更新规则并保证了权值误差和跟踪误差的有界性．该控制器不仅能够保证混沌系统以有界误差对指定轨迹进行精确跟踪，也能够使有外部扰动的混沌系统快速跟踪一个指定的轨迹．最后，利用陈氏混沌系统和Lorenz系统进行了系统仿真，结果表明了该控制器在混沌控制中的有效性。     

一种改进的自适应平方根传递对准滤波算法

提出了一种解决时变噪声条件下传递对准的改进自适应平方根滤波算法。该算法将状态方差调节因子阵、自适应调节的系统噪声和量测噪声方差以及噪声有限记忆尺度融入平方根滤波结构中,采用序列算法滤波解算。算法通过一步控制和多步自适应调节过程,以较少的计算量从数值计算、噪声抑制及自适应调节方面提高滤波性能。仿真结果表明,该算法滤波稳定性强,能够根据实际噪声快速调整,且滤波精度高,为机载导弹提供了一种有效的快速精确传递对准方法。     

基于干扰观测器的再入飞行器切换多胞控制

针对再入飞行器飞行包线跨度大,系统不确定性及强干扰的特点,提出了一种基于干扰观测器的切换多胞控制方法。将再入飞行器建模为切换多胞系统,并将系统中的不确定项和干扰项等价为复合干扰。提出基于自适应Super-Twisting算法的干扰观测器对系统复合干扰进行估计,并在控制器设计中进行补偿,抑制复合干扰对系统的影响。利用Lyapunov函数方法证明了考虑复合干扰情况下闭环切换多胞系统全包线内的稳定性。数值仿真结果表明,该方法对于系统不确定和干扰具有较强抑制效果,能够实现对指令信号的精确跟踪。     

控制方向未知的输入受限非线性系统自适应模糊反步控制

针对一类输入受限控制方向未知的非线性系统,提出一种基于Lipschitz条件的自适应模糊反步控制器的设计方法。在控制器的设计过程当中,通过变换系统形式和采用Butterworth低通滤波器解决控制方向未知的问题;采用模糊系统对不确定非线性函数进行在线逼近;利用双曲正切函数和Nussbaum函数对系统输入饱和函数进行处理;将动态面法与反步法相结合解决“计算膨胀”的问题。运用Lyapunov理论分析证明设计的控制律能够使闭环系统所有信号半全局一致有界(semi-globally uniformly ultimately bounded, SGUUB)。该方法的有效性在一类通用的高超声速飞行器的攻角控制仿真中得到了验证。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

基于Bayesian统计推理的分布估计算法求解, 柔性作业车间调度问题

在Bayesian统计推理理论的基础上, 提出一种新的求解柔性车间调度问题的分布估计算法.首先, 根据所有工件的工序排列顺序提取进化过程中种群的优良信息, 建立一个不断更新的先验分布概率模型, 再以相邻工序出现的频率为基础建立条件概率模型; 然后, 结合两个模型的信息使用Bayesian公式建立一个后验概率模型, 该模型综合了进化过程中不断更新的优良信息和相邻工序出现的频率信息, 可用以更好地指导产生新群体.仿真结果表明算法具有较好的寻优能力.     

基于改进多目标粒子群算法的家庭用电时段优化

为解决家庭用电负荷的调度优化问题,综合考虑用电成本、满意度以及用户侧波动程度3个目标进行优化.提出改进自适应权重多目标粒子群算法(improved adaptive weighted multi-objective particle swarm optimization,IAW-MOPSO)求解模型,通过对粒子的适应度...     

基于AP的Volterra级数自适应多重回归及其多步预测应用

为解决时间序列多步预测的高效率、高精度问题,提出一种基于Volterra级数的多重回归仿射投影自适应算法。应用虚假最临近点法算法选择最优嵌入维数,优化模型初始参数。以系统Volterra核向量增量的模与某约束总和为损失函数,按照最陡下降原理导出各阶Volterra核更新公式,再利用矩阵求逆引 理递推求取各阶Volterra子系统自相关逆矩阵导出算法,从而实现了对多输入多输出数据样本的建模,采用该模型对Henon映射产生的时间序列进行多步预测实验,结果表明可以对该时间序列进行准确建模和预测,证明了所提模型的有效性。     

疫情事件下多灾点应急资源最优化配置研究

新冠疫情的爆发,使许多地区成为灾区,为了及时对灾区进行救援,灾后应急资源精准供给成为保障灾区人民安全的首要因素。本文利用SEIR预测决策时刻各灾区感染人数,由此计算灾区紧迫程度权重与物资需求量。基于紧迫程度构建以灾民满意度最大化、总成本最小化和考虑分配公平的应急资源调度多目标优化模型。提出多目标人工蜂群算法。针对人工蜂群算法易早熟等缺点,利用动态参数思想与Pareto解集来定义新的蜂群位置更新公式,利用教学优化思想对蜂群位置进行扰动,以避免算法陷入局部极值。通过算例进行模拟实验,结果表明,所提出的模型和算法可以有效解决疫情事件下多灾点应急资源最优化配置问题,且改进算法的性能更优。     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

Self-adaptive Algorithm in Data Distributed Management

In this article, to resolve the general adaptive problem of the dynamic grid-based algorithm in distributed interactive simulation based on HLA, the adaptive dynamic grid-based algorithm is suggested by thoroughly researching the theory proof and formula deduction of the dynamic grid-based algorithm. The availability of dynamic grid-based algorithm is studied under three special situations by theory proof and formula deduction, and the results of instance imply that the dynamic grid-based algorithm can be applied under three special situations by changing the implement process of the dynamic grid-based algorithm. The conclusions show that the adaptive dynamic grid-based algorithm is self-adaptive, can reach the goal of the data distributed management, and greatly improves the effect and efficiency of the high complexity simulation system based on high-level architecture.     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

一种自适应紧凑遗传算法及其仿真研究

首先提出了用联合熵来刻画紧凑遗传算法的多样性方法;在此基础上针对紧凑遗传算法存在的早期收敛,同时提出了基于多样性的自适应紧凑遗传算法。该算法通过种群多样性的变化和每个基因座自身的进化状态来控制概率向量的更新。这种更新策略不仅可以跟踪种群的全局进化状态,同时还可以对基因座自身的进化状态进行局部调整,从而提高了进化中种群的多样性和算法的搜索效率。通过典型函数的测试,仿真结果表明了提出的算法的优越性和有效性。     

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。