基于L1自适应控制律的无人机滚转控制

在飞行器参数变化时,L1自适应控制相对于传统比例积分微分(proportional integral derivative,PID)控制方法具有理想的控制效果.针对某型存在参数不确定性的无人机,建立了无人机横侧向动力学模型,在对L1自适应控制理论进行研究的基础上,分别设计了L1自适应控制律和比例微分(proportio...     

基于改进L1自适应的姿态控制研究

针对含匹配不确定性和时变干扰的多变量耦合系统,提出改进L₁自适应控制,并进行控制系统闭环分析.针对常规解耦中积分型闭环系统的临界稳定问题,在常规解耦之后附加反馈控制,从而构成同时保证系统解耦性和稳定性的线性解耦控制.解耦后,系统表示为由若干含匹配不确定性和时变输入干扰的无耦合子系统组成.针对各子系统中不确定性和干扰问题,采用L₁自适应控制以保证系统的鲁棒性.此外,为避免控制量的瞬时大幅值和大变化率,设计参考信号变换方式,即参考信号中的阶跃跳变部分用正弦信号替代.最后,将所设计改进L₁自适应控制应用于飞行器姿态调节中,并通过Matlab数值仿真对所设计的姿态控制系统进行测试和验证,结果表明所设计控制算法和姿态控制系统可行有效.      

基于L1自适应算法的无人机横侧向控制研究

针对无人机在飞行过程中存在不确定性、时滞和强耦合等特点,设计一种包含基本控制律和补偿控制律的横侧向鲁棒自适应控制器.将无人机横侧向模型不确定性视为时变参数和干扰,采用基于线性二次型调节器(LQR)的L_1自适应控制方法,在满足闭环控制系统的渐进稳定的同时,并具有良好的鲁棒性与自适应性.仿真结果表明所设计的控制器可以实现对跟踪误差快速收敛.     

基于Backstepping-L1自适应控制的旋翼飞行器容错控制

针对旋翼飞行器控制过程中存在侧风等外界干扰、飞机本身存在未建模动态等不确定性,提出了一种基于Backstepping-L1自适应控制的旋翼飞行器容错控制方法。首先,在不考虑不确定性的情况下,根据旋翼飞行器的动力学方程和运动学方程,利用Lyapunov函数方法设计了基于Backstepping控制的姿态控制律,实现了闭环系统的稳定控制,且响应快速精确。其次,考虑不确定性对系统的影响,在Backstepping控制器的基础上,通过引入自适应律和状态观测器,实现对不确定性的实时估计和系统状态的在线观测,进而设计出具有鲁棒性的L1自适应控制器,消除了不确定性的影响,实现了旋翼姿态的容错控制。再次,通过引入一个闭环稳定的自治参考系统,对所设计的L1控制器进行稳定性分析,分析表明:设计的状态观测器跟踪误差有界并收敛到0,能够准确实时地估计被控系统状态;自适应律可快速自适应于系统存在的干扰及未建模动态等不确定性;控制律可以保证系统在正常状态及存在不确定性的情况下实时跟踪引入的参考系统,且跟踪误差趋近于0,从而保证系统稳定。最后,通过MATLAB仿真对比验证了该方法的有效性。     

一种稳健或收敛的适应控制算法

对具有未建模动态特性的随机系统同时建立了遗忘因子推广最小二乘算法的稳健性或收敛性及适应跟踪的渐过最优性．作为特例，对推广最小二乘算法也获得了类似的结果．     

非线性约束条件的平稳自回归模型的L1 估计

L1－估计是统计问题中一个重要估计,时间序列模型的L1－估计问题是非常重要的,这些估计量的多种性质都被研究过,许多统计学者讨论它在无约束条件下情况下的估计问题及其有关性质,且得到了较好的结果,然而,仍有一些基本问题有待解决,本文讨论了平稳自回归模型的L1－估计在非线性约束条件下的渐近性质,该约束条件是由非线性等式和不等式给出,这种估计问题属于随机优化问题,用最优化的方法克服非线性约束问题在估计研究上的困难,为估计提供了一个新的途径,并得到L1－估计问题的相关结果。     

网络化受限控制系统的镇定与L2增益分析

针对含执行器饱和网络化控制系统,研究其镇定问题与L2增益分析．鉴于网络诱导时滞的存在,将网络化控制系统建模成舍时变输入时滞的受限控制系统．利用Lyapunov—Krasovskii方法和广义系统变换,得到了保证系统稳定的时滞依赖充分条件．在此基础上,设计了状态反馈控制律,使得相应的闭环系统内稳定且具有受限的L2增益性能．最后,用一个数值仿真例子验证了方法的有效性．     

不完全能控系统极点配置算法的实现

极点配置是以状态方程为基础的状态反馈综合法的重要方法。它的基本思想是通过零极点重新配置,达到改善系统性能指标的目的。但现有的算法都要求系统状态完全能控。没有可直接用于不完全能控系统极点配置的算法。为解决这个问题,分析了状态不完全能控系统的性质,讨论了系统镇定问题,利用完全能控系统极点配置的算法,提出了状态不完全能控系统极点配置的算法,并给出了实现程序,取得了预期的功能。     

L1估计的最优判别及其新算法

本文研究Ｌ１估计的最优判别条件，并在此基础上给出了Ｌ１估计的一个新算法。用此算法可以避免由于退化之故，用线性规划单纯形方法求解出现的循环现象。     

关于φ(L)空间中φ-有界有序列一个性质的描述

本文对Ф(L)函数类空间中每个Ф有界上升序列 x_n 必有 x=supx_n∈Ф(L)给出了充分必要条件。     

基于矩阵规范化的直流电机自校正控制

直流电动机实际运行中,模型参数往往会受到运行环境、工况等条件的影响而发生变化,从而导致其系统模型的不确定性.为解决在上述条件下的控制器设计问题,本文介绍了一种基于自校正调节(Self-tuning Regulation)原理的自适应控制算法.该算法利用矩阵规范化的递推最小二乘法(Recursive Least Squares with Matrix Regularization,RLSMR)进行系统时变参数的在线估计,并针对实时辨识的参数采用极点配置(Pole Placement)方法来设计反馈控制器.计算机仿真结果表明,这种基于自校正调节的自适应控制算法对于直流电机的转速控制具有较理想的调节和跟踪能力,并能够很好地适应模型参数的变化.     

非线性奇异摄动系统的L2增益干扰抑制

将原系统分解为快慢两个子系统,并依据假设得到使快系统渐近收敛的状态反馈控制器.然后基于Lyapunov函数和逆推法构造出慢系统的状态反馈控制器,使得闭环系统对于所有有界干扰是内部稳定的,且从外部扰动输入到输出满足任意小的有界L2增益.通过求出第一个子系统的严格耗散不等式,递推得到全系统的严格耗散不等式,因此控制器设计过程避免了求解Hamilton-Jacobi方程,仿真实例说明了该方法的有效性和可行性.     

一种基于L1-TV模型的图像修复算法

提出一种基于L1-TV模型的图像修复方法。在正则化框架下采用L1范数度量逼近项,增加了模型修复图像破损部分的能力。利用"变量分裂"思想和半二次光滑化技术,克服L1-TV模型的算法求解困难,使得新模型的解易于求出。与两个已有算法的对比实验结果表明,该算法在获得较高的修复效果的同时,可以显著地降低运算时间。     

自学习策略和Lévy飞行的正弦余弦优化算法

针对正弦余弦算法（SCA,sine cosine algorithm）局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法（SCASL,sine cosine optimization algorithm with self-learning strategy and Lévy flight）。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。     

状态空间自校正控制器的稳定性

本文给出了状态空间极点配置自校正控制器的稳定性和收敛性，并从全局收敛性出发对这种控制器进行了改进。     

基于光栅对的L波段EDFA增益箝制的优化设计

分析了基于光纤布拉格光栅对并具有动态增益箝制(GC)特性的优化L-EDFA性能,分别从单信道和多信道输入对GC-EDFA的影响进行了模拟.实验结果表明,在信号功率变化和信道丢失时实现了L-EDFA增益的箝制.并在此基础上提出通过增加一级噪声信能优化的EDFA,以改善GC-EDFA的噪声指数.与传统的GC-EDFA相比,该方案结构简单,易于集成.     

一类多变量自校正控制器及其收敛性的研究

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z~(-1))的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性。     

自补图的L(2,1)-标号

研究自补图G的L（2,1）-标号问题,证明了自补图的L（2,1）-标号数满足λ（G）≤2△。验证了关于一般图的L（2,1）-标号数的猜想λ（G）≤△2对于自补图的正确性。     

基于萤火虫算法的学习遗忘效应BFSP问题研究

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.     

L1极小化问题的一种Gauss-Seidal算法

采用罚函数法与Gauss-Seidal算法相结合的思想研究求解L1极小化问题的数值算法:把L1正则化问题视为对L1极小化问题的一种罚函数,由于该函数是非光滑函数,采用光滑化函数对其进行光滑逼近;在此基础上,对此无约束光滑极小化问题采用Gauss-Seidal迭代法求其某种形式的非精确解;再通过合理调整罚参数和光滑化参数, 使得算法产生点列收敛于L1极小化问题的解;最后,通过数值试验测试文中算法的效果, 并从数值计算角度与已有算法进行比较, 结果表明,文中算法具有很好的数值效果.