Guaranteed cost control for discrete-time networked control systems with random Markov delays

The guaranteed cost control for a class of uncertain discrete-time networked control systems with random delays is addressed.The sensor-to-controller (S-C) and contraller-to-actuator (C-A) random network-induced delays are modeled as two Markov chains.The focus is on the design of a two-mode-dependent guaranteed cost controller,which depends on both the current S-C delay and the most recently available C-A delay.The resulting closed-loop systems are special jump linear systems.Sufficient conditions for existence of guaranteed cost controller and an upper bound of cost function are established based on stochastic Lyapunov-Krasovakii functions and linear matrix inequality (LMI) approach.A simulation example illustrates the effectiveness of the proposed method.     

Robust H∞ control for networked control systems

The robust H∞ control for networked control systems with both stochastic network-induced delay and data packet dropout is studied. When data are transmitted over network, the stochastic data packet dropout process can be described by a two-state Markov chain. The networked control systems with stochastic network-induced delay and data packet dropout are modeled as a discrete time Markov jump linear system with two operation modes. The sufficient condition of robust H∞ control for networked control systems stabilized by state feedback controller is presented in terms of linear matrix inequality. The state feedback controller can be constructed via the solution of a set of linear matrix inequalities. An example is given to verify the effectiveness of the method proposed.     

考虑时延与丢包的网络控制系统分析与综合

针对具有时变网络诱导时延和丢包问题的网络控制系统稳定性分析与控制器设计问题,通过考虑网络诱导时延是时变和有界的情形,并分析网络诱导时延与其上界之间的关系,应用Lyapunov-Krasovskii泛函结合积分不等式方法,提出了一种改进的、同时考虑了网络诱导时延和丢包问题的网络控制系统稳定条件,并基于改进的锥补线性化迭代算法（improved cone complementary linearization, ICCL）给出了一种具有更低保守性的控制器设计方法。数值实例表明上述方法的有效性。     

网络控制系统中的时延分析

在控制网络中使用数据网络已经引起了广泛关注。如何处理网络诱导时延对网络控制系统的影响已经成为了网络控制系统的主要挑战。介绍了网络控制系统的概念,分析了网络控制系统的优缺点,探讨了网络诱导时延的组成、特点以及对网络控制系统的影响并给出了仿真结果,最后提出了未来可能的研究方向。     

网络系统可靠性分析的马尔可夫过程法

针对网络系统状态空间的巨大问题,提出用最大概值状态生成法生成网络实际运行时最可能出现的状态,并定义数字0和1的一种运算,以生成网络的断集空间用于判断网络状态的正常与故障。从而在网络部件寿命以及修理时间均为指数分布时,可应用马尔可夫过程理论获得网络系统的稳态可用度,首次故障前平均时间,稳态故障频度等指标,并举例进行说明。     

Robust H∞ control for networked control systems

The robust H∞ control for networked control systems with both stochastic network-induced delay and data packet dropout is studied.When data are transmitted over network,the stochastic data packet dropout process can be described by a two-state Markov chain.The networked control systems with stochastic network-induced delay and data packet dropout are modeled as a discrete time Markov jump linear system with two operation modes.The sufficient condition of robust H∞ control for networked control systems stabilized by state feedback controller is presented in terms of linear matrix inequality.The state feedback controller can be constructed via the solution of a set of linear matrix inequalities.An example is given to verify the effectiveness of the method proposed.     

随机时延网络控制系统的鲁棒H∞状态反馈控制

研究了含有双随机时延的不确定网络控制系统的鲁棒H_∞状态反馈控制问题。将传感器到控制器和控制器到执行器的网络时延建模为相互独立的连续时间离散状态的马尔可夫随机过程。基于此网络环境,构造时延依赖的控制器,将不确定网络控制系统转化为马尔可夫跳变系统。通过Lyapunov Krasovskii泛函方法和新的矩阵不等式技术,给出了系统随机稳定且满足H_∞性能的充分条件,并以矩阵不等式形式给出了相应的控制器设计方法。最后,给出了仿真算例,验证了该方法的有效性。     

认知无线电网络中授权用户参数估计

针对认知用户在频谱切换过程中无法实时地获取授权用户到达率与服务率的问题,提出了基于隐式马尔可夫模型的参数估计算法。首先利用排队论对授权用户队列进行建模与分析,推导出授权用户队列状态转移概率;其次利用能量感知算法检测授权用户队列真实状态,获得可观测序列值;然后利用隐式马尔可夫模型描述两种随机过程,即授权用户队列状态变化随机过程和可观测序列随机过程;最后利用forward-backward算法估计隐式马尔可夫模型,从而获得授权用户到达率与服务率。仿真结果表明,该方法能够实现实时的、较为精确的估计,从而实时地为认知用户选择频谱切换策略提供依据。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

基于隐马尔可夫模型的文本信息抽取

文本信息抽取是处理海量文本的重要手段,将隐马尔可夫模型应用到信息抽取领域是一个比较新的研究课题。提出了一种基于隐马尔可夫模型的文本信息抽取算法。该算法利用文本排版格式、分隔符等信息,对文本进行分块,在分块的基础上结合隐马尔可夫模型进行文本信息抽取。仿真结果表明,新的算法在精确度和召回率方面有明显的提高。     

网络控制系统中自适应DMC算法的仿真研究

针对网络控制系统(NCS)提出了自适应动态矩阵控制(DMC)算法。其基本思想是使用一个离散的延迟模型来预测对象的未来输出。给出了算法的推导过程和估计网络引入延迟的方法,基于TrueTime工具箱对比了不同网络条件下自适应DMC算法和传统DMC算法的性能。仿真结果表明自适应DMC算法能够适应网络条件的变化,为NCS提供更好的控制品质。     

Optimization of HMM Parameters Based on Chaos and Genetic Algorithm for Hand Gesture Recognition

In order to prevent standard genetic algorithm (SGA) from being premature, chaos is introduced into GA, thus forming chaotic anneal genetic algorithm (CAGA). Chaos' ergodicity is used to initialize the population, and chaotic anneal mutation operator is used as the substitute for the mutation operator in SGA. CAGA is a unified framework of the existing chaotic mutation methods. To validate the proposed algorithm, three algorithms, i. e. Baum-Welch, SGA and CAGA, are compared on training hidden Markov model (HMM) to recognize the hand gestures. Experiments on twenty-six alphabetical gestures show the CAGA's validity.     

基于HMM和小波网络模型的抗噪语音识别方法

提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法首先利用HMM对语音信号进行时序建模，并计算出待识语音对HMM的输出概率评分，再将此概率评分作为小波神经网络的输入，获取分类识别信息，最后根据混合模型的识别算法作出识别决策。实验结果表明，在噪声环境下，由于HMM的强时序建模能力和小波神经网络的强模式分类能力，该混合模型比单纯HMM具有更强的噪声鲁棒性，明显改善了语音识别系统的性能。     

A Novel Networked Predictive Control Method for Systems with Random Communication Constraints

This paper presents a novel observer-based predictive control method for networked systems where random network-induced delays, packet disorders and packet dropouts in both feedback and forward channels are considered. The proposed method has three significant features: i) A concept of destination-based lumped(DBL) delay is introduced to represent the combined effects of random communication constraints in each channel; ii) in view of different natures of the random DBL delays in the feedback and forward channels, different compensation schemes are designed; and iii) it is actual control inputs rather than predicted ones that are employed to generate future control signals based on the latest system state estimate available in the controller. For the resulting closed-loop system, a necessary and sufficient stability condition is derived, which is less conservative and also independent of random communication constraints in both channels. Simulation results are provided to demonstrate the effectiveness of the proposed method.     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

面向用户需求的空天地一体化车载网络任务分配策略

为了提高空天地一体化车载网络(space-air-ground integrated vehicular networks, SAGVN)内用户的网络服务质量体验, 解决不同网络间相互协同的问题, 提出了面向用户需求的SAGVN任务分配策略。基于用户信号强度、时延、网络费用和带宽需求, 利用效用函数理论和层次分析法(analytic hierarchy process, AHP), 构建用户需求和满意度描述框架。将网络任务分配过程抽象为半马尔可夫决策过程(semi Markov decision process, SMDP), 根据用户需求和网络状态, 利用价值迭代算法获得整体用户满意度最大的网络任务分配策略, 利用Q-learning算法得到近似最优策略。实验表明, 相较于传统策略, 所提策略整体用户满意度提高超过30%;在网络拥塞的环境下, 可以有效降低对网络服务需求迫切用户服务请求的拒绝率。     

函数连接神经网络在CSTR系统仿真中的应用

采用一种函数连接的人工神经网络用于CSTR系统仿真，和具有MLP结构和BP法的前馈精神网络相比，具有隐数目少，学习算法简单快速的优点，在一个非线性CSTR系统模型仿真中的应用表明该方法具有良好的性能。     

基于体制转换的图模型方法及其在证券市场的应用

提出了新的基于体制转换模型的图模型方法.首先给出精度矩阵参数化方法,且通过MCMC方法给出算法设计,然后将该图模型方法应用于我国上海证券市场,研究五大行业板块之间的动态条件相关性.实证结果表明:两状态图结构恰好体现高、低不同的条件相关性,且状态持续的概率较大.     

基于HGERT网络模型的退化型失效可靠性评估

针对退化型失效的复杂装备系统,提出基于隐图解评审技术(hidden graphic evaluation and review technique,HGERT)网络模型来进行系统可靠性预计和评估的方法。图解评审法(graphic evaluation and review technique,GERT)网络中的节点代表装备失效过程中正常状态到失效状态的转移,通过传感器将反映系统隐性状态的性能特征参数进行量化输入,从而将GERT网络中的各个劣化状态节点进行展开。应用Viterbi算法对模型参数进行解码和学习,确定退化型失效系统状态转移概率。将装备运行中所处的工作应力、环境载荷等影响性能衰退的因素作为输入,将关键性能指标退化量作为输出,建立装备性能退化的一般控制模型并将其作为GERT网络活动传递的随机变量。借助于信号流图理论对参数进行解析,监测系统处于不同状态时的性能退化水平,为故障预测和装备健康管理提供支持。案例通过对铣床性能退化量的分析,证明所构模型的可行性和合理性。     

基于多组件动态损伤的系统故障预测方法研究

基于从时间应力导致组件损伤的机理,对组件损伤演变过程和模型进行了研究.以系统的多组件动态损伤为信息源,通过建立多组件损伤与系统故障演化的隐马尔可夫模型,对系统故障预测的详细技术流程和相关算法进行了研究.最后以某开关电路系统为研究对象,对提出的系统故障预测技术的有效性进行了实验验证和分析.