空间智能桁架的传感器作动器位置优化和分散化自适应模糊振动控制

提出了作动器和传感器配置优化和分散化自适应控制方法以解决桁架系统的振动控制问题.建立了主动杆的机电耦合方程,提出了不依赖于控制方法的优化准则,采用遗传算法得到了作动器和传感器在大型空间智能桁架系统中的最优位置.而且设计了一种分散化自适应模糊振动控制器来控制大型空间智能桁架系统.推导了大型空间智能桁架系统考虑剩余模态影响的动力学方程,利用滑模控制方法改进了自适应模糊控制方案,并以T字型桁架结构为例进行了验证性实验.实验结果表明,遗传算法对于作动器和传感器的配置优化是可靠的、有效的,自适应模糊控制器能有效地抑制大型空间智能桁架系统的振动,且没有控制溢出和观测溢出问题.     

基于零和微分博弈的航天器相对位置容错控制

针对带有执行器偏置故障和失效故障的航天器相对位置控制系统,本文提出了一种基于零和微分博弈的最优容错控制方法.首先,利用线性二次调节设计反馈控制器以保证无故障时系统的渐近稳定性能;其次,将航天器相对位置容错控制问题转换为零和微分博弈问题,结合Hamilton-Jacobi-Issac (HJI)方程和极小极大原则设计最优控制律;最后,利用自适应动态规划方法设计评判网络对最优性能函数进行估计,构成自适应控制信号,保证了系统稳定性和状态最终一致有界.仿真结果表明了本文设计的容错控制律的有效性.     

基于干扰观测器的一类不确定非线性系统鲁棒自适应控制

本文利用干扰观测器和Backstepping方法,提出了一类不确定非线性系统的鲁棒自适应控制方案.首先,利用径向基神经网络(radial basis function neuralnetwork,RBFNN)设计干扰观测器,并通过对RBFNN参数的自适应调整来逼近系统干扰.基于干扰观测器的输出,采用Backstepping方法设计鲁棒自适应控制器.在所设计的鲁棒自适应控制器作用下,闭环系统所有信号达到半全局一致有界稳定.闭环系统稳定分析表明适当地选取设计参数可以确保所有系统状态是一致有界的.最后,仿真结果验证了所提出的鲁棒自适应控制方案的有效性.     

基于智能特征模型的智能控制及应用

针对一类具有非线性和不确定性、且输出被控变量不能在线直接连续测量的复杂对象, 提出一种基于智能特征模型的智能控制新方法. 该方法的基本思想是利用智能技术, 根据对象特征和控制要求相结合的原则, 建立被控对象的特征模型, 以此特征模型为依据, 提出了一套智能控制器设计的新方法. 首先给出了智能特征模型的建模原理和表达形式, 然后基于智能特征模型描述, 提出由多个定量和定性子控制器、按多个开闭环相结合的智能控制器设计原理和方法. 最后, 介绍了这种方法在电解铝过程氧化铝浓度控制的应用情况. 实践证明, 这种方法工程设计方便, 避免了一般智能控制器的现场试凑, 取得了很好的应用效果: 实现了低氧化铝浓度的长期稳定控制, 阳极效应受控率从60%提高到80%以上.     

广义预测控制系统闭环特性研究

利用内模控制结构下对对象至ＧＰＣ闭环特征多项式的系数映射关系，讨论了ＧＰＣ最优控制的可解性问题，研究了其闭环特性与设计参数之间的关系，给出了通过适当选择设计参数使ＧＰＣ闭环系统表现为ｄｅａｄｂｅａｔ控制的定量，进而还得出阴关闭环系统降阶的新结果，从而大大扩展了已有的结论，并提供了一种基于系数空间映射研究ＧＰＣ系统的新思路。     

基于特征模型的再入飞行器自适应制导律设计

文中针对航天飞机类再入飞行器对参考阻力加速度曲线的跟踪问题，设计了基于特征模型的自适应制导律．首先将线性定常系统的特征建模方法推广到单输入单输出线性时变系统，从而建立了再入飞行器的特征模型，然后对特征模型提出一种新的非线性微分黄金分割自适应控制律．当特征模型的系数属于有界闭凸集，且系数的变化速率满足一定约束条件时，文中证明了非线性微分黄金分割自适应控制系统是一致渐近稳定的．在特征模型的基础上，通过结合使用跟踪控制律、非线性微分黄金分割控制律和改进的逻辑积分控制律，设计了再入飞行器基于特征模型的自适应制导律．它克服了反馈线性化方法要求精确获得对象模型的缺点．仿真结果表明，文中设计的自适应制导律对参考阻力加速度曲线的跟踪性能明显优于反馈线性化方法．     

输入输出通道有干扰的MRAC系统的变结构控制

对具有未建模动态及输入输出通道上存在干扰的MRAC系统,仅应用系统的输入输出量测数据给出了一种变结构模型参考自适应控制(VS-MRAC)设计机制. 系统的已建模部分阶的上界是未知的且有大于1的相对阶. 通过引入辅助信号和带有记忆功能的正规化信号,以及适当选择控制器参数,该变结构控制器能保证闭环系统的全局稳定性,且跟踪误差能够任意小.     

输电系统动态安全风险评估与优化

提出一种基于实用动态安全域的输电系统动态安全风险评估和优化模型.在动态安全风险评估模型中计及了综合安全控制措施的成本和节点注入功率不确定性的影响.应用实用动态安全域可以比较方便地计及暂态稳定约束和节点注入功率的不确定性.给出了确定和划分预想事故集合的方法,并以系统动态不安全风险最小为目标,针对给出的主导预想事故集建立了一种风险控制的最优化模型.通过对预防控制和紧急控制措施的优化以及预想控制集合的优化分解,得到了系统动态不安全风险的最优解.最后以New England 10机39节点系统为例验证了所提出的数学模型的有效性.     

基于一阶加纯滞后模型的纺织生产过程温控PI系统设计

温度控制系统工艺过程的多样性和纺织生产过程的不确定性,对系统温度控制提出更为严格的要求。本文基于一阶加纯滞后模型,采用可编程控制方法设计了优化的纺织生产过程温度PI闭环控制程序,并采用变频控制方式控制三级加热系统,在可编程控制器(PLC)内存中存储温度控制指令来调节纺织生产过程中的温度,并建立组态王界面与基于PLC S7-200之间的连接,以实现对纺织过程温度及其控制的在线监控。仿真结果表明:基于一阶加纯滞后的PI控制模型温度控制的响应时间比常规PID控制方式缩短了一半多,温度波动性较小,稳定性好,鲁棒性较强,可获得很好的纺织生产过程温度控制曲线,并成功地应用于实际纺织生产温控系统的完善和改造。     

新概念认知卫星导航系统研究

从国际电报联盟(ITU)给出的频谱划分可知,当前的卫星导航频率空间已经非常拥挤,四大卫星导航系统除了GLONASS外, GPS, Galileo和COMPASS系统的频段部分重叠或完全重叠,导致卫星导航频谱信号互干扰客观存在,不可避免.虽然新的导航信号设计体制提供了缓解卫星导航信号互干扰的方法,但从长远看不能从根本解决卫星导航信号兼容性问题.本文针对全球卫星导航系统工作模式及机理,以人脑的工作模式与机理为参考,提出基于认知卫星导航系统的基本概念和内涵,构建认知卫星导航系统架构模型和信息闭环生命周期,将电磁环境特性和信号兼容特性融入系统的整体结构中,以便使系统性能随电磁环境变化和频谱利用率特性的不同而自适应地改变,分析认知卫星导航系统的工作流程,梳理系统发展关键技术,并针对系统频谱感知模块进行了仿真,验证了方法的准确性.     

Optimal forecast error as an unbiased estimator of abnormal return: A proposition

In the event studies, the accuracy of the abnormal returns assessment is highly dependent on the accuracy of the preceding expected return model. If the expected return model is inadequate, there is a possibility that a part of returns is labeled as abnormal returns even though they are not. Currently, we have a variety of options to set up an expected return model. To obtain unbiased abnormal returns, one should pay attention to the performance of the expected return model. In this research, we propose that the optimal forecast lemma can be consulted beforehand so that minimizing the optimal forecast error in the expected return model will yield unbiased abnormal returns. We introduce and prove a proposition that the optimal forecast error is an unbiased estimator for abnormal return. The proposition induces assessing the performance of abnormal return estimation to preemptively evaluate the out-sample forecast accuracy of the model employed. In an illustrative dataset, we examine various models. The approach requires preliminary computational effort; however, it is useful for accurately obtaining the abnormal return predictions.     

Efficient selection of hyperparameters in large Bayesian VARs using automatic differentiation

Large Bayesian vector autoregressions with the natural conjugate prior are now routinely used for forecasting and structural analysis. It has been shown that selecting the prior hyperparameters in a data-driven manner can often substantially improve forecast performance. We propose a computationally efficient method to obtain the optimal hyperparameters based on automatic differentiation, which is an efficient way to compute derivatives. Using a large US data set, we show that using the optimal hyperparameter values leads to substantially better forecast performance. Moreover, the proposed method is much faster than the conventional grid-search approach, and is applicable in high-dimensional optimization problems. The new method thus provides a practical and systematic way to develop better shrinkage priors for forecasting in a data-rich environment.     

脉冲噪声滤波的无监督鲁棒递归最小二乘方法

在未知期望信号的条件下,提出一种能够抑制脉冲噪声的鲁棒递归最小二乘自适应滤波方法.与传统最小二乘法的代价函数不同,通过引入饱和非线性约束,降低可能出现的脉冲噪声对滤波器权值更新的影响.此外,提出一种多步预测器来重构滤波器的输入信号,通过比较判断滤波器输入信号可能受到脉冲噪声干扰时,采用预测值来替代原始观测信号.实验结果表明,提出的无监督鲁棒递归最小二乘自适应滤波方法在未受到脉冲噪声干扰时与传统的递归最小二乘法具有相近的收敛性能;在脉冲噪声条件下,传统递归最小二乘法和其他的无监督自适应滤波方法性能都变得很差,但本文提出的方法几乎未受到脉冲噪声的影响.     

机器人的鲁棒控制

主要研究了机器人系统的鲁棒控制。介绍了机器人的鲁棒控制模型后,利用最优控制问题求解鲁棒控制,这种方法降低的构造Liapunov函数的难度。只需要求解一个代数的黎卡提方程,便可得到最优控制器,而且证明了这个最优控制器也是鲁棒控制器。但又由于基于这种方法得到的控制器较复杂而难以实现,而且能得到渐近稳定的定性结果,而不能得到其平衡点的衰减速率以及平衡点的吸引域的估计。因此在本文的第三部分中应用了算子非线性测废理论。基于非线性测度方法求解的鲁棒控制器,不仅简单易求,而且克服了压缩映像原理估计压缩常数的困难,在得到系统渐近稳定性的同时得到了系统平衡点的衰减速度和吸引域的估计。最后给出了两关节机器人鲁棒控制的的实例。由于控制器设计与f（X）无关,相关结果会比较保守,可为相关设计研究提供一些参考。     

凝聚度——描述与测度社会生态系统抗干扰能力的一种新特性

研究一个网络系统抵抗干扰的能力,系统科学里有＂鲁棒性＂的概念,社会—生态系统里用＂脆弱性＂、＂恢复性＂和＂适应性＂等概念.这些已有的概念是否已经全面地描述了系统抵抗干扰的能力呢？在综合灾害风险管理的实践中,整个社会凝心聚力,行动协调一致,往往发挥着至关重要的决定性作用.然而,现有学术研究中所用到的各种系统属性,都不能很好表述一个系统凝心聚力的能力或水平.鉴于此,本文提出一种全新的网络系统属性：网络凝聚度（consilience degree）,专门用以度量一个如社会—生态系统一样行为的网络系统凝心聚力,行动协调一致,以抵抗干扰的能力.网络凝聚度实际上是一种更具普遍意义的＂联结度＂.它可以象联结度一样,派生发展出一系列的系统新属性和网络新模型,从而形成一个研究复杂系统的新的理论体系.本文将重点阐述这个体系的雏型.理论分析和仿真研究都证明：本文所提出的网络凝聚度是现有各种系统属性所无法涵盖或替代的,是研究现实复杂系统所必需的新理论工具.     

A new PM2.5 concentration forecasting system based on AdaBoost-ensemble system with deep learning approach

A reliable and efficient forecasting system can be used to warn the general public against the increasing PM_2.5 concentration. This paper proposes a novel AdaBoost-ensemble technique based on a hybrid data preprocessing-analysis strategy, with the following contributions: (i) a new decomposition strategy is proposed based on the hybrid data preprocessing-analysis strategy, which combines the merits of two popular decomposition algorithms and has been proven to be a promising decomposition strategy; (ii) the long short-term memory (LSTM), as a powerful deep learning forecasting algorithm, is applied to individually forecast the decomposed components, which can effectively capture the long-short patterns of complex time series; and (iii) a novel AdaBoost-LSTM ensemble technique is then developed to integrate the individual forecasting results into the final forecasting results, which provides significant improvement to the forecasting performance. To evaluate the proposed model, a comprehensive and scientific assessment system with several evaluation criteria, comparison models, and experiments is designed. The experimental results indicate that our developed hybrid model considerably surpasses the compared models in terms of forecasting precision and statistical testing and that its excellent forecasting performance can guide in developing effective control measures to decrease environmental contamination and prevent the health issues caused by a high PM_2.5 concentration.     

运用Lyapunov指数方法的车辆横向运动混沌分析及其滑模变结构控制

建立了考虑车辆横摆、侧向以及侧倾运动的3自由度非线性整车模型：运用Lyapunov指数方法对所建立的非线性整车模型进行了混沌的数值仿真分析．通过最大Lyapunov指数图和分岔图发现,车辆的横向运动非常复杂,包含了倍周期、拟周期以及混沌运动,对于车辆极限工况时的横向运动稳定性是不利的．利用滑模变结构控制（sliding mode variable structure control,SMVSC）方法,设计了SMVSC控制器,对车辆横向运动中的混沌进行了控制．为了减少SMVSC控制系统的抖振,进一步提高车辆在极限工况下行驶的横向运动稳定性,采用了幂次趋近律,利用模糊控制的方法实现了趋近律的自适应策略．最后将所设计的自适应趋近律的SMVSC系统在Matlab中进行了仿真,并将未加控制,SMVSC控制以及自适应趋近SMVSC控制三种仿真结果进行了对比分析,发现采用了自适应趋近的SMVSC控制对混沌的控制效果比其他的都要好,有效抑制了车辆横向运动中的混沌,显著提高了车辆在极限工况下行驶的横向稳定性,充分证明了该控制策略是有效的．     

Forecasting with a DSGE Model of a Small Open Economy within the Monetary Union

In this paper we lay out a two‐region dynamic stochastic general equilibrium (DSGE) model of an open economy within the European Monetary Union. The model, which is built in the New Keynesian tradition, contains real and nominal rigidities such as habit formation in consumption, price and wage stickiness as well as rich stochastic structure. The framework also incorporates the theory of unemployment, small open economy aspects and a nominal interest rate that is set exogenously by the area‐wide monetary authority. As an illustration, the model is estimated on Luxembourgish data. We evaluate the properties of the estimated model and assess its forecasting performance relative to reduced‐form model such as vector autoregression (VAR). In addition, we study the empirical validity of the DSGE model restrictions by applying a DSGE‐VAR approach. Copyright © 2014 John Wiley & Sons, Ltd.     

胶凝面板堆石坝优化设计

采用非线性数学规划法对胶凝面板堆石坝进行断面优化设计,建立了以大坝的关键几何尺寸为设计变量,以造价为目标函数,以坝体稳定、应力、应力水平及几何尺寸为约束条件的优化设计数学模型,并采用罚函数法求解此优化模型。与原设计方案比较,优化设计方案的堆石方量少、造价低。与普通面板堆石坝相比,胶凝面板堆石坝的优化方案坝坡可以更陡,堆石方量更少、造价更低,且满足应力、稳定的约束条件,得到的断面安全可靠、经济合理。     

Forecasting under model uncertainty: Non-homogeneous hidden Markov models with Pòlya-Gamma data augmentation

We consider finite state-space non-homogeneous hidden Markov models for forecasting univariate time series. Given a set of predictors, the time series are modeled via predictive regressions with state-dependent coefficients and time-varying transition probabilities that depend on the predictors via a logistic/multinomial function. In a hidden Markov setting, inference for logistic regression coefficients becomes complicated and in some cases impossible due to convergence issues. In this paper, we aim to address this problem utilizing the recently proposed Pólya-Gamma latent variable scheme. Also, we allow for model uncertainty regarding the predictors that affect the series both linearly — in the mean — and non-linearly — in the transition matrix. Predictor selection and inference on the model parameters are based on an automatic Markov chain Monte Carlo scheme with reversible jump steps. Hence the proposed methodology can be used as a black box for predicting time series. Using simulation experiments, we illustrate the performance of our algorithm in various setups, in terms of mixing properties, model selection and predictive ability. An empirical study on realized volatility data shows that our methodology gives improved forecasts compared to benchmark models.