用非线性反馈控制混沌Rssler系统到达任意目标

本文设计了识别不确定R ssler系统未知参数的观测器,提出了控制R ssler系统中混沌的非线性反馈控制策略。数值模拟结果表明:观测器可以有效地标识未知参数;选取不同的目标参数,既可以使R ssler系统稳定在不同周期轨道上,也可以稳定在任意目标点上。     

用非线性反馈控制混沌R(o)ssler系统到达任意目标

本文设计了识别不确定R(o)ssler系统未知参数的观测器,提出了控制R(o)ssler系统中混沌的非线性反馈控制策略.数值模拟结果表明:观测器可以有效地标识未知参数;选取不同的目标参数,既可以使R(o)ssler系统稳定在不同周期轨道上,也可以稳定在任意目标点上.     

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.     

一个渐近最优的非参数自适应控制器

对一类具有未知非参数非线性结构的离散时间随机控制系统，利用核估计方法和载尾的必然等价原则，设计了一个非参数自适应控制器，并且证明了在不必人为地引进外部激励的情形下，收这个控制器所决定的闭环系统不但是全局稳定的而且是渐近最优的。     

广义Hamilton系统的观测器及基于观测器的H∞控制设计

研究广义Hamilton系统的观测器设计和应用问题. 首先, 根据广义Hamilton系统的结构特性, 提出一种新的观测器设计方法: 扩张+反馈法. 基于该方法, 文中设计了两种观测器, 一种是针对系统结构中不含参数摄动的情况而设计的; 另一种是自适应观测器, 则是针对系统结构中含参数摄动的情况而提出的. 然后, 运用所得到的观测器研究广义Hamilton系统的基于观测器的H∞控制设计问题, 给出一种新的设计方法. 最后, 把得到的结果应用于电力系统, 给出单机无穷大系统的状态观测器和基于观测器的H∞控制方案. 仿真结果表明, 所提出的方法是非常有效的.     

用于混沌同步的非线性观测器的稳定性分析

首先讨论了时间连续驱动混沌同步非线性观测器的线性化误差动力学方程的稳定性,给出了关于观测器渐近稳定性的判别准则.[KG*2]随后通过理论分析和数值仿真发现,在时间离散驱动下,只要满足一定条件,观测器与原系统仍有可能达到同步,而不管在连续驱动时是否有渐近稳定的同步观测器存在. 最后推导出了时间离散驱动时混沌同步非线性观测器的渐近稳定性的判别准则,仿真实验结果验证了该准则的正确性.     

基于POD-Observer技术的非定常气动力建模方法

基于本征正交分解（POD）结合观测器（Observer）技术,发展了一种新的适合于气动弹性分析的非定常气动力降阶方法.通过全阶系统行为的样本采用POD方法导出一组流体模态.将POD训练的全阶响应投影到流体模态上,得到模态幅值的响应时间历程.经由deadbeat观测器处理,这些训练数据用于识别模态幅值动态系统的Markov参数.采用特征实现算法基于上述的Markov参数构建系统的状态空间模型.算例选取了亚声速流场中的二维翼型系统.结果表明降阶模型复现了全阶系统的主要动态特性,极大缩减了原系统的自由度数量并且显著提高了计算效率.     

随机非线性系统的最小阶状态观测器及输出反馈镇定控制设计

对一类具有不可观测状态、未建模动态特性和随机干扰的单输入多输出随机非线性系统, 给出了最小阶状态观测器和输出反馈镇定控制器的设计方法. 基于所设计的最小阶状态观测器, 给出了系统全部状态的估计, 分析了状态估计误差的收敛性. 进一步, 结合Back-Stepping法, 构造性地设计出了输出反馈镇定控制, 给出了闭环系统全局渐近稳定和概率意义下有界稳定的充分条件.     

基于安全域的安全约束机组组合

鉴于电力系统安全稳定问题日益突出，有必要在电力系统的日前调度，即机组组合中考虑静态电压稳定和暂态稳定等与系统有功调度方式密切相关的安全性约束．然而，由于电力系统暂态稳定等问题本身的复杂性与现有方法的局限性，尚未见到在机组组合中考虑这些约束的相关报道．同时，由于缺少对不同调度方案的安全裕度进行定量评估的手段，至今在制定日前发电计划时难以有效地协调电力系统的经济性与安全性．针对上述问题，以安全域的方法学为基础，建立了一种可同时考虑系统运行经济性与安全性的多目标机组组合模型，首次在电力系统机组组合问题中同时考虑了支路潮流约束、静态电压稳定约束和暂态稳定约束．建立的模型以系统总运行成本、支路传输容量裕度、静态电压稳定裕度和暂态稳定裕度为优化子目标，通过子目标的权值，可以方便的调整对系统运行经济性与安全性的偏好，达到两者的兼顾．以IEEERTS-24节点系统为例，验证了所建立模型的正确性与有效性．     

约束切换非线性系统给出初始稳定区域的预测控制设计

有约束切换非线性系统的稳定控制是一个重要的研究问题．通常的预测控制方法可以很好的处理约束问题并使得系统稳定,但一般首先假设其中的优化问题初始可行,而对于初始稳定区域并没有具体的描述．本文针对一类输入变量受约束且状态不可测的非线性切换系统,提出了一种混合非线性预测控制方案．其主要思想是：利用李亚普诺夫函数和状态观测器,设计在预测控制器和有界反馈控制器之间适当切换的混杂控制器,以得到初始稳定区域的描述并使得子系统闭环稳定;对整个切换系统,基于状态估计,设计在各组件间平稳切换的切换律,以保证整个闭环系统的渐近稳定性．最后通过对一个化工过程实例进行仿真,验证了本文所提控制器的有效性．     

Subset threshold autoregression

We develop in this paper an efficient way to select the best subset threshold autoregressive model. The proposed method uses a stochastic search idea. Differing from most conventional approaches, our method does not require us to fix the delay or the threshold parameters in advance. By adopting the Markov chain Monte Carlo techniques, we can identify the best subset model from a very large of number of possible models, and at the same time estimate the unknown parameters. A simulation experiment shows that the method is very effective. In its application to the US unemployment rate, the stochastic search method successfully selects lag one as the time delay and five best models from more than 4000 choices. Copyright © 2003 John Wiley & Sons, Ltd.     

基于输出时滞方法的采样数据系统故障估计

从时滞系统角度率先研究了一类非均匀采样数据系统的故障估计问题.首先,基于输出时滞方法将采样数据系统建模成具有时变时滞输出的连续时间系统;然后,通过分析自适应诊断观测器不再适用于此类连续时滞系统的原因,提出了一种能够保证估计误差指数收敛的增广故障估计滤波器设计新方法;并进一步研究了具有噪声干扰的采样数据系统的时变故障估计问题;最后,通过对某型飞控系统的仿真实验结果验证了所提方法的有效性.     

供应链柔性评价系统

目前，对供应链柔性的研究很少，柔性作为评价供应链运作绩效的一个重要指标越来越受到人们的关注。用于度量制造系统柔性的方法由于其局限性不适合度量供应链的柔性，本文在对供应链柔性系统分析的基础上，建立了供应链柔性评价系统。     

基于统计和未登录词碎片字典的未登录词识别方法

介绍了一种基于统计和未登录词碎片字典的未登录词识别方法。该方法首先在基于分词的基础上对一篇文本进行统计识别未登录词，然后利用来登录词碎片字典识别来登录词。实验结果表明：该方法较已有的来登录词识别方法曼适用于识别文本中不断涌现的新词，在未登录词的召回率和准确率性能指标上达到了较好的效果。     

AM信号确认算法研究与仿真

通过分析短波段AM广播信号调制特性，定义了调制信号上下边带频谱相关系数和调制信号与包络检波信号频谱相关系数，并以语音检测相关参数作为辅助。由此提出一种对AM广播信号进行“身份验证”的信号确认算法。基于短波标准信道的仿真实验表明，所定义的两个参数对噪声和信道滤波鲁棒，该算法可直接应用于实际工程环境，具有重要应用价值。     

Dynamic Latent Class Model Averaging for Online Prediction

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called dynamic latent class model averaging, which combines a state‐space model for the parameters of each of the candidate models of the system with a Markov chain model for the best model. We propose a polychotomous regression model for the transition weights to assume that the probability of a change in time depends on the past through the values of the most recent time periods and spatial correlation among the regions. The evolution of the parameters in each submodel is defined by exponential forgetting. This structure allows the ‘correct’ model to vary over both time and regions. In contrast to existing methods, the proposed model naturally incorporates clustering and prediction analysis in a single unified framework. We develop an efficient Gibbs algorithm for computation, and we demonstrate the value of our framework on simulated experiments and on a real‐world problem: forecasting IBM's corporate revenue. Copyright © 2014 John Wiley & Sons, Ltd.     

一种最优抗扰自适应控制

针对含未知干扰系统研究了具有最优抗扰性能的自适应控制问题.利用对象参数的先验知识和量测数据构成可实时更新的非空模型集合,以系统的整体性能指标为辨识准则,在模型集内优化选取最优标称模型,完成对象模型的在线最优辨识.然后根据-1优化设计方法以闭环系统整体性能为指标,在线设计最优闭环控制器.上述两方面结合起来给出了一种最优自适应控制策略.由于辨识准则与控制目标是一致的,文中的方法能够有效地解决自适应系统的性能优化问题和辨识与控制的相互配合等问题,且能给出可验算的性能指标.     

A semiparametric method for predicting bankruptcy

Bankruptcy prediction methods based on a semiparametric logit model are proposed for simple random (prospective) and case–control (choice‐based; retrospective) data. The unknown parameters and prediction probabilities in the model are estimated by the local likelihood approach, and the resulting estimators are analyzed through their asymptotic biases and variances. The semiparametric bankruptcy prediction methods using these two types of data are shown to be essentially equivalent. Thus our proposed prediction model can be directly applied to data sampled from the two important designs. One real data example and simulations confirm that our prediction method is more powerful than alternatives, in the sense of yielding smaller out‐of‐sample error rates. Copyright © 2007 John Wiley & Sons, Ltd.     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。