不完全信息多属性决策的集成模型与方法

研究了一类不完全信息随机不确定型多属性决策问题,建立了能综合反映主观评判与客观信息的集成优化模型,给出了具体的决策方法和过程。通过具体实例说明该方法是可行、有效的,决策结果相对比较合理、客观,可为解决复杂的不完全信息多属性决策问题提供一条新途径。     

舰艇电子对抗系统的仿真研究

根据现代高技术海战条件下电子对抗的特点,提出了建立电子对抗仿真系统的方法,并建立了相关的对抗数学模型和系统结构。该系统为电子对抗装备的设计、相应作战方案的制定以及指挥员电子对抗素质的提高提供了良好的平台。     

一类非完整系统的有限时间镇定控制

针对一类可化为链式标准型的非完整系统的有限时间镇定问题,提出了一种基于切换控制策略的有限时间镇定控制器,并给出了控制器参数的选择条件。该控制器利用切换控制的思想,根据系统的状态变化,通过有限次切换,可使得非完整链式系统各状态在有限时间内从任意的非平衡位置收敛至平衡位置。最后给出了应用该控制器控制非完整链式系统的具体形式,通过仿真实验验证了所设计的有限时间镇定控制器的有效性。     

神经网络自校正预测拥塞控制算法研究

传输速率、处理速度和节点缓存容量的饱和非线性特性、传输延迟的随机时变性、用户接入的随机性以及高优先级业务的突发性,使得网络中存在严重的不确定性,由此给异步传输模式(ATM)网络拥塞控制系统的分析与设计带来极大的困难。为此设计了鲁棒神经网络自校正拥塞控制算法。其优点在于:(1)最大限度地减小了测量误差和随机干扰的作用,有效地补偿了时变不确定非线性的影响;(2)保证了闭环系统的稳定性、收敛性和公平性,增强了系统对随机延迟等不确定性的鲁棒性。仿真分析进一步验证了该算法的有效性。     

时延网络控制系统调度与稳定性

针对共享网络资源的多个网络控制系统的调度与稳定性问题,考虑网络诱导时延对系统的影响,给出网络控制系统的模型描述;基于静态非抢占RM(Rate Monotonic)调度算法,给出网络可调度与闭环系统稳定的充分条件。仿真结果表明该文的方法比已有的方法具有更小的保守性。     

多目标遗传算法在机器人路径规划中的应用

针对具有多个优化目标的机器人全局路径规划问题,提出一种改进的多目标优化遗传算法。在初始群体的生成中,采用把随机法和基于问题先验知识的启发式方法相结合的策略,以加快收敛速度;在遗传算子的设计中,引入删除、修复和平滑算子,以提高算法的搜索效率;在选择算子中。加入避免外部存储器中出现相同个体的机制,以防止早熟收敛。仿真结果表明：该文算法运行一次能够有效地产生一组近似Pareto最优路径解。     

基于决策树和遗传算法的模糊分类系统设计

提出一种基于决策树初始化和遗传算法优化的模糊分类系统的设计方法.该方法首先采用分类和递归树(CART)算法进行决策树的生长,树的修剪过程简化了初始决策树;然后,把修剪后的决策树转化为模糊模型,利用匹茨堡型实数编码的遗传算法优化该模糊模型.为了提高模型的解释性,在遗传算法中利用基于相似性的模型简化方法对模型进行约简.最后利用该方法对Iris问题进行研究,仿真结果验证了该方法的有效性.     

不变流形在非完整链式系统镇定中的应用

该文研究了非完整链式系统的反馈镇定问题.针对非完整链式系统,构造了给定控制律下系统的不变流形,基于所构造的不变流形,提出了一种反馈镇定控制律的求解方法,并利用该方法求得了一个非连续时不变反馈控制律及控制律参数选择的充分必要条件,证明了所得控制律能使n维非完整链式系统各状态指数收敛于原点,求得了在该控制律作用下,非完整链式系统各状态的解析解.最后,利用仿真示例验证了所提控制律的有效性.     

基于多目标遗传算法的冗余机械手逆解算法

提出一种新型的多目标优化遗传算法,该算法采用两种精英机制,加快了收敛速度,避免了在一般多目标遗传算法中难以处理的适应值分配过程,减小了计算资源的消耗。把所提算法应用于带有N个关节的冗余机械手运动学逆解问题,与传统的机械手逆解方法相比,所提算法不仅能够使得终端执行器精确到达期望位置,而且同时优化了机械手关节转动角度、柔顺性、安全性三个目标。仿真结果表明了所提算法的有效性。     

一类线性时变系统组合自适应迭代学习控制

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应控制方法与迭代学习相结合,提出了组合模型参考自适应迭代学习控制算法.基于Lyapunov方法推导出迭代学习控制律以及针对时变惯性参数与时不变高频增益的组合自适应参数更新律.该算法适于控制快时变系统,并使跟踪误差、参数估计误差和控制信号有界.当迭代次数趋于无穷时,跟踪误差关于有限时间区间一致收敛到零.系统仿真验证了所提控制算法的有效性.