全局环境未知时基于滚动窗口的机器人路径规划

研究了全局环境未知时机器人的路径规划问题,借鉴预测控制滚动优化原理,提出了基于滚动窗口的移动机器人路径规划方法.该法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,实现了优化与反馈的合理结合.探讨了规划算法的收敛性.     

分布式预测控制系统在通信局部失效下的性能分析

复杂大规模预测控制的在线求解问题可以由各个子系统去分布实现,子系统之间通过网络进行通信,当系统受到扰动时,各个子系统之间的通信联结有可能受到影响,整个分布式系统的性能将会下降,针对分布式预测控制优化算法,讨论了通信局部失效情况下,系统在滚动时域单步上的性能蜕变情况,对于稳定收敛的分布式系统,给出了每一时刻其性能蜕变的上限表达式。     

启发式进货规划求解Steiner树问题

求解Steiner树对通信网络点对多点路由优化问题有重要意义,已被证明是NP－complete的。通过把图形简化技术、进货规划方法和KMB启发式上结合,提出了一种求解Steiner树问题的新方法,提高了算法的效率,仿真结果表明,本算法是有效的,性能优于传统的启发式算法。     

Adaptive Fuzzy Sliding Mode Control for a Class of Uncertain Dynamic Systems*

Fuzzy Logic System (FLS) can be utilized to approxi-mate complex uncertain nonlinear dynamic systems. Inthis paper, an adaptive fuzzy Sliding Mode Control(SMC) scheme is proposed where FLS is used as an ap-proximation of the unknown systems. In order to reducethe approximation errors between the true nonlinearmodel and FLS, an adaptive law is presented. The sta-bility of the controlled system is proved by using Lya-punov stability theory. The proposed control scheme isapplied to an inverted pendulum system to show its effec-tiveness.     

建立智能控制系统的结构模型

智能系统是人类与技术发展至今所形成的一类最复杂和最具挑战性的控制系统。其建模是其直接法中其它一切问题的基础，但却是用常规的手段难以解决的。本文先对智能控制系统建立语言文字描述。然后，通过直接钭之直观地符号化，为智能控制系统提出并建造成一种结，命名为环递阶模型。     

单车独占性带时间窗口装卸货问题的分析与算法

提出了一类广泛存在于运输领域的NP-hard组合优化问题——独占性带时间窗口装卸货(E-PDPTW)问题,给出了它的数学描述,分析了其性质并把问题简化为不对称带时间窗口旅行商问题(TSP),提出了求解单车E-PDPTW问题的两阶段快速算法,其时间复杂度只有O(n^3),测试结果表明了该算法的有效性和快速性。     

开放式自主移动机器人系统设计与控制实现

采用面向对象的方法设计了一个自主移动机器人系统--Frontier-I,并将Linux/Unix 下的进程间通信机制应用到系统的设计中.该系统基于Windows操作系统,采用全向视觉,能够实现诸如避障、导航和机器人足球等复杂的任务;在模块化的设计下,系统能够方便地加入新的模块以扩展其功能.     

基于全局最优的生产全过程分布式预测控制

改进了基于纳什最优的分布式预测控制算法,提出了一种基于全局最优的分布式预测控制．在优化求解时考虑了各子过程间的协调．结合线性系统的动态矩阵控制(DMC)分析了算法的迭代收敛性,并与基于纳什优化的分布式预测控制算法进行了比较．仿真结果表明．算法迭代收敛于全局最优解,而不是纳什优化解。     

分散固定模的新判据

本文首先提出一种适用于任意反馈结构的固定模的新判据,借助于此判据不仅可以确定固定模。而且能确定固定模的重数。在新判据的基础上,作者给出一种计算固定多项式的算法,求解该固定多项式,即可得到系统的全部固定模。最后作者定义了可变模和可变多项式的概念,并对可变多项式和固定多项式分别进行了逐阶分解和逐阶扩充,阐述了分散控制系统固定模生成的机理。     

时间渐消递推最小二乘估计的矩阵QR分解方法

给出了当数据一步更新时,利用矩阵QR分解进行最小二乘估计的直接递推形式。与利用Givens旋转变换进行参数递推估计的方法相比,该方法直接表征了被辨识参数的递推计算关系,因而可直接判定递推估计算法的收敛性。