参数未知随机系统的最小方差对偶自适应控制

针对参数未知随机系统的自适应控制问题,研究了最小方差对偶自适应控制。分析了由于未知参数的不确定性,使得运用动态规划原理求解最优控制律时存在着困难,转而寻求次优控制律;给出了差分方程转换成状态空间模型的方法,将未知参数在一个确定的模型集中取值,运用动态规划原理得到各模型的控制律,通过各模型后验概率加权获得次优对偶控制律。给出了算例,以验证此算法的有效性,表明所得到的控制律既有调节作用,又有学习作用。     

执行器饱和时的SISO系统模型参考自适应控制

针对大多数执行器不可避免地会出现饱和现象,尤其是工作范围大、非线性特性严重的被控制对象,提出了一种模型参考自适应设计方法,把输入过饱和部分看作干扰信号,并用可调参数和跟踪误差函数对饱和干扰进行估计,通过参数调节消除饱和现象,针对不同相对阶的系统分别进行讨论,使本方法更具普遍性。仿真结果表明,本方法能够使系统有较好的跟踪能力和抗饱和能力。     

基于观测器的不确定时滞Markov跳变系统H∞控制

讨论了一类线性不确定时滞Markov跳变系统的控制问题,针对能量有界的输入噪声,设计了基于观测器的优化鲁棒H∞控制器。基于鲁棒控制理论,通过对重构的观测器系统的分析,提出了使得系统随机稳定且满足一定输入输出H∞增益的模态依赖的控制器存在条件。结合构造的Lyapunov函数和线性矩阵不等式变换,给出了H∞控制器的设计方法,并将其描述为一个优化问题。基于观测器设计的优化H∞控制器使系统具有随机稳定性,状态的跟踪性能好,抑制干扰能力强,满足所给的范数指标。仿真示例说明了设计方法的有效性。     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

基于自动议价系统的消费者议价行为研究

本文建立了多策略混合的动态让步策略模型,解决了目前在自动议价系统中让步策略过于简单的问题.建立了消费者议价行为影响因素的框架模型,提出了在电子商务环境下进行消费者议价行为实证研究的方法,设计了用于实证研究的实验系统.此外,还提出了将消费者议价数据和消费者特性相结合,进行消费者议价行为分类的加权分类方法.     

不确定离散广义系统的H∞保成本控制

利用Riccati不等式,给出了H∞保成本离散广义系统和H∞保成本控制的定义,设计状态反馈H∞保成本控制器,使得闭环系统不仅对于容许的参数不确性保持正则、稳定、因果,而且使相应的闭环系统的二次性能指标具有上界及给定的H∞性能γ.基于线性矩阵不等式(LMI)给出了H∞保成本控制器的表达式。最后用数值例子说明设计方法的有效性和可行性。     

大规模网络中基于移动代理的拓扑发现机制

针对基于移动代理的大规模网络拓扑发现,提出了一种基于移动代理洪泛的自启发式深度优先染色生成树算法。将一个大规模网络划分为若干个子网,在各子网内部利用移动代理洪泛策略并行地获取各子网拓扑信息。利用移动代理将每个子网拓扑信息进行汇总获得整个网络的拓扑。算法的复杂度分析和仿真结果表明本算法可在一定程度上减少网络流量和拓扑周期。     

一种新型的非线性随机大系统自适应镇定方法

研究了一类具有严反馈形式并含有Wiener噪声扰动的非线性随机大系统,其互联项满足线性增长约束。利用微分几何的理论,应用Backstepping算法,基于Lyapunov稳定性理论,选择了适合这类组合非线性系统的状态观测器,设计了自适应输出反馈分散控制律和自适应律,使得闭环,互联的非线性随机大系统实现了概率意义下的全局稳定,仿真结果表明了控制算法的有效性。     

一类非线性系统的滑模控制稳态精度研究

针对一类非线性系统的线性滑模控制和Terminal滑模控制稳态精度问题,分析使用饱和函数代替滑模控制律中符号函数的线性滑模控制和Terminal滑模控制系统的稳态误差与饱和函数宽度的数值关系,得出两者的数学表达式,为协调既削弱滑模控制的颤振又保证稳态精度的滑模控制系统的饱和函数宽度的选择提供了理论依据。定量地比较线性滑模控制和Terminal滑模控制的稳态精度,得出了Terminal滑模控制比线性滑模控制有更好稳态精度的结论,通过数值仿真算例证明理论分析的正确性。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。