区间时变时滞离散广义系统的稳定与镇定

研究了一类区间时变时滞离散广义系统的稳定与镇定问题。利用一个新构造的Lyapunov泛函和线性矩阵不等式方法,给出了使得系统正则、因果且稳定的时滞相关型稳定性新判据,并在其基础上得到了系统状态反馈镇定控制律的一个直接的设计方法。在讨论过程中,充分考虑了系统时变时滞信息,且保留了Lyapunov泛函导数中的有用项,使得结果具有较小保守性。数值实例表明了方法的有效性和优越性。     

不确定性气动弹性系统辨识及鲁棒极限环分析

模型的不确定性直接影响鲁棒颤振和极限环分析的准确性．从基于数据的角度提出考虑非线性环节和模型不确定性的鲁棒极限环分析框架．采用时域方法辨识包含非线性环节的Block—oriented结构的气动弹性系统模型集合的不确定度大小．以在线弹性结构的极点构造正交基底,将不确定性模型集合辨识问题转化为不确定性参数上下界估计的优化问题,通过求解非线性优化得到不确定性模型集合．将辨识后的无记忆非线性算子用正弦输入描述函数表示,利用线性分式变换技术对辨识后的不确定性模型进行重新建模,最后采用结构奇异值（μ）理论对系统集合进行鲁棒极限环分析．采用某二元翼段气动弹性算例验证该辨识和分析框架的准确性．结果表明辨识的不确定性的模型集合能够刻画气动弹性动力学特性．在相同速度下,考虑不确定性的模型集合的鲁棒极限环幅值比标称系统极限环幅值要小．该方法可以应用于鲁棒颤振和极限环预测．     

基于径向基网络的前馈反馈自适应控制器

对于非线性被控对象,当存在未建模动态,参数摄动或对象动力学特性时变时难以实施有效的控制,为此,我们利用径向基函数神经网络,并将前馈和反馈控制方案相结合,提出一种鲁棒性强、实时性好、能控制非最小相位系统的神经网络前馈反馈自适应控制器。仿真结果表明了该方案的优良特性。     

随机不确定系统鲁棒H∞滤波器的设计

研究了一类随机不确定系统的鲁棒H∞滤波问题,该系统模型状态及输出矩阵中均具有参数不确定性且满足范数有界条件.对于所有的不确定性,通过辅助系统讨论了随机稳定条件并设计了一个稳定的滤波器使滤波误差满足指定的H∞性能,并且得到了滤波器存在的充分且必要条件.同时给出了设计滤波器的LMI方法,通过求解LMI可以方便的得到滤波器的表达形式.最后,仿真算例说明了所设计方法的有效性和可行性.     

随机双曲正切模型的控制与仿真

研究了一种新颖时滞模型:随机双曲正切模型的鲁棒H∞控制问题,模型的状态空间是由双曲正切函数表示的。利用状态的双曲正切函数设计出一种静态反馈控制器,它可保证相应的闭环系统均方渐近稳定而且可达到给定的H∞性能指标。利用Lypunov-Krasovskii和自由权矩阵方法,导出了由线性矩阵不等式表示的保证存在期望的控制器的时滞依赖的稳定性准则。利用计算机Matlab软件给出了一个仿真例子用以说明给出的方法的有效性。     

自适应秩收敛低秩算法压制沙漠地震随机噪声

针对沙漠地震记录中包含大量复杂噪声降低信噪比的问题,提出一种将变分模态分解(VMD:Variational Mode Decomposition)与混合高斯鲁棒主成分分析(MoG-RPCA:Mixture of Gauss-Robust Principal Component Analysis)相结合的自适应秩收敛去噪...     

一类大规模随机非线性系统的适应镇定

讨论一类大规模随机非线性系统的适应镇定问题。采用Lyapunov和Backstepping方法设计了自适应的状态反馈控制器使得闭环系统是以概率稳定的,且使系统的状态以概率收敛为0;进一步,给出一个仿真算例说明方法的有效性。     

道路容量不确定情形下可靠应急疏散路径规划问题

本文提出道路容量不确定的基于可靠性的应急疏散路径规划(包含路径的选择和随时间的流量分配)模型.现有的模型假设在制定路径规划时就已知灾害发生后的道路容量,或者为确切不变常数,或者为精确概率分布函数.本文假设道路容量的概率分布难以精确获知,仅知部分分布信息,利用分布鲁棒优化方法,构建寻求以已知信息为特征的不确定集的最坏情形下的可靠疏散路径规划.基于交通流的网络拥塞最小化原则,建立了以最小拥塞概率为目标的机会约束模型,以保证应急疏散路径规划方案分配的流量不超过灾害发生后实际的道路容量,进一步确保路径规划方案的可靠性.给出了求解方法,进行了仿真分析,验证了方法的有效性和疏散路径方案的可靠性.     

基于变分贝叶斯的容积H∞滤波在无人船载低成本MIMU对准的应用

无人船在恶劣海况下对其船载低成本微机械惯性测量单元(micro inertial measurement unit, MIMU)进行初始对准,其精度不仅会受到海浪摇摆、浪涌等未知复杂干扰的影响,还会受传感器噪声的影响。针对这一问题,提出基于变分贝叶斯的H_∞滤波算法(variational Bayesian cubature H_∞ filter, VBCH),从而实现在系统噪声或状态方程不确定且系统噪声和量测噪声同时具有“时变”“厚尾”特性情况下的自适应鲁棒滤波。仿真实验表明,随着MIMU噪声的增大以及各项误差系数的不稳定性增强,系统噪声和状态方程逐渐变得不确定,基于卡尔曼滤波的自适应算法逐渐失效,而本文提出基于H_∞控制理论VBCH算法则能够继续保持一定的对准精度和算法鲁棒性：对无人船载低精度MIMU的天向对准精度达到1.5°,东向、北向对准精度能达到0.1°。满足无人船大失准角初始对准的要求,具有一定的应用价值。     

信息不确定下的主动打断项目组合选择问题鲁棒优化

在项目组合选择问题中,历史数据的缺乏以及预测和估计过程中出现的不可避免的误差,会导致模型中的参数无法被准确地估计,进而给决策带来巨大的风险.因此,构建合适的鲁棒优化模型,为企业提供能有效应对参数不确定性的鲁棒解,对企业的风险防范具有极其重要的现实意义.本文首先对确定参数下的主动打断项目组合选择问题数学模型的特点进行了分析.进一步地,介绍了鲁棒优化问题中不确定情境集的概念,并给出了允许管理者根据其偏好确定不确定情境集大小的方法,构建了全新的基于情境的鲁棒优化模型,进而计算出在所规定的不确定情境集内的最坏情境下能保持可行性与最优性的鲁棒解,实现了鲁棒性与最优性间的权衡,最后,通过GAMS/BARON进行了算例分析,验证了模型的合理性与有效性.从理论上,本文首次将鲁棒优化理论扩展到了主动打断项目组合选择问题中,针对现有的项目组合选择问题鲁棒优化理论仅能应对有限个可行解的不足之处,提出了一类新的鲁棒优化方法,使其能够应对具有无穷多可行解的主动打断项目组合问题.从实践上,随着我国高新产业的发展,具有超前性与特殊性的研究与发展(RD)、信息科技与信息系统(IT/IS)等新兴项目的投资日益受到重视.相较于传统项目,这类项目的高度不确定性使得探究项目组合选择问题的鲁棒优化理论日益迫切.故而本文的研究具有明显的理论价值和现实意义.