支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

模型参数不确定双臂柔性机械手的轨迹跟踪控制

基于奇异摄动方法,在将参数不确定双臂柔性机械手分解为慢变和快变两个子系统基础上,提出一种复合控制方法,以实现关节轨迹跟踪控制,抑制弹性振动.针对慢变子系统,提出一种模糊非奇异终端滑模控制方法,保证系统的全局稳定性,提高系统的跟踪速度和精度,同时消除滑模控制的抖振现象.针对快变子系统,提出一种基于观测器的LQR控制方法,估计系统不可测状态,压制柔性振动.仿真结果证明所提方法的有效性.     

具有对偶极点的不稳定过程的鲁棒控制

为了进一步完善不稳定系统的鲁棒控制器设计方法,将具有对偶极点的不稳定过程分成纯不稳定过程与一般的稳定过程两部分,对于纯不稳定过程采用先成形再镜像映射的方法,而对于一般的稳定过程则基于极点对消原则直接设计控制器,最后用闭环增益成形算法求解鲁棒控制器。将所设计的鲁棒控制器应用于磁浮列车的悬浮控制中,从仿真结果可以看出,控制效果可以达到小超调(<8%)、无静差、调节时间快(<0.1 s)、对模型摄动具有鲁棒稳定性。     

并联混合动力汽车控制策略比较研究

混合动力汽车整车控制中所采用的主要控制方法包括基线控制、模糊控制、实时适应控制等。根据不同控制方法的仿真控制效果和运行效率,分析了它们的优缺点,提出模糊控制方法具有适应性强、运行效率高、实时性好和鲁棒性强等优点,可作为并联混合动力汽车优先选择的控制策略。     

农业生态系统能量最优增长单部门模型的建立与影响参数分析

在对农业生态系统特征分析的基础上,运用控制论的基本原理与方法,建立了描述农业生态系统能量最优投入产出的数学模型,并对能量参数进行了模拟。结果表明:随着α、β、b和ρ值的增大,D、C、K和Y值逐渐增大;但随着n、a和δ值的逐渐增大,D、C、K和Y值则逐渐减小。     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

基于变采样周期方法的网络控制系统协同设计

提出了一种基于变采样周期的动态调度策略,通过实时调整控制系统的采样周期以适应网络中信息流的变化,改善网络中时延、丢包等问题.采用动态调度策略的NCS为一个变采样周期系统,考虑时延的影响,通过等效变换将时延和采样周期的不确定性转化为系统参数的不确定性,从而将NCS建模为一类具有参数不确定性的离散时间系统,并给出了系统D-稳定的控制器设计方法,实现NCS的控制与调度协同设计.最后通过数值仿真验证了所提出的方法的有效性.     

具有内部控制和边界控制的线性Petrowsky系统的精确能控性

考虑有界域上同时具有内部控制和边界控制的线性Petrowsky系统的精确能控性问题.利用HUM方法及动态规则理论建立反馈控制律.     

基于RBF神经网络模型的单力臂机器人控制

针对单力臂机械手的控制,提出了一种基于RBF神经网络模型的控制方法;RBF神经网络即径向基函数,它本身是具有单隐层的三层前馈网络,从输入空间到输出空间的映射呈现非线性,但是从隐含层空间到输出空间的映射却呈现线性,又由于RBF网络它采用高斯基函数作为作用函数,它的输出与部分调参数有关,在输入空间的有限范围内不为零,是一种...