船舶航向与柴油主机联合LPV鲁棒控制及仿真

船舶航向与柴油机推进装置是紧密耦合的,但长期以来对它们的控制是完全独立的.根据线性变参数(LPV)系统设计原理,提出了基于LPV的船舶航向与主机联合控制.建立了以船速等为变参数的船舶航向与主机联合控制的LPV模型,采用LPV多胞设计方法,通过状态反馈对闭环极点进行配置,分别设计具有H∞鲁棒性能的航向与主机LPV控制器,实现二者的联合控制.以5446箱班轮为被控制对象,仿真验证了航向与主机LPV控制器在风浪干扰下联合控制的有效性.     

基于二维混合模型的鲁棒迭代学习控制设计

针对一类正则线性不确定系统,提出一种基于连续/离散二维混合模型的迭代学习控制设计方法。首先,通过独立地考虑迭代学习控制系统连续的控制行为与离散的学习行为,建立迭代学习控制系统的连续/离散二维混合模型,将迭代学习控制器设计问题转化为一类连续/离散二维系统的状态反馈控制问题。然后应用二维连续/离散系统方法,获得迭代学习控制系统稳定性条件。最后根据稳定性条件,利用线性矩阵不等式方法,求得迭代学习控制器参数,它通过Matlab工具箱可以方便的获得。与现有方法相比,所提出的迭代学习控制器利用了输出误差以及状态变化的信息来修正当前的控制,因而设计方法更加符合其本质特征,具有简单实用、直观明了的特点。数值仿真实例验证了所提方法的有效性。     

一类线性时滞系统的时滞依赖稳定性研究

针对一类带有参数不确定性的线性时滞系统,研究其时滞依赖稳定性问题。采用改进的Lyapunov-Krasovskii泛函方法给出了线性时滞系统基于线性矩阵不等式的时滞依赖稳定的充分条件,在定理的证明中结合牛顿公式改进了一系列二次型积分不等式,从而有效降低了定理保守性。最后给出2个计算实例,通过与现有方法的比较可以看出本文方法的更加有效,且得到的最大时滞具有更小的保守性。     

基于过程数据的动态PLS建模

许多工业过程中获得的输入输出数据在时间、空间上是高度相关的,且含有测量噪声。针对此类数据,提出采用动态PLS方法,最大化输入和输出变量矩阵之间的协方差,保留大部分有用信息,去除测量噪声,把高维数据空间降维,建立较为精确的工业过程数学模型。提出对MIMO系统进行研究,推导了可直接用于控制的动态PLS模型数学公式。对一个工业过程实例进行仿真,分别应用动态PLS回归和线性回归MLR方法,得出的结果经分析验证了此算法的有效性。     

基于遗传编程的火电厂主汽温系统建模研究

遗传编程是基于自然进化理论的一种全局最优智能搜索技术,将它应用于系统辨识,可以实现同时辨识系统的结构和参数,并且得出的辨识结果是显示的。提出了一种新的多目标遗传编程算法,将进化的目标设定为偏差的平方和、表达式的复杂程度和最大动态偏差的综合最小。应用该算法辨识火电厂主汽温系统,仿真结果说明该算法是有效的,并且比常规遗传编程算法优越。     

不同约束下多产品报童问题解的比较研究

不同约束形式代表决策者不同的决策过程。传统多产品报童问题只考虑预算和能力等线性约束,而不涉及损失约束,显然有违真实的决策过程。为说明损失约束模型不同于预算约束模型的决策特点,通过算例对两个模型的解进行了分析和比较,总结了各自的决策特点。预算约束模型参照基于预算边际效用删除法和一般迭代方法(GIM法)求解。损失约束模型应用基于损失边际效用排序的删除法与线性近似规划法求解。另外对GIM法中衡量误差的公式作了修正。     

两类不确定奇异时滞系统鲁棒稳定的相关型判据

研究了不确定奇异时滞系统的鲁棒稳定性问题。首先以线性矩阵不等式的形式给出了奇异时滞系统正则,无脉冲模且零解渐近稳定的一种新的时滞相关型判据。通过引入新的参数避免了利用不等式处理交叉项,从而使该判据具有较小的保守性。最后,利用研究结果,给出了两类不确定奇异时滞系统新的时滞相关型鲁棒稳定性判据。     

不确定离散系统的有限时域鲁棒H∞滤波

研究了一类时变不确定离散系统的有限时域鲁棒H∞滤波问题。在系统不确定性满足范数有界的条件下,给出了有限时域鲁棒H∞滤波器存在的充分必要条件,并基于线性矩阵不等式技术给出了滤波器的构造性的设计方法。得到的滤波器对所有可容许不确定性,满足指定的性能指标。最后给出了仿真实例,仿真结果表明所设计的滤波器实现了设计要求。     

正负靶心灰靶决策模型

对灰靶决策模型进行了进一步的拓展研究.定义理想最优及理想最劣方案分别为灰靶的正负靶心,在综合考虑方案与正负靶心的距离,将靶心距作为向量在空间分析的基础上定义了综合靶心距.由各方案靶心距大小及指标权重的不确定性分析的基础上构建目标规划,并由此确定指标权重.由此建立了正负靶心灰靶决策模型.最后以实例说明了所提出的灰靶决策模型的合理性及算法的有效性.     

Modeling for UAV resource scheduling under mission synchronization

Unmanned aerial vehicle (UAV) resource scheduling means to allocate and aggregate the available UAV resources depending on the mission requirements and the battlefield situation assessment. In previous studies, the models cannot reflect the mission synchronization; the targets are treated respectively,which results in the large scale of the problem and high computational complexity. To overcome these disadvantages, a model for UAV resource scheduling under mission synchronization is proposed, which is based on single-objective non-linear integer programming. And several cooperative teams are aggregated for the target clusters from the available resources. The evaluation indices of weapon allocation are referenced in establishing the objective function and the constraints for the issue. The scales of the target clusters are considered as the constraints for the scales of the cooperative teams to make them match in scale. The functions of the intersection between the "mission time-window" and the UAV "arrival time-window" are introduced into the objective function and the constraints in order to describe the mission synchronization effectively. The results demonstrate that the proposed expanded model can meet the requirement of mission synchronization, guide the aggregation of cooperative teams for the target clusters and control the scale of the problem effectively.