一类非线性参数化系统的鲁棒自适应H_∞控制

针对一类带有未知虚拟控制系数的非线性参数化系统,利用参数分离技术和Backstepp ing设计方法构造自适应H?控制器,使闭环系统的干扰输入在L2增益下对系统输出的影响任意小,且无外扰时,系统内稳.仿真例子验证了主要结论.     

一类不确定网络控制系统的滑模变结构控制

研究了一类同时具有输入时延和外部干扰的网络控制系统滑模变结构控制问题。首先,通过引入特殊变换将原不确定时延系统转化为无时延系统;然后,在新坐标下,通过模型降阶,结合线性矩阵不等式方法设计滑动模面,并选择控制律保证闭环系统在有限的时间内到达滑模面;最后,对其稳定性进行了分析,给出并证明了原系统渐近稳定的充分条件,并通过数值例子说明了设计方法的有效性。     

基于数据分区的云计算高维数据均衡分流

针对当前分流策略无法应对高维数据的冗余度、复杂性以及动态变化,为了有效提升云计算高维数据的分流精度与分流效率,以云计算环境下高维数据为研究对象,提出基于数据分区的云计算高维数据均衡分流方法;通过分析高维数据分布特性,明确分区维度、数量以及边界,利用峰间低谷部分中任意点的对应扫描线,完成高维数据分区;采用构建的数据特征提取策略提取高维数据特征,经迭代更新数据聚类中心,实现高维数据均衡分流;通过模拟实验,以数据流标准方差与数据流比例标准方差为指标,验证数据流分流质量与负载均衡效果。结果表明,云计算高维数据均衡分流方法的数据流比例标准方差较小,具有较高的数据分流精度和效率。     

网络控制系统的有限时间镇定

研究了一类带有网络诱导时延的网络控制系统有限时间控制问题.首先通过引入特殊线性变换将原时延系统转化为无时延系统.然后在新坐标下,基于有限时间稳定理论与线性矩阵不等式,系统地给出原系统有限时间稳定的一个充分条件,并通过数值例子说明了该设计方法的可行性.     

多Agent系统的Q值强化学习算法

对多Agent系统的Q值强化学习算法进行研究,将历史信息因素的影响添加到Q值学习中,提出了一个新的基于多Agent系统的Q值学习算法.该算法在保证多Agent系统利益达到相对最大化的同时,也有效降低了Agent之间的冲突率.最后,通过仿真测试验证了该算法的有效性.