一类具有控制时滞非线性系统在任意初值下的开环PD型迭代学习控制

在迭代学习控制理论的收敛性分析中,常见的初始条件是迭代初值与期望初值一致,或者迭代初值固定,给出了一类含控制时滞非线性时变系统在任意初值条件下采用开环PD型迭代学习控制算法时的收敛条件.迭代学习采用控制输入与初值同时学习的算法,其中控制输入利用了给定超前法,该算法解决了控制时滞和初值问题.运用算子理论证明了收敛条件,给出了间歇非线性控制时滞过程仿真实例,研究结果说明了该算法的有效性.     

互联电力系统鲁棒分布式模型预测负荷频率控制

负荷频率控制是现代互联电力系统运行的重要保障.本文针对含有不确定因素和负荷扰动的多区域互联电力系统提出了一种基于线性矩阵不等式参数可调节的鲁棒分布式预测控制算法.设计各个区域控制器目标函数引入相邻区域的状态变量和输入变量,同时考虑发电机变化速率约束和阀门位置约束,将求解一组凸优化问题转化成线性矩阵不等式求解,得到各个区域的控制律,在线性矩阵不等式中引入一组可调参数,将优化一个上限值转化成优化吸引区,降低算法的保守性.仿真结果验证了该算法在负荷扰动、系统参数不确定和结构不确定性情况下具有鲁棒性.     

励磁系统参数辨识中智能建模与仿真研究

研究发电机励磁系统性能,是保证电力系统的稳定性的有效手段,发电机励磁系统模型参数采有时域或频域进行辩识,但是发电机励磁系统是一个非线性系,传统方法存在不能辨识其非线性环节的缺点,导致辩识的精度低.为了提高励磁系统辩识的精度,提出一种粒子群算法优化的励磁系统参数辨识的方法.以励磁系统的实际输入作为模型的输入,以模型的输出和实际励磁系统最小误差作为目标函数,通过改进粒子群算法对模型参数进行优化调整,获得满足误差要求的励磁系统参数.在Matlab环境下进行仿真,结果表明方法具有较快的收敛速度和较高的辨识精度,有效解决了发电机励磁系统正确建模,为提高电力系统运行稳定性提供参考.     

基于小生境混合遗传算法的PID参数整定

针对遗传算法过早收敛、易陷入局部极值以及进化后期收敛速度慢的不足,将小生境技术、遗传算法、Powell算法相结合,采用自适应的结合策略,提出了一种小生境混合遗传算法(NHGA).对两个经典测试函数的优化结果表明,与小生境遗传算法相比,算法在能够保持解的多样性的同时,能够明显的提高了收敛速度和精度,有效的避免过早收敛.将算法用于PID参数整定,分别针对高阶对象和时滞对象,以及采用不同的性能指标,算法都能迅速得到最优的PID参数.仿真结果表明了该算法的有效性和优越性.     

基于一类连续非线性函数的多智能体系统有限时间一致性

针对存在时滞的多智能体系统,提出了基于一类连续非线性函数的有限时间一致性算法.利用Lyapunov有限时间稳定性理论和矩阵理论,给出了这类算法使得系统能够在有限时间内达到一致的充分条件,进而给出了一个满足条件的有限时间一致性算法,并对该算法的收敛性进行分析,得到了系统的收敛时间.数值仿真验证了所提出算法的有效性.     

非线性时滞系统的周期自适应学习跟踪控制

针对一类参数未知的周期非线性时滞系统的输出跟踪控制问题,设计了一种周期自适应迭代学习跟踪控制算法,该方法利用信号置换的思想重组系统,并在假设未知时变参数和参考输出的周期具有已知最小公倍数的情况下,将时滞以及其他不确定的时变项合并为一个周期性的辅助时变参数新变量,进而用周期自适应算法来估计该辅助量.通过构造一个Lyapunov-Krasovskii型复合能量函数,分析了系统的收敛性,证明了经过多次重复迭代学习,所有闭环信号有界且输出跟踪误差收敛,最后通过构造数值实例进行了仿真验证.理论分析和仿真结果表明,该算法简单有效,对于非线性时滞系统的跟踪问题具有很好的控制效果.     

基于交替方向乘子法的非光滑损失坐标优化算法

交替方向乘子法(ADMM)在机器学习问题中已有一些实际应用。针对大规模数据的处理和非光滑损失凸优化问题,将镜面下降方法引入原ADMM批处理算法,得到了一种新的改进算法,并在此基础上提出了一种求解非光滑损失凸优化问题的坐标优化算法。该算法具有操作简单、计算高效的特点。通过详尽的理论分析,证明了新算法的收敛性,在一般凸条件下其具有目前最优的收敛速度。最后与相关算法进行了对比,实验结果表明该算法在保证解稀疏性的同时拥有更快的收敛速度。     

Aug-PDG: 带不等式约束凸优化算法的线性收敛性

原始-对偶梯度算法广泛应用于求解带约束的凸优化问题, 大部分文献仅证明了该算法的收敛性, 而没有分析其收敛速度. 因此, 本文研究了求解带有不等式约束凸优化的一类离散算法, 即增广原始-对偶梯度算法 (Aug-PDG), 证明了Aug-PDG 算法在一些较弱的假设条件下可以半全局线性收敛到最优解, 并明确给出了算法中步长的上界. 最后, 数值算例证实了所得理论结果的有效性.     

基于神经网络的时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时变时滞系统自适应内模控制算法.理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好、抗干扰能力强的特点.     

非均匀采样多率ARMAX系统RELS算法性能分析

针对一类有色噪声干扰的非均匀采样多率ARMAX系统的辩识问题,基于增广参数维数理论,将系统模型参数化,将信息向量中含有的不可测噪声项用其估计残差代替,推导了非均匀采样ARMAX系统的递推增广最小二乘(RELS)算法;利用鞅收敛定理对该算法的收敛性进行了理论分析,结果表明该算法在噪声方差有界和广义持续激励的条件下能够收敛到真参数.仿真例子验证了该算法具有良好的收敛速度与估计精度.     

具有时滞反馈控制的双稳态压电-电磁式俘能器的随机动力学

本文研究了色噪声激励下具有时滞反馈控制的双稳态压电-电磁混合式俘能器的动力学特性.首先,建立了非线性双稳态压电-电磁俘能器的集中参数型机电耦合运动方程,并基于能量包线随机平均法推导得到系统稳态概率密度函数和平均输出功率表达式,通过蒙特卡洛数值方法验证了理论解的正确性.其次,分析了时滞和反馈增益系数对系统输出功率的影响.研究结果表明：在一定参数范围内,随着位移时滞与速度时滞的增加,输出功率出现周期性变化,并在特定的时滞与反馈增益组合下达到最大值;调节反馈增益系数可以改变输出功率的相位和大小.说明通过合理地设置时滞反馈控制可以提高俘能器的采集功率,为随机激励下非线性振动俘能器的设计和优化提供一定的理论依据.     

Dynamic Output Feedback H∞ Control Problem for Linear Neutral Systems

This note presents the solvability conditions of the dynamic output feedback H_infin control problem for linear neutral systems with time- varying state delays in the delay-dependent case, where the delay is assumed to be time-varying continuous or differentiable uniformly bounded function, but no restriction on the derivative of the delay is needed, which means that the delay may be the fast time-varying function. An improved delay-dependent bounded real lemma (BRL) for a closed-loop system is established. Based on the obtained BRL, the dynamic output feedback H_infin controller is designed in terms of the linear matrix inequalities with inverse constraints. An iterative algorithm involving convex optimization methods is used to satisfy these constraints. The proposed results are illustrated in the examples.     

基于CDMA下行链路的功率最优化调度

为CDMA下行链路多用户系统建立在用户时延限制下使基站平均功率最小的数学模型,将该优化问题转化为非约束Markov决策过程,用动态规划的方法获得最优解,并证明2个用户的功率-时延曲面是一个凸曲面。仿真结果证明,在CDMA下行链路多用户系统中,增加时延能节省功率且平均时延与功率仍具有凸函数关系。     

Hierarchical Newton and least squares iterative estimation algorithm for dynamic systems by transfer functions based on the impulse responses

This paper develops a parameter estimation algorithm for linear continuous-time systems based on the hierarchical principle and the parameter decomposition strategy. Although the linear continuous-time system is a linear system, its output response is a highly nonlinear function with respect to the system parameters. In order to propose a direct estimation algorithm, a criterion function is constructed between the response output and the observation output by means of the discrete sampled data. Then a scheme by combining the Newton iteration and the least squares iteration is builded to minimise the criterion function and derive the parameter estimation algorithm. In light of the different features between the system parameters and the output function, two sub-algorithms are derived by using the parameter decomposition. In order to remove the associate terms between the two sub-algorithms, a Newton and least squares iterative algorithm is deduced to identify system parameters. Compared with the Newton iterative estimation algorithm without the parameter decomposition, the complexity of the hierarchical Newton and least squares iterative estimation algorithm is reduced because the dimension of the Hessian matrix is lessened after the parameter decomposition. The experimental results show that the proposed algorithm has good performance.     

OFDMA 协同网络中基于QoS 保证的资源分配算法

针对正交频分多址(OFDMA)协作通信系统,为了解决数据传输速率最大化并提供尽力而为业务与实时业务的服务质量(QoS)保证问题,提出新型资源分配算法.通过以总功率受限为约束条件,定义基于数据速率、时延和丢包率的效用函数,并以在协作传输中以最大化效用函数为目标进行中继选择和子载波分配.通过中继和用户上的子载波和功率分配方案的设计,从而最大化网络数据传输速率并最小化时延与丢包率,为多种业务提供服务质量保证.采用最优化理论与方法求解效用函数,得到了资源分配结果.仿真结果验证了算法收敛,并给出功率分配结果,以及网络吞吐量和时延性能指标情况,验证了算法的有效性.     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

基于北斗系统的QoS保障地理位置路由算法

基于北斗定位/导航系统,研究无线多媒体传感器网络(WMSNs)定位技术在地理位置信息路由算法中的应用,根据贪婪策略和地理位置信息设计一个无线多媒体传感器网络QoS支持路由算法。该算法与SPEED算法一样,提供软时延保障。同时,优化的代价函数平衡了能耗、网络生存期和无线带宽等参数。在理论上分析该算法的软、硬时延保障及其他QoS性能,结果表明,该算法能为WMSNs的多媒体通信提供较多的QoS控制保障。     

粒子群算法在电网无功优化中的应用研究

为解决目前电网系统无功优化潮流计算中存在的问题,如计算量大,计算结果中的各节点电压值可能导致无功电源出力接近极限值,并可能与系统电压安全发生冲突,发电机出力越限等。本文采用带罚函数、学习因子和惯性权重的改进粒子群算法,通过模拟编程,求解了在给定约束条件情况下,两个典型系统（5节点典型系统 和39节点典型系统）的无功优化潮流计算问题。通过计算结果分析比较,总结出了在无功优化计算中,如何对电网中的约束条件进行处理,以及如何设置粒子群算法中的相关参数和范围。并讨论了电网的约束条件对无功优化结果的影响,给出了粒子群算法中罚函数、惯性权重及学习因子等参数的设置原则以及对算法收敛性的影响,并对算法的改进进行了展望。     

Slow coherency and Angle Modulated Particle Swarm Optimization based islanding of large-scale power systems

Power system islanding is an effective way to avoid catastrophic wide area blackouts, such as the 2003 North American Blackout. Islanding of large-scale power systems is a combinatorial explosion problem. Thus, it is very difficult to find an optimal solution within reasonable time using analytical methods. This paper presents a new method to solve this problem. In the proposed method, Angle Modulated Particle Swarm Optimization (AMPSO) is utilized to find islanding solutions for large-scale power systems due to its high computational efficiency. First, desired generator groups are obtained using the slow coherency algorithm. AMPSO is then used to optimize a fitness function defined according to both generation/load balance and similarity to the desired generator grouping. In doing so, the resulting islanding solutions provide good static and dynamic stability. Simulations of power systems of different scales demonstrate the effectiveness of the proposed algorithm.     

供能于无线传感器网络的微型振动发电机结构性能研究

应用微机电加工技术制造的振动发电机可以无限、持续地为无线传感器网络提供能源。为了提高发电能力,通过有限元仿真与实验分析了单压电片型式、双压电片并联型式和双压电片串联型式振动发电机的结构参数对发电能力的影响规律。结果表明,厚度比小的双压电片串联型式发电机输出开路电压较高;存在某一最优负载,在给定的激励频率下,使得输出功率最大;相同材料、结构参数下,双压电片串联和双压电片并联型式发电机的输出功率基本相同且高于单压电片型式发电机。