基于模糊神经网络的积分自适应控制

将模糊神经网络应用于传统线性积分自适应控制,构造了一类模糊神经自适应方法,用于消除非线性系统响应偏差.模糊神经网构成直接非线性自适应控制器.对线性及非线性对象的仿真控制以及与经典自适应控制的比较,表明了模糊神经自适应控制器的有效性.     

基于递归神经网络的一类非线性无模型系统的自适应控制

给出了基于递归神经网络非线性无模型的自适应控制方案，它具有灵活、简单、方法等特点，可以处理传统方法和非线性无模型系统自适应控制方法不能控制或控制效果不理想的非线性对象。理论分析和仿真结果证明了这种方法的优越性。     

采样非线性系统的动态神经网络稳定自适应控制

研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态 神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系 统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项 和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神 经网络系统的适近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经 网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法 较基于静态神经网络的自适应方法具有更好的性能.     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于神经网络的一类非线性系统的自适应控制

基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。     

基于神经网络与多模型的非线性自适应广义预测控制

针对一类不确定非线性离散时间动态系统, 提出了基于神经网络与多模型的非线性广义预测自适应控制方法. 该自适应控制方法由线性鲁棒广义预测自适应控制器, 神经网络非线性广义预测自适应控制器和切换机制三部分构成. 线性鲁棒广义预测自适应控制器保证闭环系统的输入输出信号有界, 神经网络非线性广义预测自适应控制器能够改善系统的性能. 切换策略通过对上述两种控制器的切换, 保证系统稳定的同时, 改善系统性能. 给出了所提自适应方法的稳定性和收敛性分析. 最后通过仿真实例验证了所提方法的有效性.     

一类非线性多变量系统的多模型自适应控制

针对一类不确定的非线性多变量离散时间动态系统,提出了一种基于切换的多模型自适应控制方法.该控制方法的特点在于以下两个方面:首先,引入一个高阶差分算子使得非线性系统的非线性项的限制条件不再要求全局有界;其次,提出的控制方法由线性自适应控制器、神经网络非线性自适应控制器以及切换机构组成:线性控制器用来保证闭环系统的输入输出信号有界,神经网络非线性控制器用来改善闭环系统的性能,基于性能指标的切换机构在每一时刻选择性能指标较好的控制器对系统进行控制.理论分析和仿真实验说明了提出的多模型自适应控制方法的有效性.     

含有非线性不确定参数的电液系统滑模自适应控制

针对含有非线性不确定参数的电液控制系统, 提出了一种滑模自适应控制方法. 该控制方法主要是为了解决由于初始控制容积的不确定性而引起的, 非线性不确定参数自适应律设计的难题. 其主要特点为, 通过定义一个新型的特Lyapunov 函数, 进而构建系统的自适应控制器及参数自适应律, 并结合滑模控制方法及一种简单的鲁棒设计方法, 给出整个电液系统的滑模自适应控制器, 及所有不确定参数的自适应律. 试验结果表明, 采用该控制方法能够取得良好的性能, 尤其可以补偿非线性不确定参数对系统的影响.     

一类具有输入非线性的线性离散系统的自适应控制方法

本文研究了一类具有控制死区和不对称非线性系统的自适应控制问题。通过把控制死区非线性描述为一个等价的扰动量,提出了一种自适应控制方法,可有效地克服上述非线性的影响。仿真实验的结果表明,无论在确定性场合还是在随机场合,该算法均具有良好特性。     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

余弦调制子带滤波器组迭代设计的改进算法

余弦调制子带滤波器组的设计可以转化成一个高维非线性优化问题,传统迭代设计方法虽然避免了复杂的直接求解过程,但是其混叠误差的抑制依赖于滤波器阻带衰减的大小,设计出的滤波器往往阶数过高。本文提出了一种改进的子带余弦调制滤波器组迭代设计算法,其代价函数除了包括子带系统响应和子带滤波器阻带能量之外,还添加了系统一次混叠项因子,因此更好地抑制了混叠误差。本文将新的代价函数表示成滤波器系数的二次函数形式,并推导出其极值点的闭合解表达式。算法保留了传统迭代方法逐渐逼近极值点的思想,简单易于实现。仿真结果表明与传统迭代设计方法相比,本文算法获得的子带滤波器组具有更小的混叠误差和更低的滤波器阶数。     

一体化装置故障诊断及系统可靠性规划研究*

针对一体化装置的故障预测难题,提出了一体化装置故障诊断模型。通过对模型进行分析,找出系统主要的故障元素及各子系统的故障概率,根据系统可靠性理论,从提高系统可靠性的角度出发,提出了可靠性规划方法,以各个装置分配备用装置的顺序为阶段和装置间所允许使用的总备用个数为状态变量,对主要故障元素进行可靠性规划。最后通过仿真分析,大幅度提高了一体化装置的安全稳定性,结果表明了所提方法的可行性和有效性。     

State-space constrained optimal control problems with control variables appearing linearly

This paper deals with the state-space constrained optimal control problems with control variables appearing linearly by the concept of decomposition. To solve this continuous optimal control problem, we first discretize the time and replace the system of differential equations by difference equations. For this resulting discrete optimal control problem, fixing the value of state variables reduces the given problem to a finite number of independent linear programming problems which are parameterized by the value of state variables. From this point of view, after para. meterizing by the value of state variables, we outer-linearize the resulting itifimal valuo functions in the minimond and apply the relaxation strategy to the new constraints arising as a consequence of outer-linearization. An algorithm is proposed which requires baek-and-forth iteration between a master problem and a finite number of linear programming subproblems. Finite convergence of this algorithm follows directly from the finite number of constraints of the master problem.     

Structure reduction of liveness‐enforcing Petri nets using mixed integer programming

Many deadlock prevention policies existing in the literature are to add control places (CPs) to cope with deadlocks in practical systems modeled with Petri nets. Since the number of CPs determined by these policies is not minimal under the condition that a controlled systems is live, this usually leads to a liveness‐enforcing Petri net supervisor with redundant CPs. Based on mixed integer programming (MIP) and the concept of implicit places (IPs), this paper develops a novel iterative algorithm of simplifying the structural complexity for a live Petri net. Under the condition that liveness is preserved in the iteration, this algorithm computes a feasible solution of an MIP for each CP to confirm whether redundant CPs exist in the live controlled system. Necessary and redundant CPs are then kept in or removed from the simplified live Petri net, respectively. As a result, a live controlled system with simpler structure is obtained, which directly reduces computational cost in further design and verification phases and possibly leads to more permissive behavior. Effectiveness of this algorithm is proved via a theoretic analysis and examples. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

一种基于设计模式的三阶段并行程序设计方法

并行程序的可编程性是并行计算的难点之一，使用传统的方法对非数值问题进行并行求解则更加困难。通过对设计模式概念的扩展，定义了算法模式与结构模式，以此为基础提出了一种基于设计模式的三阶段并行程序设计方法，并通过算法模式库与结构模式库实现对该方法的系统支持，该方法不仅可有于一般的数值问题求解，而且在处理复杂的非数值问题时与传统方法相比要简单得多，通过一个简单的数值问题和一个复杂非数值问题作为实例说明了使用这一方法进行问题并行求解与并行程序设计的过程。     

基于进化规划的区间系统卡尔曼滤波

对不确定系统的最优鲁棒滤波问题, 提出了一种新的方法———进化规划(EP)卡尔曼滤波. 该方法采用EP全局寻优技术, 搜索最优估计区间; 也采用EP全局最优技术, 确定工程中可实现的最优估计标称值. 这种新方法的假设条件与标准的卡尔曼滤波完全相同, 并具有标准的卡尔曼滤波相同的递推结构、相同的最优性. 最后, 给出计算仿真的例子, 并与文 [1]的仿真结果进行了比较. 结果表明, 本文提出的新方法更精确, 有较少的保守性.     

Dual iterative adaptive dynamic programming for a class of discrete-time nonlinear systems with time-delays

In this paper, a new dual iterative adaptive dynamic programming (ADP) algorithm is developed to solve optimal control problems for a class of nonlinear systems with time-delays in state and control variables. The idea is to use the dynamic programming theory to solve the expressions of the optimal performance index function and control. Then, the dual iterative ADP algorithm is introduced to obtain the optimal solutions iteratively, where in each iteration, the performance index function and the system states are both updated. Convergence analysis is presented to prove the performance index function to reach the optimum by the proposed method. Neural networks are used to approximate the performance index function and compute the optimal control policy, respectively, for facilitating the implementation of the dual iterative ADP algorithm. Simulation examples are given to demonstrate the validity of the proposed optimal control scheme.     

A fast algorithm for cellular logic operations on sequential machines

This paper describes an algorithm to efficiently realize repeated Cellular Logic operations. These Cellular Logic operations include erosions and dilations as well as skeletonization (topology-preserving shrinking) and propagation procedures. In the proposed method only those image pixels which might change in an iteration are processed, based on the changed pixels in the previous iteration. Processing times for solid objects (maximum diameter 40 to 200 pixels, 256 × 256 image) on a 10 Mhz Motorola 68000 system range from 250 ms to 400 ms per iteration. A simpler suboptimal method is also described which is 2 to 3 times slower.     

约束非线性系统多变量最优控制研究

近年来，非线性规划算法在最优控制领域中正受到越来越多的关注。该文深人研究并实现了一种新的非线性规划算法——FSQP算法，该算法具有所有迭代点均处于可行域之内、收敛速度较快的特点。提出了一种基于FSQP算法的约束非线性系统最优控制方法。然后，运用该方法解决了带有约束的复杂非线性系统的多变量时间最优控制问题，并通过计算机仿真表明了该控制算法的可行性和良好的控制效果。     

样本有限关联值递归Q学习算法及其收敛性证明

一个激励学习Agent通过学习一个从状态到动作映射的最优策略来解决问题，求解最优决策一般有两种途径：一种是求最大奖赏方法，另一种最求最优费用方法，利用求解最优费用函数的方法给出了一种新的Q学习算法，Q学习算法是求解信息不完全Markov决策问题的一种有效激励学习方法。Watkins提出了Q学习的基本算法，尽管他证明了在满足一定条件下Q值学习的迭代公式的收敛性，但是在他给出的算法中，没有考虑到在迭代过程中初始状态与初始动作的选取对后继学习的影响，因此提出的关联值递归Q学习算法改进了原来的Q学习算法，并且这种算法有比较好的收敛性质，从求解最优费用函数的方法出发，给出了Q学习的关联值递归算法，这种方法的建立可以使得动态规划（DP）算法中的许多结论直接应用到Q学习的研究中来。