基于反步法的自适应滑模大机动飞行控制

针对飞机大机动飞行时模型非线性和参数不确定性的特点,提出一种非线性反步自适应滑模变结构控制方法．基于反步法的思想适当选取Lyapunov函数,回馈递推得到自适应滑模控制律,并利用一种自适应参数策略的混沌粒子群算法优化控制器的固定参数改善系统性能,同时利用矩阵SDU分解克服高频控制增益矩阵估计时可能存在的奇异问题．仿真结果验证了算法的有效性．     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统，提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数，以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出，而不需要求解Diophantine方程，进而直接递推求解预测控制律，而不需要求解矩阵逆。仿真结果表明，该算法具有良好的跟踪性能和较强的鲁棒性。     

二维阵列结构的流水线可重构路由进化策略

流水线可重构系统设计方法是目前动态可重构系统设计的一种重要设计方法.为进一步提高流水线可重构系统的性能,讨论并提出了一种简洁高效的流水线路由进化策略:包括基于二维阵列结构的流水线路径时延大小的评估函数、可重构单元阵列使用情况的状态矩阵函数和结合评估函数和状态矩阵的最短时延路径搜索算法.通过对算法的仿真,验证了其正确性和有效性,为下一步研究流水线可重构结构路由的硬件进化方法奠定了理论基础.     

基于LMI方法的保性能迭代学习算法设计

研究基于性能的迭代学习算法设计与优化问题.首先定义了迭代域二次型性能函数,然后针对线性离散系统给出了迭代域最优迭代学习算法;基于线性矩阵不等式(LMI)方法,针对不确定线性离散系统给出了保性能迭代学习算法及其优化方法.对于这两类迭代学习算法,只要调整性能函数中的权系数矩阵,便可很好地调整迭代学习收敛速度.另外,保性能迭代学习算法设计及优化过程,可利用MATLAB工具箱很方便地求解.     

基于蚁群算法的机器人系统LQR最优控制研究

针对两轮自平衡机器人线性二次最优控制器(LQR)中的权参数选择问题,提出了一种基于自适应蚁群算法的权矩阵优化参数策略.利用LQR控制器,采用自适应蚁群算法对LQR权矩阵Q的各位参数进行数字寻优,将得到的数字序列进行划分,寻找到最优参数值,从而对两轮自平衡机器人的俯仰属性进行有效的系统控制.仿真实验结果表明:采用蚁群算法优化后的控制器比人工选择参数策略有更好的控制效果,验证了方法的稳定性和有效性.     

基于相似度驱动的线性哈希模型参数再优化方法

哈希学习通过设计和优化目标函数,并结合数据分布,学习得到样本的哈希码表示.在现有哈希学习模型中,线性模型因其高效、便捷的特性得到广泛应用.针对线性模型在哈希学习中的参数优化问题,提出一种基于相似度驱动的线性哈希模型参数再优化方法.该方法可以在不改变现有模型各组成部分的前提下,实现模型参数的再优化,提升模型检索性能.该方法首先通过运行现有哈希算法多次,获得训练集的多个哈希码矩阵,然后基于相似度保持度量标准和融合准则对多个哈希码矩阵进行优化选择,获得训练集的优化哈希矩阵,最后利用该优化哈希矩阵对原模型的参数进行再优化,进而获得更优的哈希学习算法.实验结果表明,该方法对不同的哈希学习算法性能都有较为显著的提升.     

基于正交函数的立式淬火炉控制系统参数辨识

大型立式淬火炉体积庞大,工况复杂,炉内温度分布呈本征非均匀性.为了获得温度控制高精度和高均匀性提出参数辨识算法,包括求解正交函数正、反向积分运算矩阵,以块脉冲函数为基函数利用正交函数变换将由偏微分方程描述的分布参数系统模型转化为最小二乘形式的代数方程.辨识过程中考虑了大型立式淬火炉温度分布参数系统模型边界条件和初始条件的影响,提高了参数辨识精度,算法计算量小且保持了系统的空间分布特性.     

基于增量式Q学习的固定翼无人机跟踪控制性能优化

针对固定翼无人机纵向控制的高性能需求,提出一种控制系统性能优化结构.该结构包括一个使系统稳定的标称控制器和一个参与性能优化的增量式控制器.控制系统增量式的实现不会改变原有的控制系统,而是仅对标称控制系统做控制输入的补偿与控制性能的优化.基于Q学习理论进行增量式控制器设计,针对状态信息完全可获得的系统,设计一种基于状态反馈的增量式Q学习算法.当状态信息不能完全获得时,利用系统输入、输出和参考信号数据,设计一种基于输出反馈的增量式Q学习算法.两种增量式控制器均是在数据驱动环境下自适应学习增量式控制律,无需提前知道系统动力学模型以及标称控制器的控制增益.此外,证明了增量式Q学习方法在满足持续激励条件的激励噪声下,对Q函数贝尔曼方程的求解没有偏差.最后,通过对F-16飞行器纵向模型实例的仿真验证该方法的有效性.     

基于Householder变换的贪婪正交最小二乘辨识算法

针对含有未知时滞的多输入受控自回归系统模型的时滞与参数辨识问题,基于Householder变换探讨一种贪婪正交最小二乘辨识算法.首先,由于各输入通道的时滞未知,通过设置输入数据回归长度对系统模型进行过参数化,得到一个含有稀疏参数向量的高维辨识模型;其次,为了避免最小二乘算法中对高维协方差矩阵的求逆运算,利用Householder变换对信息矩阵进行正交分解,推导基于Householder变换的正交最小二乘算法;然后,为了提高辨识效率,降低辨识成本,推导基于Householder变换的贪婪准则,进而得到基于Householder变换的贪婪正交最小二乘辨识算法,该算法能够在少量采样数据的条件下获得稀疏参数向量的估计值;最后,根据估计的稀疏参数向量的结构得到系统时滞估计.仿真结果表明了所提出算法的有效性.     

参数未知的离散系统Q-学习优化状态估计与控制

控制系统的应用中存在状态不能直接测量或测量成本高的实际问题,给模型参数未知的系统完全利用状态数据学习最优控制器带来挑战性难题.为解决这一问题,首先构建具有状态观测器且系统矩阵中存在未知参数的离散线性增广系统,定义性能优化指标;然后基于分离定理、动态规划以及Q-学习方法,给出一种具有未知模型参数的非策略Q-学习算法,并设计近似最优观测器,得到完全利用可测量的系统输出和控制输入数据的非策略Q-学习算法,实现基于观测器状态反馈的系统优化控制策略,该算法的优点在于不要求系统模型参数全部已知,不要求系统状态直接可测,利用可测量数据实现指定性能指标的优化;最后,通过仿真实验验证所提出方法的有效性.     

Jump linear quadratic regulator with controlled jump rates

Deals with the class of continuous-time linear systems with Markovian jumps. We assume that jump rates are controlled. Our purpose is to study the jump linear quadratic (JLQ) regulator of the class of systems. The structure of the optimal controller is established. For a one-dimensional (1-D) system, an algorithm for solving the corresponding set of coupled Riccati equations of this optimal control problem is provided. Two numerical examples are given to show the usefulness of our results     

Controllability, stabilizability, and continuous-time Markovianjump linear quadratic control

Consideration is given to the control of continuous-time linear systems that possess randomly jumping parameters which can be described by finite-state Markov processes. The relationship between appropriately defined controllability, stabilizability properties, and the solution of the infinite time jump linear quadratic (JLQ) optimal control problems is also examined. Although the solution of the continuous-time Markov JLQ problem with finite or infinite time horizons is known, only sufficient conditions for the existence of finite cost, constant, stabilizing controls for the infinite time problem appear in the literature. In this paper necessary and sufficient conditions are established. These conditions are based on new definitions of controllability, observability, stabilizability, and detectability that are appropriate for continuous-time Markovian jump linear systems. These definitions play the same role for the JLQ problem as the deterministic properties do for the linear quadratic regulator (LQR) problem     

基于遗传算法的随机性（Q，r）库存系统仿真优化

（Q，r）模型是库存管理中的重要控制模型。对于随机性（Q，r）库存系统，难以用解析方法求解最优的库存控制策略。运用仿真优化技术，基于离散事件系统仿真原理，建立了随机性（Q，r）库存系统的仿真模型，设计了一种改进的遗传算法并应用它优化库存系统的库存控制策略。采用面向对象方法实现了仿真模型和改进的遗传算法。仿真实例表明所提出的仿真优化技术是可行且有效的。     

Optimization of dependently controlled jump rates of JLQG problem

The Jump Linear Quadratic Gaussian (JLQG) model is well studied due to its wide applications. However, JLQG with controlled jump rates are rarely researched, while the existing studies usually impose an assumption that jump rates are independent and separately controlled. In practical systems, their jump rates may not be independent of each other. In this paper, we consider a continuous‐time JLQG model with dependently controlled jump rates and formulate it as a two‐level control problem. The low‐level problem is a standard JLQG problem, thus we focus on solution of high‐level problem. We propose a Markov decision process‐based approach to calculate performance gradient with respect to jump rates control variable and develop a gradient‐based optimization algorithm. We present an application of manufacturing system to illustrate the main results of this paper. Copyright © 2009 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Extended state observer-based finite-region control for 2-D Markov jump systems

In this article, an extended state observer-based finite-region control scheme is presented for two-dimensional Markov jump systems with unknown mismatched disturbances. The mathematical model of the two-dimensional Markov jump systems is built on the well-known Roesser model. By establishing special recursive formulas and utilizing the 2-D Lyapunov function theory, sufficient conditions are obtained, which prove that the resultant system is finite-region bounded, if some linear matrix inequalities are achieved. Then, we provide an algorithm to solve the extended state observer-based controller gains. With the proposed control scheme, the external disturbances can be actively rejected from the system outputs. To conclude, a numerical example based on the Darboux equation is provided to demonstrate the validity and effectiveness of the devised control scheme.     

信息物理环境下不确定系统的随机分布式预测控制

针对信息物理系统环境下可能发生的信息丢包问题,提出一种随机分布式预测控制的分析与设计方法.考虑控制器端到执行器端的传输丢包,采用马尔科夫过程对这一丢包过程进行描述.通过对马尔科夫跳变的线性模型进行增广,研究一种具有随机丢包不确定系统的分布式预测控制方法;将系统分解成多个子系统进行描述,研究基于最小最大化优化的分布式预测控制器设计方法,并提出基于迭代交互的子控制器协调算法.将随机分布式预测控制算法在实际电机系统中进行仿真测试,以验证所提出方法的有效性.     

传输时延和时钟同步对以太网控制系统的影响

在分析报文传输时延和时钟同步精度对EPA网络(工业以太网)控制系统的实时性和稳定性的影响的基础上, 提出了新的基于马尔科夫链的时延模型. 给出了在系统稳定的情况下, 通信宏周期、协议传输时延和时钟同步精度应满足的条件. 建立了无丢包情况下的EPA网络控制系统模型. 提出了EPA控制系统稳定时, 可以设置的最小通信宏周期的计算方法.     

磁导航AGV纠偏控制模型的研究与设计

针对轮式移动机器人循迹偏差问题,以差速驱动型AGV为研究对象,基于LQR(LinearQuadratic Regulator)线性二次型最优控制算法设计磁导航AGV纠偏控制器,控制AGV速度实现循迹跟踪。通过对磁导航AGV偏差建模,将决定AGV运行的驱动电机线性化,建立其状态空间模型,判别系统能控、能观性;同时用Matlab进行仿真设计,实验得到最佳Q、R完成最优控制器设计;通过Simulink设计基于LQR最优控制算法的AGV纠偏控制系统模型,并与传统PID控制算法进行对比分析表明,论文设计的基于LQR算法纠偏控制模型具有更好的收敛性和实时响应性。     

参数不确定离散随机系统的加权多模型自适应控制

研究离散时间参数不确定的线性随机系统的加权多模型自适应控制(Weighted multiple model adaptive control, WMMAC)问题,采用一种改进的加权算法,在模型输出误差可分的情况下,可以保证其收敛性;然后在加权收敛的前提下, 借助虚拟等价系统的概念和方法证明了此类加权多模型自适应控制系统的稳定性和收敛性.本文所采用的分析方法和结论不依赖于局部控制策略和加权算法的具体形式, 而只取决于它们的某些属性.最后,基于Matlab对相应的加权多模型自适应控制系统进行了仿真,仿真结果验证了加权算法的收敛性和闭环控制系统的稳定性、收敛性.     

基于改进鲸鱼算法的工控系统入侵检测研究

针对工控入侵检测模型训练时间长、检测率低的问题,文章提出一种改进的鲸鱼算法(IWOA)来优化SVM入侵检测模型中的参数。改进的鲸鱼算法首先引入AFSA的自适应步长和拥挤度因子,加快全局收敛速度,避免种群位置过度拥挤导致的算法早熟现象;其次,在局部搜索中加入高斯变异算子使算法跳出局部最优区域。将IWOA运用到SVM入侵检测模型参数寻优,对工控系统天然气管道数据集进行仿真,仿真结果表明,该模型检测正确率和检测速度明显提高。