物元模型可拓控制的控制算法实现

可拓控制是最近几年发展起来的一种智能控制技术。本文在主要基于可拓集合理论发展起来的控制器模型基础上进行了扩充完善,主要是引入物元来表示控制中的各种信息流,并结合物元变换拓展及物元可拓展运算一起来实现控制算法,而使系统可实现多变量控制,同时因引入文献［４］中的可拓专家系统来实现上层控制器而使控制器的智能大大提高,真正具有创造性的辩证思维能力。     

基于吊车一双摆系统的可拓控制仿真研究

在现有的可拓控制器的结构及算法基础上提出了一种基于最优控制理论的改进的可拓控制算法(LQR-EC),并应用于吊车一双摆这一单入多出系统.借助MATLAB仿真平台对其控制效果进行仿真研究.结果表明,LQR-EC算法具有原理简单、响应快速稳定等特点.     

可拓神经网络研究综述*

介绍了近年来可拓神经网络的发展,对可拓神经网络的基本思想、算法思路、应用研究进行了系统分析,并提出和分析了有待进一步研究的方向和问题。     

基于可拓学的无人机助推火箭自调整机构的设计与实现

对无人机火箭助推起飞问题进行了分析,用形式化的方法明确了研究对象,建立了助推火箭自调整的可拓学模型,通过可拓变换确立了检测量与控制量,并以此为基础设计了可拓控制器,给出了其构建的具体方法并在Matlab中进行了仿真验证。结果表明,基于可拓控制的无人机助推火箭自调整机构具有响应速度快、稳定优秀以及适应能力强等特点。     

可拓自适应混杂控制

针对自适应控制只能处理渐变问题和量变问题的局限性,探讨运用可拓控制对自适应控制进行补充的问题,建立一种新型的控制方法———可拓自适应混杂控制方法.该控制方法的体系结构由自适应控制器和可拓控制器两个部分组成,中间通过基于可拓集合的智能开关来转换连接.自适应控制器的输出计算是基于可拓集合的测度模式的,它只依赖于控制特征量的先验经典域和节域,无需预先提供数学模型或控制结构信息.可拓控制器由可拓模型、关联度计算、可拓分析、可拓变换和优度评价5个模块组成,它善于处理非渐变和质变的控制问题.     

未知环境下基于可拓遗传算法的避障算法

为了提高避障机器人的避障能力和对环境的自适应能力,基于可拓遗传算法,对避障机器人的避障方法进行了研究。通过对避障机器人的可拓分析,提出了一种避障机器人物元模型,通过可拓变换重新认知环境信息,设计了相应的可拓适应度函数,改进了遗传操作。通过仿真分析,结果表明,改进后的可拓遗传算法优化了避障机器人的性能,提高了避障机器人对环境的鲁棒性。     

可拓方法在Unix网络管理中的应用

将可拓方法应用到广域网不同操作系统间的文件传输中，保持主机在一个网络适配器条件下，根据可拓变换的策略，对不同系统计算机的网络配置进行相关修改，从而提高了文件传输速度，解决了经常出现的中断现象，实现了异构系统的计算机网络资源共享和数据通信。     

可拓检测的可拓变换机理

物元变换是可拓检测功能模型的环节之一,变换结果直接影响着能否解决不可测问题。基于可拓学解决矛盾问题的方法,利用相关物元在可拓检测中的重要作用,提出了对不可测物元实施的具体可拓变换方法,研究了可拓检测的可拓变换机理。     

基于可拓学和HowNet的策略生成系统研究进展

在已有可拓策略生成系统框架基础上,利用可拓信息-知识-策略形式化表示体系、HowNet的知识系统描述语言(KDML)和Agent的智能引导,建立了基于可拓学和HowNet的策略生成系统的基本流程和系统框架结构,增强了可拓策略生成系统解决矛盾问题的能力,改善了知识资源缺乏问题,提高了其问题模型建立的准确性和知识处理能力。初步的应用显示了该研究的优越性。把可拓学和HowNet这2个中国原创的理论和应用工具相结合研究策略生成系统,将使这项有别于传统研究思路的基础研究取得重要突破,产生具有完全自主知识产权的成果。这也是为将来能实现矛盾问题的智能化处理作基础性的工作。     

复杂系统中的可拓力

随着经济和科技的发展,各种问题已经日趋复杂化,这些问题相互作用形成了复杂系统.我们需要应用可拓学的方法对相应的复杂系统进行研究和讨论.本文在已提出处理开放复杂巨系统的四种方法的理论基础之上,简要介绍复杂大系统中的可拓力及其表示形式,着重描述研究复杂系统所受的可拓力的基本定律.同时对可拓力的基本定律在复杂大系统中的应用做相应的讨论.最后对可拓力学在今后复杂系统的研究中的应用和可拓力学与复杂系统的模式识别的关系的发展前景作以展望.     

基于灰色预测的可拓控制方法

由于控制系统所固有的滞后性,可拓控制也和其他"事后"控制方法一样,无法实现精准的控制效果.为了克服一般可拓控制的缺点,提出了一种基于灰色预测的可拓控制方法.该方法先对系统输出量进行灰色预测,然后将预测结果与给定值比较,二者差值作为可拓控制器的输入量,再经特征量提取、关联度计算、测度模式识别和控制决策等环节,得到控制量作...     

一种新型的仿人智能控制器的设计方法

本文在文献[1,2]提出的仿人智能控制理论的基础之上,探索了设计其仿人智能控制器的 基本思想和方法,并以伺服控制为例阐明了设计的步骤及其仿真实验结果.     

交通信号公交优先控制策略及智能控制方法

针对公交优先交通信号控制问题,研究了公交优先的信号控制策略,提出了一种变论域模糊神经网络公交优先智能控制方法.提出了基于相位优先度值的公交优先相位选择方法,并给出了其数学描述.建立了绿灯时间的3层模糊控制模型,分别为红灯排队疏散时间、绿灯延长时间和论域调节因子模糊控制器,其中红灯排队疏散时间和绿灯延长时间两个模糊控制器的输出变量均采用变论域,论域的变化考虑混合交通、天气情况、车流转向等因素由论域调节因子模糊控制器确定.模糊控制器采用粒子群优化神经网络实现.仿真结果表明该方法具有较好的公交优先控制效果.     

模糊控制与PID控制的对比及其复合控制

在对PID控制与模糊控制进行对比的基础上提出了一种模糊PID复合控制方案.首先,分别设计了一个常规PID控制器和一个基本模糊控制器;然后,对两种控制方案进行了仿真对比研究,并对它们的优缺点进行了评价;最后,为了将两种方案取长补短、优势互补,设计了一种模糊PID复合型控制器.该复合控制器根据偏差范围的大小,通过模糊控制与...     

光纤通道存储区域网扩展研究

存储扩展是建立数据容灾的基础。文章分析了基于因特网、同步光纤网/同步数字序列(SONET/SDH)和波分复用技术(WDM)的存储扩展工作原理以及它们的流控机制，对存储扩展的性能与扩展距离、流控机制以及与丢包率的关系进行了研究，对提高存储扩展性能的方法进行分析，对不同存储扩展技术的应用进行了归纳。     

Consistent hierarchical economic NMPC for a class of hybrid systems using neighboring-extremal updates

A hierarchical two-layer control algorithm is developed for a class of hybrid (discrete-continuous dynamic) systems to support economically optimal operation of batch or continuous processes with a predefined production schedule. For this class of hybrid systems, the optimal control moves as well as the controlled switching times between two adjacent modes are determined online. In contrast to closely related schemes for integrated scheduling and control, the sequence of modes is not optimized. On the upper layer, the economic optimal control problem is solved rigorously by a slow hybrid economic model predictive controller at a low sampling rate. On the lower layer, a fast hybrid neighboring-extremal controller is based on the same economic optimal control problem as the slow controller to ensure consistency between both layers. The fast neighboring-extremal controller updates rather than tracks the optimal trajectories from the upper layer to account for disturbances. Consequently, the fast controller steers the process to its operational bounds under disturbances and the economic potential of the process is exploited anytime. The suggested two-layer control algorithm provides fully consistent control action on the fast and slow time-scale and thus avoids performance degradation and even infeasibilities which are commonly encountered if inconsistent optimal control problems are formulated and solved.     

自适应反推神经网络的转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制.     

Robust adaptive control for a nonholonomic mobile robot with unknown parameters

A robust adaptive controller for a nonholonomic mobile robot with unknown kinematic and dynamic parameters is proposed. A kinematic controller whose output is the input of the relevant dynamic controller is provided by using the concept of backstepping. An adaptive algorithm is developed in the kinematic controller to approximate the unknown kinematic parameters, and a simple single-layer neural network is used to express the highly nonlinear robot dynamics in terms of the known and unknown parameters. In order to attenuate the effects of the uncertainties and disturbances on tracking performance, a sliding mode control term is added to the dynamic controller. In the deterministic design of feedback controllers for the uncertain dynamic systems, upper bounds on the norm of the uncertainties are an important clue to guarantee the stability of the closed-loop system. However, sometimes these upper bounds may not be easily obtained because of the complexity of the structure of the uncertainties. Thereby, simple adaptation laws are proposed to approximate upper bounds on the norm of the uncertainties to address this problem. The stability of the proposed control system is shown through the Lyapunov method. Lastly, a design example for a mobile robot with two actuated wheels is provided and the feasibility of the controller is demonstrated by numerical simulations.