H∞控制理论在纳什均衡动态对策问题中的应用研究

在l2范数有界不确定性扰动影响情况下,把N人线性二次纳什对策问题归结为由非合作、非零和线性二次动态对策及二人零和动态对策组成的复合对策问题;基于纳什均衡对策理论的H∞控制理论方法,给出并证明了不确定环境下纳什对策问题状态反馈解存在的条件及其求解方法;通过一个政府债务稳定问题简例,说明了算法的有效性。     

H_∞控制理论在纳什均衡动态对策问题中的应用研究

在 l2 范数有界不确定性扰动影响情况下 ,把 N人线性二次纳什对策问题归结为由非合作、非零和线性二次动态对策及二人零和动态对策组成的复合对策问题 ;基于纳什均衡对策理论和 H∞ 控制理论方法 ,给出并证明了不确定环境下纳什对策问题状态反馈解存在的条件及其求解方法 ;通过一个政府债务稳定问题简例 ,说明了算法的有效性。     

基于强跟踪H-/H∞优化的无人机系统故障检测

针对一类无人机飞行控制系统故障检测问题,提出基于强跟踪H_-/H_∞优化的故障检测方法。将无人机飞行控制系统的执行器与传感器故障描述为加性信号,在考虑风扰动的情况下,建立无人机纵向飞行控制系统的非线性故障模型。将残差产生器的设计归结为扩展H_-/H_∞最优问题。受强跟踪滤波器的快速收敛性的启发,在设计故障检测滤波器时将强跟踪滤波器与扩展H_-/H_∞最优问题相结合实现无人机飞行控制系统的快速故障检测。以无人机升降舵部分失效故障与空速管堵塞故障为例进行仿真试验。结果表明,提出的方法能够快速实现无人机飞行控制系统的故障检测。基于强跟踪H_-/H_∞优化的故障检测方法可用于无人机飞行控制系统的故障检测。     

资产重组中金融风险的H∞控制理论应用研究

在随机资产模型的基础上，建立了资产重组问题的离散时间系统模型，运用降阶方法推导了在资产重组过程中使风险最小的奇异控制策略．最后，根据复变函数理论求解范数的方法求得了问题的解析解．     

一类不确定离散时间系统的鲁棒故障诊断滤波器优化设计方法

研究线性不确定离散时间系统的鲁棒故障诊断滤波器设计问题。基于新提出的性能指标函数，将不确定离散时间系统的故障诊断漶波器设计问题归结为肌优化问题，并通过选择适当的后滤波器和观测器增益矩阵，得到未知输入和模型不确定性鲁棒性的最优解。     

状态时滞系统故障诊断问题的LM I方法研究

应用H∞控制技术，探讨具有不确定输入以及状态时滞系统的鲁棒故障诊断（FD）问题。以残差对扰动信号L2增益体现其对扰动的鲁棒性，而以其对故障信号的L2增益体现残差对故障信号的灵敏度，研究基于状态观测器的FD系统设计线性矩阵不等式（LMI）方法，给出并证明解存在的条件以及观测器增益矩阵的求解方法。最后通过一个简例说明了算法的有效性。     

一类线性Markov 跳跃区间时滞系统的 鲁棒??∞ 故障检测滤波器设计

研究一类线性Markov跳跃区间时滞系统的鲁棒H∞故障检测滤波器设计问题.采用基于自适应观测器的故障检测滤波器作为残差产生器,将鲁棒H∞故障检测滤波器设计问题归结为随机H∞滤波问题.应用Lyapunov-Krasovskii方法,通过引入松弛矩阵推导证明了问题可解的时滞依赖充分条件,并进一步通过求解线性矩阵不等式给出了故障检测滤波器参数矩阵的解.仿真算例验证了所提出方法的有效性.     

一类随机不确定线性系统鲁棒故障检测问题研究

将一类受乘性随机噪声影响线性系统的基于观测器的残差产生器设计归结为随机意义下的H∞-滤波问题，应用线性矩阵不等式技术．推导问题可解的充分条件，给出观测器增益矩阵的求解方法．另外，根据给定的残差评价函数和闻值，判断故障的发生并估计故障的误报率；或给定残差评价函数和容许故障误报率，通过适当的选取阈值把实际的故障误报率限定在容许的范围内．仿真算例验证了所给算法的有效性．     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。