不确定性高通量筛选系统的双子代数控制

近年来,对于高通量筛选系统的控制,在确定性情形下已进行了不少工作,其中,双子代数框架下的控制策略执行相对更灵活,效率更高.然而,现有的输出反馈优化控制对性能指标期望系统行为还有特殊的构造要求须满足;而且,实际运行中存在有人工干预、设备维护、意外干扰、故障等带来的不确定性.对这两者考虑的缺失限制了目前高通量筛选系统自动控制的效率.为进一步提高这类新兴离散事件系统的控制效率,基于区间双子代数,将该输出反馈控制结构拓展到系统参数不确定的高通量筛选系统,使之对不确定性高通量筛选系统能自动产生优化控制.继而,将输出反馈与预处理补偿相结合.后者对指标的构造并无特殊要求.综合后的控制结构亦避免了原反馈结构下对性能指标构造的限制.最后通过不同实例说明了对不确定性高通量筛选系统应用该控制结构的方法和有效性.     

基于双子代数的高通量筛选系统优化控制

为了提高控制效率,对一类新兴的离散事件系统,即高通量筛选系统,利用双子代数dioid同时从事件域和时间域进行建模.对于很多离散事件系统,期望的输入输出模型行为是进行优化控制时常用的指标.然而,根据实际控制要求,往往高通量筛选系统的优化指标还会考虑期望的状态轨迹或期望的输出轨迹.对此,研究dioid框架下具有不同优化指标的优化控制结构,并结合状态反馈和输出反馈进行讨论.最后通过实例说明了应用该控制结构的方法.仿真结果表明了所提出的优化控制方法的有效性.     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化（CAPSO）的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进〖JP+1〗行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

高通量筛选系统的双子代数建模

对一类新兴的离散事件系统—–高通量筛选系统而言,max-plus算法是强有力的事件域建模与分析工具,因此,其常被用来进行该系统的建模及控制.然而,有时,尤其是在执行控制策略的时候,需要时间域的描述.为了同时从时间域和事件域高效描述系统,本文利用基于双变量的形式幂级数,把max-plus算法模型扩展为双子代数模型.对可能产生的非因果模型,为便于进行系统分析、仿真和后续的控制,提出了多个相应的基于双变量(时间变量和事件变量)的转换矩阵.通过矩阵转换,得到满足要求的因果模型.最后用实例表明了该方法及其在提高该系统控制效率方面的有效性.