具有输入死区与扰动的四旋翼无人机自抗扰控制

研究了具有输入死区与扰动的四旋翼无人机的姿态控制问题。由于输入死区普遍存在于四旋翼无人机的执行机构,并且易受到扰动的影响。针对具有输入死区与扰动的四旋翼无人机系统,设计基于自抗扰的动态面控制器。采用自抗扰控制算法设计扩张状态观测器估计系统的总扰动,采用动态面方法设计控制律。所设计的控制器使四旋翼无人机实现对期望姿态角跟踪。仿真结果验证了该方案的有效性。     

随机非线性系统的输出反馈控制

针对满足线性增长条件的一类随机非线性系统, 本文研究了输出反馈镇定问题. 然而不同于现有的所有文献, 由于线性增长条件中含有不可量测的状态, 引入了一个待定的高增益观测器. 利用反推设计技术, 构造性地给出了一个输出反馈控制器的设计, 通过适当地选取高增益参数, 保证了闭环系统的零解是概率意义下全局渐近稳定的, 输出几乎处处调节于零.     

基于改进粒子群的虹膜定位算法

提出了一种改进的粒子群优化算法（IPSO）来解决虹膜定位问题。该算法采用两种速度更新策略来增强种群多样性并提高算法自身的收敛速度,并提出一种变异操作以阻止IPSO陷入局部最优。对虹膜内进行边缘定位时,通过搜索6条直线与虹膜内边缘的交点来获得12个边缘点;另外建立了与这12个点有关的目标函数,并用IPSO来优化该函数。根据IPSO在该函数上的应用,找到一个最合适的圆来拟合虹膜内边缘。进行虹膜外定位时,设计了一个模板来提取虹膜外边界,然后从外边界中选择12个边缘点,并同样使用IPSO找到一个最合适的圆来拟合虹膜外边缘。为了验证基于改进粒子群优化算法的虹膜定位方法（ILA-IPSO）的性能,从中国科学院自动化研究所的数据库中选择了不同个体的108幅虹膜图像。实验结果表明,ILA-IPSO算法要好于其它两种方法,该算法利用最少的定位时间获得了最高的成功率。     

一种基于修正差分进化的虹膜定位算法

提出一种用于虹膜定位的差分进化算法(modified differential evolution,MDE).MDE和原始差分进化算法(differential evolution,DE)主要有3点不同:第一,MDE采用了基于混沌序列的尺度因子和基于均匀分布的交叉率,这有助于提高候选解的多样性;第二,MDE使用中心解来修正最差解的变异操作,这有助于提高候选解的质量;第三,MDE使用最好解来帮助受困解摆脱局部最优点.在搜索边缘前,两种有效的去噪方法被用来减少虹膜图像中噪声的影响.去噪后,再使用MDE和其他4种方法来进行虹膜定位.在中科院(Chinese Academy of Sciences Institute of Automation,CASIA)眼图数据库中选择200幅来自不同个体的虹膜图像来验证和比较MDE及其他4种方法的效率.实验结果表明,与其他4种方法相比,MDE使用更少的执行时间来定位瞳孔边缘和虹膜边缘.     

具有奇整数比次方的随机高阶非线性系统的输出反馈镇定

研究了一类具有奇整数比次方的随机高阶非线性系统的输出反馈控制问题. 通过采用增加幂次积分方法, 引入一个新的标量变换和选取合适的李雅普诺夫函数, 所构造的输出反馈控制器使得闭环系统是依概率全局渐近稳定的, 输出几乎处处调节到原点. 进一步地, 我们解决了依概率逆最优镇定问题. 仿真例子证明了设计方法的有效性.     

一类高阶次随机非线性系统的状态反馈镇定

针对一类高阶次随机非线性系统,研究其状态反馈镇定问题.基于最近发展起来的增加幂次积分器技术,通过适当地选取Lyapunov函数和设计参数,给出了一个光滑的状态反馈反推控制器的设计过程,所设计的控制器保证了闭环系统在原点处的平衡点是概率意义下全局渐近稳定的.     

具有iISS未建模动态的非线性系统的状态反馈调节

针对一类具有积分输入到状态稳定(Integral input-to-state stability, iISS)未建模动态的非线性系统, 本文研究了状态反馈调节问题. 利用反推技术和iISS的性质, 通过恰当地选取设计函数和参数修正律, 给出了一个状态反馈控制器的设计过程. 所设计的控制器保证了闭环系统所有信号的有界性, 并且状态可以渐近调节到零. 仿真例子验证了该控制方案的有效性.     

一类具有积分输入到状态稳定未建模动态的高阶非线性系统的状态反馈调节

本文研究了一类具有积分输入到状态稳定(iISS)未建模动态的高阶非线性系统的状态反馈调节问题.基于反推技术和iISS的性质,通过恰当地选取设计函数和参数修正律,给出了一个状态反馈控制器的设计过程.设计的控制器保证了闭环系统所有信号的有界性,并且状态渐近调节到零.仿真例子验证了该控制方案的有效性.     

基于遗传-细菌觅食组合算法的非线性模型优化

文中提出一种遗传-细菌觅食组合优化算法以解决非线性模型优化问题。该方法先使用遗传算法进行全局搜索,并缩小最优解的搜索范围;再使用细菌觅食优化算法在该局部范围内执行局部搜索。这种组合搜索策略可以增强算法的收敛性,并能有效地均衡全局搜索和局部搜索。文中利用单峰、多峰和复杂多峰等非线性函数模型验证所提算法的性能。实验结果表明,组合算法的计算精度和效率分别比遗传算法和细菌觅食优化算法提高了30%和50%,表明该组合算法具有更快的收敛速度,更高的求解精度,适用于大规模多极值的非线性问题。     

用修正的差分进化算法确定光电模型参数

RsRp模型是研究光伏(PhotoVoltaic,PV)器件特性的一种有效的方法,它兼顾了计算复杂性和精度两个方面。在该模型中有5个参数需要确定,它们分别是光电流PVI,二极管饱和电流oI,二极管理想常数a,串联电阻sR和并联电阻pR。为了能找到准确的PV模型参数,该文提出一种修正的差分进化(Modified Differential Evolution,MDE)算法。MDE在变异中使用不同的尺度因子,有助于提高种群的多样性。另外,它在交叉操作中也采用了不同的交叉率,使自身能够轻易地摆脱局部最优点。实验结果表明,MDE算法能够用较少的时间找到准确的RsRp模型参数,使基于MDE算法和RsRp模型的I-V曲线能与实验点相匹配。