群体系统稳定性的研究现状及线性时变系统的稳定性判定方法

群体系统的稳定性是研究群体系统其它性能的前提条件,本文阐述了其在当前国内外的研究现状,指出当前研究中存在的问题,并提出可能出现的新的研究方法以及研究方向,如非线性群体系统的稳定性分析,关联函数eij属于何种类型函数的确定等。根据一种M-矩阵的判断方法及P-F定理,通过引入两个正参数iτ和pmin,对Siljak等人提出的系统全局最优稳定性判定定理,系统联结稳定性判定定理加以改进,提出了一种线性时变群体系统的稳定性判定方法。此方法简化了计算系统的复杂性,减少了计算量,从而提高了求解效率,具有实际意义。     

离散随机系统的包含原理

提出线性时变离散随机系统的包含原理.根据系统包含的定义,给出系统状态观测 与反馈控制闭环系统的约束条件和聚集条件,使具有重叠结构和模型降阶系统的反馈设计或 LQG设计有充分的选择.     

广义蚁群算法及其在机器人队形变换中的应用

本文提出广义蚁群算法.该算法设有多个蚂蚁群体,各群体的蚁穴和食物位置均不同,而且不同蚁穴对应不同食物.在设定的搜索时间范围内,各群体蚂蚁在蚁穴和食物间搜索到的最短路径上会加强信息素的强度,而调节其它路径上的信息素为零.各群体之间在行动时各走各的路径,不会发生碰撞.在环境改变时各群体会从各自的蚁穴,沿着加强的信息素趋向于各自的食物.将广义蚁群算法和仿射变换应用于机器人队形变换,效果较好.     

Ⅱ型聚集条件下的系统模型降阶

给出系统Ⅱ型聚焦条件，在系统与其Ⅱ型聚集的可控性和可观性Gramians矩阵之积范数之差最小意义下，把系统的Ⅱ型聚集作为其降价模型，用此方法讨论一18阶系统的模型降阶问题。     

改进的粒子群算法在电力系统AGC中的应用

针对自动发电控制(AGC)中的负荷频率控制(LFC),对粒子群算法的计算过程进行了改进,提出了一种能有效的协调粒子群算法的优化精度和优化速度的方法,即动态改变粒子数目。该方法基于粒子群算法对于粒子数目的相对不敏感,可以在不影响精度的前提下大幅度提高优化速度,节约计算时间,适应予优化对象较复杂的情况。并针对单区域和两区域互联电力系统的不同指标要求,给出了用改进的粒子群优化算法优化PI控制器参数的方法,分别进行优化设计。仿真结果显示,其性能明显优于遗传算法优化的PI控制器。     

一类线性时变群体系统稳定性的代数判据

针对在判断群体系统的稳定性时没有一般的方法和程序构造Lyapunov函数这个难点,利用矩阵范数,孤立子系统的矩阵指数函数与比较原理提出了一类线性时变群体系统平凡解一致稳定,所有解一致有界的充分条件。方便此类群体系统的稳定性分析,为研究其他群体系统稳定性的代数判据提供了理论基础。可以在此基础上,进一步研究一类非线性群体系统稳定性的代数判据。同时,还给出了具体算例,说明所提方法的正确性。此代数判据应用简便,灵活,适于实际应用。     

包含原理的群体机器人队形一致协调控制

利用系统包含原理,将重叠互联系统的对对分解与分散协调控制应用于基于Leader-follower方法的机器人队形形成与一致性中,对群体机器人系统重叠展开成由领导者和一个跟随者组成的多个子系统对,同时考虑现实系统中存在的噪声干扰,并根据一致性规则为扩展系统的每个子系统对设计独立的一致协调控制器与观测器。根据系统包含原理相关条件,将分散的控制器与观测器收缩回原系统,实现群体系统的重叠分散一致协调控制,简化了系统的分析与设计。最后,考虑六边形队形结构特点和研究意义,以7个机器人形成正六边形队形为例,用计算机仿真证明了此方法的有效性。     

基于Lévy flight的自适应动态增强烟花算法

为综合解决传统烟花算法爆炸半径可能为零导致资源浪费以及增强烟花算法引入的最小爆炸半径检测机制导致局部搜索能力较弱的问题,针对增强烟花算法提出了两种改进策略：引入自适应动态半径调整策略改进爆炸半径,根据不同阶段的启发式信息,即当前最优烟花距离其他烟花位置的信息,动态调整爆炸半径的大小,来平衡全局和局部搜索能力,该策略可以使算法后期爆炸半径缩小到较小值进行细致的局部搜索;引入具有较强随机性的莱维飞行策略改进爆炸产生火花位置的方式,增强局部搜索的多样性。采用12个标准测试函数及其偏移函数进行实验,相比增强烟花算法,改进后的算法提高了标准函数及其偏移函数的寻优精度,在高维复杂的优化问题上具有较好的收敛能力。     

系统模型降阶平衡法的尾

在Ｍｏｒｅ平衡法和Ｓｃｈｕｒ平衡法的基础上,针对Ｍｏｏｒｅ平衡法在系统的可控性可观性阵非正定无法实施平衡变换,进而不能进行平衡降阶的问题,利用ＬＵ分解对Ｍｏｏｒｅ平衡法做了改进,使之能进行平衡降阶。     

基于贝叶斯背景模型的免携带设备目标定位算法

免携带设备目标定位不需要目标携带任何电子设备或标签来对人或其他物体进行定位。针对现有射频层析成像算法在多径环境中定位精度不理想的问题,提出了一种基于贝叶斯背景模型的定位算法。该算法首先将斜拉普拉斯分布和贝叶斯理论相结合来建立贝叶斯背景模型,用于排除冗余链路;然后对接收信号强度的变化值进行加权处理,从而减小多径效应对目标定位的干扰;最后引入目标位置的后验估计均值对目标位置进行修正,提高定位精度。实验结果表明,该定位算法具有可行性和有效性。