基于PSO的RBF神经网络学习算法及其应用

提出了一种基于粒子群优化(PSO)算法的径向基函数(RBF)神经网络学习方法,首先利用减聚类算法确定网络径向基层的单元数,再用PSO对基中心和宽度进行优化,并与最小二乘法相结合训练RBF神经网络。将此算法用于混沌时间序列的预测,实例仿真表明此方法是有效的。  

一种动态改变惯性权重的自适应粒子群算法

针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题,提出一种动态改变惯性权重的自适应粒子群算法.采用种群中平均粒子相似程度作为种群多样性的测度,并用于平衡算法的全局探索和局部开发.基于对惯性权重随种群多样性测度变化的动态分析,建立了惯性权重随种群多样性测度的变化关系,并将其引入该算法中.最后对6个经典测试函数进行仿真,结果表明该算法在平均最优值和成功率上都有所提高,特别是对多峰函数效果更明显.  

网络化控制系统的研究现状与展望

随着网络技术的发展，网络化控制系统日益成为人们关注的课题，特别是目前工业以太网所取得的进展引起人们广泛兴趣。介绍了网络化控制系统的发展过程，在综述网络化控制系统研究现状的基础上，对网络化控制系统的建模、状态估计、信息时延、调度算法、通信约束等方面进行了深入分析，并对其中的建模、网络信息调度的最优化、网络环境下控制理论研究、应用研究等方面的未来发展作了展望。  

不确定时滞Lur'e型控制系统与时滞相关的绝对稳定性

研究了一类参数不确定的具有多个时滞的Lur'e型控制系统与时滞相关绝对稳定性问 题.通过将原系统变换为等价的奇异系统,利用Moon不等式放大向量积,构造出一个新的 Lyapunov-Krasovskii泛函.并由此基于线性矩阵不等式,得到了系统与时滞相关绝对稳定的充分条 件.这些充分条件无须预调任何参数矩阵,可以直接运用Matlab软件中LMI工具箱求解.数值例 子表明,与现有结果相比,本文结果较大地改进了保证不确定时滞Lur'e型控制系统绝对稳定的 时滞界.  

不确定脉冲系统的鲁棒H∞控制

首次提出并研究了不确定脉冲系统的鲁棒H∞控制问题.基于代数Riccati方程正定矩阵解的存在性,建立了不确定脉冲闭环系统具有鲁棒H∞特性的充分性准则,同时给出了相应的状态反馈控制设计方法,并用数值例子说明了所得结果的有效性.  

不确定脉冲系统的鲁棒H∞控制

首次提出并研究了不确定脉冲系统的鲁棒H_∞控制问题. 基于代数Riccati方程正定矩阵解的存在性, 建立了不确定脉冲闭环系统具有鲁棒H_∞特性的充分性准则, 同时给出了相应的状态反馈控制设计方法, 并用数值例子说明了所得结果的有效性.  

基于捕食搜索策略的遗传算法研究*

针对标准遗传算法易陷入局部最优而出现早熟,提出了一种基于捕食搜索策略的遗传算法。该算法在进化中模拟动物捕食搜索的过程,并根据种群中个体最优适应值来动态改变交叉和变异概率,从而加强算法的全局搜索和局部优化的能力。仿真实验表明该算法是有效的。  

基于一致性理论的多机器人系统队形控制

首先回顾了多机器人系统队形控制方面的成果；然后提出一个多机器人队形控制的模型．该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构，也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法，还能表示多机器人系统奔向目标点的行为，在此基础上，利用一致性理论，对系统的稳定性条件进行分析．最后通过仿真证明了该方法的有效性．  

不确定网络控制系统具有H∞性能界的鲁棒控制

针对闭环网络控制系统,在考虑网络数据传输可能发生丢包的情况下,提出了一类不确定切换系统模型.为了量化网络数据丢失的影响,根据网络特点给出了网络传输数据丢包率的数学定义,进一步研究了此类切换系统在某种程度的数据丢包率影响下具有一定H∞性能界的鲁棒状态反馈控制问题.应用H∞鲁棒控制理论及线性矩阵不等式技术得到了全状态反馈控制器的设计方法,以一组线性矩阵不等式表示其主要结果.最后给出了一个具体的数值示例.  

基于仿真的TCP拥塞控制研究

研究了几种不同的TCP拥塞控制算法原理。通过对于TCP Reno和TCP Vegas协议的实验仿真，研究在不同的数据流和不同的网络条件下算法的性能差异。提出了一种改进的RTT估计方法，在拥塞避免阶段，采用时延的指数滑动平均值取代瞬时的RTT。实验表明，这种改进增强了TCP Vcgas对于时延扰动的鲁棒性。