双线性系统多目标控制问题研究

研究了双线性系统的多目标控制问题. 首先把多目标控制问题, 通过效用函数技术转化为一个单目标最优控制问题, 其中, 效用函数是多个二次型性能指标的非线性函数, 因此, 在动态规划的意义下是不可分的. 然后, 为了克服不可分对求解带来的困难, 提出了一种两级最优控制算法. 下级用动态规划求解一个参数化的具有双线性---二次型结构的辅助 Lagrangian 问题；上级迭代调整辅助 Lagrangian 问题中的参数向量. 不断重复这个过程, 直至最优性条件被满足.     

基于两级算法的对偶控制

考虑具有未知参数的随机系统的最优控制问题.采用包含新息方差指数项的损失函数优化系统的性能.新的损失函数由两部分组成:第一部分反映了对输出的调节作用;第二部分反映了辩识系统中未知参数应尽可能多地收集系统信息的需求.提出了一种两级优化算法.该算法首先把不可分问题转化为可分的两目标优化问题,再从两目标优化的非劣解集中挑出原问题的最优解.该控制律易于实施且具有对偶特点.仿真结果表明本文所得的控制律的有效性.     

基于最大互信息指标的对偶控制研究

针对参数未知但恒定的随机系统, 研究了基于最大互信息指标的对偶控制. 运用了Kalman滤波器估计随机系统未知参数的方法; 研究了最大互信息指标所具有的对偶特性, 即跟踪理想的目标以及探测未知参数的不确定性; 采用了两级优化算法获得次优对偶控制律. 算例验证了此算法的有效性和可行性.     

具有未知参数的LQG对偶控制算法研究

对于具有未知参数的LQG（Linear quadratic Gaussian）问题,提出了一种次优对偶控制方法,用Kalman滤波处理过程噪声和测量噪声,用前一时刻的后验概率对Cost-to-go进行线性近似,然后,用动态规划获得了次优控制律.最后,用一个例子说明了本文设计的控制器的实施过程.结果表明,该控制律具有良好的对偶性质,并能在学习和控制之间实现较好平衡.     

利用混沌搜索全局最优的一种混合算法

把共轭梯度法与混沌优化方法相结合，提出了一种混合优化算法，该算法能使共轭梯度法跳出局部最优，最终获得全局最优，算法的收敛性也进行证明，仿真表明算法是有效的。     

应用速度变异粒子群的系统辨识方法研究

论文研究了一种利用粒子群优化(PSO)算法对系统模型进行辨识的新方法。该方法的基本思想是将典型的数学模型的相互组合而构成系统模型的新颖辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现了系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了一种利用速度变异的粒子群优化(VMPSO)算法。最后,给出了仿真示例,其结果表明了所给的系统辨识方法的合理性和求解算法的有效性。     

多变量自适应极点配置对偶控制的研究

针对参数未知的多变量差分方程形式的系统,首先利用Kalman滤波器进行参数辨识,根据确定性等价原理对系统进行极点配置;然后利用极点配置得到的非对偶控制器作为标称输入,其对应的输出作为标称输出,进而根据双指标准则进行对偶控制器的设计;最后给出一个仿真实例,验证该算法的可行性和有效性.     

基于支持向量机模糊推理的二级倒立摆控制

本文提出了一种用于非线性系统控制的支持向量机模糊推理模型.该模型利用支持向量机回归的原理,从训练数据中提取模糊规则并进行简化;采用核函数来描述模糊推理系统,该模糊推理系统具有不必事先确定模糊规则数目、良好的泛化能力等优点.使用该模型对直线二级倒立摆系统构造模糊控制器并进行了实验研究,研究结果表明这种新的模糊规则提取方法对于非线性系统的控制是有效的,由支持向量确定的模糊规则不会出现规则数目"爆炸"的问题,该方法在不便事先确定模糊规则的复杂非线性系统控制中有着重要的应用价值.     

新型非线性退化建模与剩余寿命预测

鉴于数据驱动的寿命预测方法多采用线性退化模型建模,而实际退化数据多呈现为非线性形式,为此,提出一种新型非线性退化模型,利用首达时间原理推导出模型剩余寿命概率密度函数的解析表达式,采用极大似然法估计模型中的未知参数,并用AIC准则检验了模型的准确性。通过仿真数据与激光发生器的性能退化数据对模型进行了验证分析,结果表明了新型非线性退化模型的准确性和实用性。