一类非线性动态系统基于强化学习的最优控制制

提出一类非线性不确定动态系统基于强化学习的最优控制方法. 该方法利用欧拉强化学习算法估计对象的未知非线性函数, 给出了强化学习中回报函数和策略函数迭代的在线学习规则. 通过采用向前欧拉差分迭代公式对学习过程中的时序误差进行离散化, 实现了对值函数的估计和控制策略的改进. 基于值函数的梯度值和时序误差指标值, 给出了该算法的步骤和误差估计定理. 小车爬山问题的仿真结果表明了所提出方法的有效性.

     

基于动态面的高超声速飞行器模糊自适应非线性控制

针对高超声速飞行器模型非线性、多变量和参数不确定特性, 并考虑控制增益变化可能导致控制奇异值问 题, 提出一种基于动态面的模糊自适应非线性控制方法. 根据动态面和动态逆策略, 分别设计了高度和速度跟踪控制 器. 利用模糊自适应方法在线逼近不确定函数项, 并采用Nussbaum 增益技术抑制虚拟控制增益不确定影响, 以减少 在线学习量, 保证系统的半全局一致最终有界性. 仿真结果表明, 所提出的方法可实现飞行器对高度和速度的准确跟 踪控制.

     

具有输入及状态未建模动态系统的输出反馈自适应控制

针对一类具有输入及状态未建模动态的非线性系统, 设计K滤波器来估计系统不可量测状态, 基于动态面控制技术并利用径向基函数神经网络的逼近能力, 提出一种输出反馈自适应跟踪控制方案. 利用Nussbaum 函数性质, 有效地解决了高频增益符号未知问题. 在控制器设计中引入规范化信号来约束输入未建模动态, 从而有效地抑制其产生的扰动. 通过理论分析证明了闭环控制系统是半全局一致终结有界的.

     

基于前景理论的应急方案动态调整方法

针对突发事件的动态性及信息的不确定性等特征, 提出基于前景理论的应急方案动态调整方法. 首先, 对突发事件的问题进行描述, 并提出需要解决的问题; 然后, 根据前景理论中价值函数及权重函数的思想, 对方案动态调整的方法及过程进行阐述; 最后, 通过案例分析, 验证了所提出方法的可行性和有效性.

     

一类输入受限的不确定非仿射非线性系统二阶动态terminal 滑模控制

针对一类输入受限的不确定非仿射非线性系统跟踪控制问题, 提出一种二阶动态terminal 滑模控制策略. 在不损失模型精度, 并考虑系统输入饱和受限的前提下, 给出一种适用于全局的不确定非仿射非线性系统近似方法. 提出小波小脑模型干扰观测器设计方法, 实现复合扰动的有效逼近. 构造辅助系统分析输入饱和对跟踪误差的影响. 通过构造基于PI 滑模面的terminal 二阶滑模面, 给出二阶动态terminal 滑模控制器设计过程, 克服了传统滑模的抖振问题. 仿真结果验证了所提出方法的有效性.

     

基于非线性滤波估计的北斗B1 QPSK 信号跟踪方法

复杂环境下的多普勒频移变化及信号功率衰减均会对载波准确跟踪造成影响. 在研究北斗卫星B1 频点信号结构的基础上, 建立以环路中相关积分值为观测量的非线性EKF 模型和UKF模型, 并提出利用滤波估计状态量进行状态反馈控制的方法, 从而解决了载波跟踪环路在高动态及弱信号环境中难以高性能工作的问题. 实验结果表明,状态反馈控制的EKF 模型和UKF滤波模型能准确地跟踪弱信号及高动态下的信号变化, 从而有效控制跟踪误差, 为实现快速准确的载波跟踪奠定了基础.

     

服务覆盖网络中一种动态流量工程模型与算法

针对服务覆盖网络中的自私路由造成的网络流量失衡将严重影响网络效率和稳定性的问题, 研究如何在覆 盖层应用动态流量工程的方法进行流量优化分配. 基于随机动态优化配流理论, 提出一种服务覆盖网络的动态流量 工程模型, 并设计了分布式的流量工程算法. 该算法可以折衷控制路由的自私与负载均衡的程度. 模拟实验显示, 所 提出的方法较其他方法具有更好的性能, 尤其对于实时动态流量有着较好的适应性.

     

基于参数估计的一类非线性系统故障诊断算法

针对系统模型的不确定性、未知输入扰动和非线性特性, 提出一类非线性系统参数估计的故障诊断算法. 构造系统故障诊断观测器, 采用Lyapunov 稳定性定理验证观测器的稳定性, 通过Barbalat 引理证明满足故障诊断观测器为渐近稳定的表征故障参数的参数估计, 并总结了设计算法流程. 仿真结果表明, 所提出算法具有快速收敛性, 对一类非线性系统诊断效果较好.

     

模糊输出反馈实现动态不确定非线性系统的几乎干扰解耦

研究一类单输入单输出动态不确定非线性系统的几乎干扰解耦问题. 首先设计一类新型的模糊高增益观测器估计非线性系统的未知状态; 然后结合自适应模糊backstepping 控制、小增益定理和改变供能函数方法, 给出鲁棒自适应模糊控制器的设计. 所设计的控制器不仅可以保证整个闭环系统在输入到状态实际稳定意义下稳定, 同时抑制了干扰对输出的影响. 仿真结果表明了所提出控制方法的有效性.

     

非线性系统RBF神经网络多步预测控制

针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.

     

一类具有多种耦合时滞的复杂动态网络的牵制同步

针对一类由Lur'e系统组成的具有多种耦合时滞的加权复杂动态网络,研究其同步问题.只对网络中的一部分节点进行控制,从而使整个被控网络达到同步.基于绝对稳定性理论.得到了保证复杂网络实现全局同步的时滞独立判据.仿真中以蔡氏振荡器组成的复杂网络为例,验证了所提方法的有效性,且表明在某些特殊情况下,只需控制一个节点便可使整个网络达到同步.     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

基于自适应未知输入观测器的非线性动态系统故障诊断

针对以往故障诊断研究中要求故障或故障导数及系统干扰的上界是已知的不足,以及难以同时诊断执行器故障和传感器故障的问题,提出一种自适应未知输入故障诊断观测器,能够同时重构非线性动态系统的执行器故障和传感器故障.首先,利用H_∞性能指标抑制未知输入对故障重构的影响,采用Lyapunov泛函得到观测误差动态系统的稳定性;然后,通过线性矩阵不等式求解观测器增益阵,并实现故障重构;最后,通过直流电机系统的仿真验证了所提出方法的有效性.     

非均匀多采样率非线性系统的模糊辨识

针对非均匀多采样率非线性系统辨识问题, 提出一种基于模糊模型的辨识方法. 首先, 分析了非线性系统在输入信号非均匀周期刷新, 输出信号周期采样的情况下, 非线性系统可以通过提升技术, 利用多个局部的线性模型加权组合来描述; 然后, 提出一个基于GK模糊聚类和递推最小二乘的模糊辨识算法; 最后, 针对化工pH 中和过程非线性系统, 采用非均匀采样数据建立其模糊模型, 以验证所提出方法的有效性.

     

基于在线支持向量回归的非线性模型预测控制方法

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.

     

具有长时延及丢包的网络控制系统H∞ 鲁棒滤波

研究了同时具有大于一个采样周期的随机传输时延及数据包丢失的网络控制系统H∞滤波问题.对于给定的丢包率,滤波误差系统被建模为具有两个事件速率约束的异步动态系统,利用异步动态系统理论给出滤波误差系统满足指数稳定和H∞性能指标的充分条件.H∞滤波器可通过解一组线性矩阵不等式求出.仿真结果验证了所提出方法的有效性.     

时变时滞非线性系统自适应神经网络控制

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统,基于后推设计提出一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函补偿未知时变时滞不确定项.通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题.通过引入一个新的中间变量,保证了虚拟控制求导的正确性.仿真算例表明,所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的,且跟踪误差收敛到零的一个邻域内.     

无线传感器网络中分段贪婪地理路由算法

针对基于地理位置的无线传感器网络路由中存在的路由空洞问题,提出一种新的路由模式:分段贪婪路由.在该模式中,整个路由过程被中间节点序列划分为若干段,在每一段上仅应用贪婪转发策略.为确定合适的中间节点,给出一种基于递归探测的方法,并以GPSR算法为基础探测路由构造了SGR算法.仿真实验表明,在存在不同类型、大小、数量路由空洞的网络环境中,SGR算法均能以较小的探测开销获得接近最优的路由路径,尤其是凹空洞存在的情况.     

严格反馈非线性系统预设性能backstepping 控制器设计

针对一类具有一般形式的严格反馈非线性系统,提出一种基于预设性能的backstepping控制器设计方法.所谓预设性能是指在保证跟踪误差收敛到一个预先设定的任意小的区域的同时,保证收敛速度及超调量满足预先设定的条件.首先引入性能函数的概念,通过误差转化将原始的受限系统转换为等价的非受限系统;然后基于Lyapunov理论进行backstepping控制器的设计,并进行了稳定性分析;最后通过仿真实验验证了所提出方法的正确性.     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.