基于内模原理的简单PID自校正预测控制器

论述了ＰＩＤ自校正预测控制器的一种简单设计方法。其主要内容有：内模控制原理；基于内模原理构成ｄ步超前预测控制器；根据ｄ步超前预测信号，设计了ＰＩＤ自校正预测控制器。仿真结果表明：这种控制技术是有效的。     

神经网络在系统辨识与控制中的应用

讨论了人工神经网络辨识的基本方法，分析了神经网络控制的几种基本结构，自校正自适应控制，模型参考自适应控制、自校正内模控制器等，并分别指出了这些控制策略的优、缺点及有待解决的一些问题。     

转子─轴承系统振动的自校正控制

本文给出了一种新型的，用于转子—轴承系统振动的主动控制方案。其主要由可控径向油膜轴承和自校正调节器组成。可控径向轴承作为系统振动的控制元件，通过施加不同的油腔压力而在线地调整转子—轴承系统的动态特性，控制算法由在线参数辩识和基于多步自校正递推预报器的自校正控制器组成。通过测量系统的输入输出值，使转子系统的振动在最小方差意义下最小．仿真计算表明用用本控制方案可以使转子—轴承系统的振动有效地减小．     

一种新的多维级点配置自校正控制方法

本文将传统的闭环极点配置策略与随机最优控制策略相结合，提出一种多维极点配置自校正控制方法，该方法可以在线或离线计算加权阵，克服可测干扰，消除稳态误差。     

基于误差反馈加权校正的DMC控制及仿真

预测控制是目前在工业过程控制领域中应用较广的一类算法。其中由Culter等提出的，建立在非参数模型阶跃响应基础上的动态矩阵控制具有建模简单，计算量少，鲁棒性强等特点。但是动态矩阵控制仍然还存在着克服干扰的定值调节方面质量不高，很难解决扰动信号对系统稳态值的影响及快速调节过程之间的矛盾。由于算法中只利用当前时刻的误差进行反馈校正，而没考虑已发生的误差，造成误差干扰的校正不充分。因此，在动态矩阵控制算法的基础上，采用误差反馈加权校正的思想，运用内模原理，对加权系数进行设计，以提高控制系统的抗干扰性和调节快速性。通过理论分析和仿真实验证实了这种算法的正确性和有效性。     

双马达驱动电液位置伺服系统的同步控制

分析了双马达同步驱动的电液位置伺服系统中，两马达间的耦合机理以及同步误差的影响因素，提出了动态特性一致性校正和同步误差比例微分校正的同步控制方案．研究表明，本控制方案可以保证两马达同步运动，改善系统的动态品质．     

双马达驱动电液位置伺服系统的同步控制

分析了双马达同步驱动的电液位置伺服系统中，两马达间的耦合机理以及同步误差的影响因素，提出了动态特性一致性校正和同步误差比例微分校正的同步控制方案．研究表明，本控制方案可以保证两马达同步运动，改善系统的动态品质．     

带有多重输出误差反馈的改进型内模控制器

本文通过对被控对象模型的传递函数并行结构分解，引入多重输出误差反馈，并根据内模结构来设计系统控制器。理论分析表明，依照上面方式设计的内模控制器，只要适当选择输出误差反馈增益，在被控对象模型与内模相同时，可实现极点配置，从而使内模控制可适用于不稳定对象。文中还给出了设计实例。     

精密机械热误差校正机理及参数遗传优化

在研究精密机械热误差校正机理基础上，提出了主动热校正控制变形误差的精度指标，并研究了减少与增加热控制源对控制精度指标的影响．研究表明主动热校正的控制精度与热控制源数目、控制源位置及控制源的幅值有关，优化的目的是获得最佳的控制源组合及幅值参数，使热误差控制精度指标最小．由于热控制源幅值必须满足一定的设计约束，针对其幅值参数确定的困难性，引入遗传优化算法，该算法具有简单实用的特点，有较强的通用性．实例研究表明，热误差校正控制机理对变形校正控制系统的设计具有指导作用，遗传优化热控制源幅值参数具有快速全局收敛的优点．     

预测控制中逆矩阵的递推求解算法

在各种自校正预测控制算法中，计算最优即时控制时均需在线进行矩阵求逆运算，作者针对各类预测控制算法中需求逆矩阵的普遍情形，采用矩阵分解方法，推导出一种可适用于各类预测控制算法的逆矩阵在线递推求解算法，本算法比传统增广矩阵求逆算法的计算量小，且适用性广，因而采用该算法可显著提高各种自校正预测控制算法的实时性。     

面向P2P特定信息监测的载荷校验算法

提出了一种基于载荷校验算法的P2P特定信息被动监测模型.该模型以P2P特定信息为监测对象,采用二维Bloom Filter算法进行载荷校验,以载荷校验结果为依据判断是否为被监测特定信息.通过对二维Bloom Filter算法的时间性能、空间性能、误判率的分析表明,该算法弥补了现有载荷校验算法占用内存空间大和效率低下的不足,能满足被动监测模型对载荷校验算法的各项性能要求.     

面向P2P特定信息监测的载荷校验算法研究

针对传统的被动监测模型不能对P2P特定信息进行监测的问题,提出了一种基于载荷校验算法的被动监测模型。该模型以P2P特定信息为中心,以载荷校验结果为判断依据进行P2P网络被动监测;针对现有载荷校验算法存在的占用内存空间大和效率低下的缺陷,提出了二维Bloom Filter算法进行载荷校验;最后对二维Bloom Filter算法的时间性能、空间性能、误判率以及相关参数进行了分析。实验结果表明,与现有载荷校验算法相比,二维Bloom Filter算法运行效率高,占用内存少,完全能够满足被动监测模型对载荷校验算法的各项性能要求。     

基于回归模型的Spark任务性能分析方法

为解决Spark任务运行过程中的性能评估与改进问题,本文提出一种基于启发式算法和支持向量机回归模型的Spark性能评价与分析方法.本文首先提出一种启发式性能评价算法,该方法采用Ganglia收集并处理Spark任务运行时的集群资源消耗数据,根据k-means算法划分任务类型,并根据任务类型确定启发式性能评价算法的评价指标和初始权重.然后,从Spark历史服务器中收集并处理任务运行效率数据,与集群资源消耗数据一并作为Spark任务运行时的状态数据.最后,根据状态数据迭代确定启发式性能评价算法的最终权重,以此建立Spark性能评价回归模型.本文随后提出一种基于支持向量机SVM回归算法(SVR)的Spark性能分析方法.该方法对Spark配置参数与整体性能建立回归模型,然后对该回归模型进行敏感度分析,找到能够影响Spark性能的重要参数.实验结果表明,启发式性能评价算法能够量化Spark任务资源消耗和运行效率等各方面性能,比较全面地评估任务的整体性能.基于SVR的性能分析方法能够比较有效地应用于Spark任务的实际分析中,形成初步的Spark任务性能调优建议.     

基于机群系统的N体问题调度算法

采用合理的任务调度策略能有效地降低N体问题求解时间,对大量科学与工程应用具有重要意义。为此,在机群计算平台上,设计了N体问题的并行算法,推导出该算法的性能模型。同时,针对机群的特点。提出了基于整数规划的N体问题自适应调度算法．实验表明,并行算法具有良好的可扩展性,性能模型正确,基于整数规划调度算法较典型调度策略高效．     

一种对资源不稳定性敏感的EASY-backfill算法

网格将分布式的计算节点连接起来,形成一个集中的计算和资源环境.网格环境中的任务调度对于网格的运算效率和整体性能有很大的影响.EASY-backfill算法作为经典的动态网格任务调度算法,有着算法简单、运算量小、调度性能优秀等诸多优点,但其算法条件对于计算资源的假设是理想绝对稳定的,同时认为任务的性能预测是精确可靠的,这显然不符合实际情况.首先建立不稳定计算资源的模型,在该模型下改进EASY-backfill算法,使其能够在感知计算资源的不稳定性的条件下,保持算法原有的效果;然后,把经典EASY-backfill算法与改进算法作了比较;最后,就不稳定计算资源模型的相关参数对算法造成的影响进行了讨论.     

基于ISSA的多变量ORVFL网络自适应预测控制

针对多输入多输出（Multiple?Input Multiple?Output, MIMO）的非线性系统,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）的在线序列随机权值网络( Online Random Vector Functional?Link Net, ORVFL)自适应预测控制算法(ISSA?MPC)。该算法采用ORVFL网络逼近非线性系统模型,并用于系统过程的多步预测。为了提高麻雀搜索算法的性能,使用该算法对系统性能指标进行了在线优化,求解了每一个采样周期的最优控制律。结果表明,该算法控制性能良好并具有较好的抗模型失配能力。     

基于零模型的社区检测基准网络构造及应用

社区检测对于探索挖掘复杂网络的结构特性具有重要意义,社区检测算法性能对于检测结果具有重要影响。目前用于衡量社区检测算法性能的基准测试网络较为单一,主要包括人工合成网络和真实世界网络。由于真实世界网络中通常缺乏已知社区结构信息,人工合成网络成为衡量算法性能的主要途径,但普遍存在网络微观特性不可调且与真实世界网络差异较大、对检测算法区分度不高、无法更改局部网络结构等问题。为提升人工合成网络性能,该文提出基于零模型的基准测试网络构造方法,首先设计了能够保持中尺度特性的零模型,提升网络微观特性调整灵活度,使其更逼近真实世界网络结构特性;其次设计了能够调整社区结构强弱的零模型,提升网络社区检测的评价准确性;最后设计了能够调整局部拓扑结构的零模型,有效衡量局部社区结构特性变化对于整体网络结构及检测算法性能的重要性。实验结果表明,基于零模型的构造方法能够有效提升基准测试网络的多样性和灵活性,更加逼近真实世界网络特性,因此更能满足对于社区检测算法性能的评价需求,对于提升复杂网络社区检测性能具有重要意义。     

基于自适应逆控制的永磁同步电动机控制系统

为进一步提高交流永磁同步电动机控制性能,本文提出了基于自适应逆控制的永磁同步电动机控制系统,采用基于递推最小二乘BP（RLS-BP）算法,对永磁同步电动机系统的进行建模、逆建模和自适应控制器的设计。提高了永磁同步电动机系统建模和逆建模的辨识收敛速度以及辨识精度和系统控制精度。仿真结果表明,基于本文提出的自适应逆控制方法的永磁同步电动机系统,具有良好的动态响应,并且在电机参数摄动情况下具有较强的鲁棒性。     

非线性系统的梯度变分迭代自学习控制

研究了一类非线性系统的梯度变分迭代自学习算法,以提高此类非线性系统的控制品质.梯度变分迭代自学习算法是针对符合某一类范式的周期性或重复性输出控制的非线性系统而设计的一种自寻优自学习算法.该算法针对一类非线性系统的数学描述模型,给出了性能指标函数,通过梯度变分的方法寻找性能指标函数梯度的负方向,并利用迭代自学习得到性能指标函数的最小值,使系统收敛于目标输出.将该算法应用于极端环境模拟装置的压力控制系统,取得了比传统控制算法更高的效率与更快的收敛速度.梯度变分迭代自学习算法是符合一类数学模型的非线性系统的一种高效控制算法.     

一种基于极大似然准则的自适应卡尔曼滤波算法

在系统不能确切建模或模型本身会产生改变的应用场合，传统卡尔曼滤波算法的性能受到直接影响，甚至无法正常应用。基于标准卡尔曼滤波假设，利用极大似然估计准则推导了一种新的自适应卡尔曼滤波算法，这种滤波算法的主要思路是利用新息序列对系统和量测噪声方差阵Q和R实时估计和调整，以实时反映系统模型的变化。在相关理论分析的基础上，针对低成本惯性／GPS组合导航系统对这种自适应卡尔曼滤波方法的性能进行了仿真分析，与传统卡尔曼滤波算法进行了比较，探讨了这种算法的实用性。