时域结构不确定性模型有效性分析

针对扰动集为时非进变的情况，研究具有线性分式传递函数的结构不确定性系统的模型有效性分析问题，这里讨论的模型集的不确定怀比文献「１，２」的林大，但计算复杂性与文献「１」相当。将这类模型的有效性分析问题转化为规划问题，并利用遗传算法进行求解。     

基于Map-Reduce模型的云资源调度方法研究

为提高Map-Reduce模型资源调度问题的求解效能,分别考虑Map和Reduce阶段的调度过程,建立带服务质量(QoS)约束的多目标资源调度模型,并提出用于模型求解的混沌多目标粒子群算法。算法采用信息熵理论来维护非支配解集,以保持解的多样性和分布均匀性;在利用Sigma方法实现快速收敛的基础上,引入混沌扰动机制,以提高种群多样性和算法全局寻优能力,避免算法陷入局部最优。实验表明,算法求解所需的迭代次数少,得到的非支配解分布均匀。Map-Reduce资源调度问题的求解过程中,在收敛性和解集的多样性方面,所提算法均明显优于传统多目标粒子群算法。     

基于泰勒级数的迭代学习算法

针对存在不确定扰动的线性时变系统的轨迹跟踪控制问题,提出了基于泰勒级数的迭代学习算法．该算法利用泰勒级数将系统参数化,导出一种基于泰勒级数的线性时变系统的近似模型．在此模型的基础上,利用迭代学习方式修正输入量的泰勒展开系数,并用LMI方法求解学习增益矩阵．所提出算法在系统不满足正则性或无源性时,仍可用输出误差信号来构造学习律．仿真结果表明了该算法的有效性．     

基于神经网络的特征结构并行提取算法研究

为并行实时地提取数据协方差矩阵的信号特征结构,从特征结构并行提取的约束优化问题表示入手,利用梯度方法和迭代法构建了可实时并行提取信号特征向量矩阵的直接神经网络求解法和基于能量函数的神经网络求解算法,并形成了相关迭代学习算法.理论分析表明当数据样本足够大时,算法的迭代结果就是数据协方差矩阵信号特征结构的一个良好估计,同时计算机仿真亦验证了算法的有效性.另外,仿真试验亦表明可以通过调节加权矩阵D的对角元来控制算法的收敛速度.     

基于蜂窝结构的传感器网络覆盖问题求解算法

在无线传感器网络中,求解能够完全覆盖目标区域的最小覆盖集是个NP难问题.在传感器节点数目较多时,目前只能通过近似算法求解.蜂窝结构是覆盖二维平面的最佳拓扑结构,但不能直接用于求解无线传感器网络的覆盖问题.提出了一种基于蜂窝结构的覆盖问题求解算法,在该算法迭代求解过程的每一阶段,选出一个节点加入到初始为空的节点集合中,并使得该节点集合的拓扑结构接近于蜂窝结构,直至该节点集合成为覆盖集.该算法在最坏情况下的时间复杂度为O(n3),这里n为传感器节点总数.实验结果表明该算法可在很短的时间内执行完,在所得覆盖集的大小方面要优于现有的覆盖问题求解算法.     

2维不相关鉴别矢量集算法

在人脸识别算法中,已有的计算不相关鉴别矢量集的算法均是基于图像向量模型的,因而将遇到所谓的小样本问题,而且由于采用迭代求解方式,算法运算速度缓慢,为此提出了一种新的求取不相关鉴别矢量集的算法,即一种基于图像矩阵模型的2维不相关鉴别矢量集算法。算法由于采用了图像矩阵模型,解决了小样本问题,通过对类内散布矩阵的白化变换,使得推广的2维线性鉴别分析模型具有类似的2维主成分分析模型的形式,从而将两种算法的模型有效地联系起来,进而可以非迭代地求得2维不相关鉴别矢量集,不但求解速度快且数值解稳定。在ORL和Yale人脸库上的实验结果表明,该算法不但减少了计算时间,同时也提高了识别率,为求解不相关鉴别矢量集提供了一个新的思路。     

高光谱混合像元分解的稀疏优化算法

提出一种参数自适应估计的高光谱混合像元分解算法。为混合像元分解问题建立新的约束优化模型,该模型的目标函数由L2误差项和Lp正则项构成。利用交替优化方法将模型分解为若干子问题,采用邻近算子方法求解这些子问题。在交替迭代的求解过程中,根据每次迭代的结果自适应地选择模型参数。从理论角度分析了算法的收敛性,并通过实验验证了所提算法的有效性。实验结果还表明,与经典的高光谱混合像元分解算法相比,所建立的模型及提出的求解算法可获得更佳的混合像元分解效果。     

结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中,需要尽可能的去除前馈控制器对系统模型的需求,同时保证高精度和鲁棒性.本文提出了一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法,通过引入基函数参数化的前馈控制器和输入整形滤波器,使用梯度下降法求解最优系统前馈控制器,消除期望轨迹引入的扰动;通过迭代学习控制,消除系统重复性扰动,进一步提高控制精度.算法具有不依赖系统模型,高精度,适用于变轨迹任务的优点.文中给出了相应的仿真,并应用到一个直线电机系统,通过实验验证了算法的有效性.     

基于松弛标号算法的多传感抗差航迹关联

针对多传感抗差航迹关联问题,从理论上分析传感器系统偏差对航迹点集拓扑结构的影响,利用非刚性变换表征两点集之间的拓扑差异.建立抗差航迹关联问题的点模式匹配模型,采用基于松弛标号迭代的非刚性点匹配方法对其进行求解.针对不同测距、测角偏差、目标密度和检测概率水平构造多组典型仿真场景,仿真实验验证了所提出算法的有效性.     

基于非合作博弈的分布式模型预测控制优化算法

针对基于纳什最优的分布式模型预测控制求解算法中存在的迭代次数多、收敛精度不高的缺点,提出了一种基于非合作博弈的分布式模型预测控制优化算法。该方法借鉴非合作博弈论中的针锋相对策略,将每个子系统看作博弈的参与者,在线优化过程中,各个子系统在该策略影响下使所有参与者更快促成合作,从而快速求得整体最优解。仿真表明,与传统的基于纳什最优的迭代求解相比,在给定精度情况下,提出的算法所需的迭代次数要低于传统算法;在给定迭代次数情况下,提出的算法的跟踪性能更优,在外界产生随机扰动时,该算法也具有较好的抗干扰能力。此外,将提出的算法应用于设施环境控制系统中,进一步说明了算法的有效性。     

Validation of linear fractional uncertain models: solutions viamatrix inequalities

A time domain approach is provided in this paper to tackle the problem of model validation pertaining to uncertain models described by linear fractional transforms. Both unstructured and structured dynamic uncertainties are considered. It is shown that in the first case the problem can be solved by finding a feasible solution to a convex optimization problem, while in the second case it amounts to solving a biaffine matrix inequality problem to which only a convex optimization-based necessary condition is given     

结构不确定广义系统的鲁棒动态补偿器

对给定的不确定模式，得出了为保证广义闭环系统Ｈ稳定（或Ｄ稳定）动态补偿器所能容许的不确定上界。     

具有不确定性时滞及仿射结构不确定性过程的简易自适应控制

讨论了具有不确定性时滞及仿射结构不确定系统的简易自适应控制问题.给出了对系统再建模方法,所提出的方法可更精确评价不确定性时滞.通过对受控对象附加鲁棒并行补偿器补偿,设计了简易自适应控制器.     

Convex necessary and sufficient conditions for frequency domain model (in)validation under SLTV structured uncertainty

This paper deals with the problem of model (in)validation of discrete time, causal, linear time-invariant (LTI) stable models subject to slowly linear time-varying structured uncertainty, using frequency domain data corrupted by additive noise. It is well known that in the case of structured LTI uncertainty the problem is NP hard in the number of uncertainty blocks. The main contribution of this paper shows that, on the other hand, if one considers arbitrarily slowly time varying uncertainty and noise in L/sub 2/, then tractable, convex necessary and sufficient conditions for (in)validation can be obtained. Additional results include a discussion of the case where the noise is characterized in terms of the L/sub /spl infin// norm.     

Robust Unobservability for Uncertain Linear Systems With Structured Uncertainty

This correspondence introduces a notion of robust unobservability for a class of uncertain linear systems with structured uncertainty described by averaged integral quadratic constraints. This notion relates to the question of when a state is unobservable for all possible values of the uncertainty. This question may arise which considering modeling and realization theory for uncertain systems. The correspondence presents an algorithm for finding the robust unobservability function and corresponding unobservable cone.     

具有结构不确定性的线性反馈控制系统的鲁棒稳定性

本文研究了具有结构不确定性(Structured Uncertainty)因素的反馈控制系统的鲁棒稳定性问题,对于一个普通的补偿器,给出了闭环系统鲁棒稳定的充要条件,当补偿器满足某些假设条件时,得出了闭环系统鲁棒稳定的有限检验的充分必要条件.     

MIMO Smith predictor: Global and structured robust performance analysis

The purpose of this work is to extend the analysis of the Smith predictor structure to multiple input multiple output (MIMO) systems with uncertain multiple delays. This is applied to the set of models that can be factorized into a rational MIMO model in series with left/right diagonal (multiple) delay matrices. Necessary and sufficient conditions on the plant’s model to achieve this factorization are proved. This factorized structure is instrumental for the structured robustness analysis and applies to multiple pool open flow canals. Nominal and robust performance and stability are analyzed for the case of plants with multiple uncertain delays for two different uncertainty structures: global dynamic and structured parametric. The first uncertainty structure could also accommodate the dynamic uncertainty of the plant’s rational part as well. This analysis is applied to a controller designed for a two-pool canal system.     

具有结构不确定性的输出反馈线性系统的鲁棒稳定性分析

基于向量的幂变换方法，对具有结构不确定性的输出反馈线性系统的鲁棒稳定性问题作了分析。单参数摄动时给出了闭环系统鲁棒稳定的充要条件，多参数摄动时得到了保证系统鲁棒稳定的充分条件，导出了闭环系统鲁棒稳定区域的一种代数表达形式。最后给出了实例。     

Structured singular value of a repeated complex full-block uncertainty

The structured singular value (SSV), or $\mu$, is used to assess the robust stability and performance of an uncertain linear time-invariant system. Existing algorithms compute upper and lower bounds on the SSV for structured uncertainties that contain repeated (real or complex) scalars and/or nonrepeated complex full-blocks. This paper presents algorithms to compute bounds on the SSV for the case of repeated complex full-blocks. This specific class of uncertainty is relevant for the input-output analysis of many convective systems, such as fluid flows. Specifically, we present a power iteration to compute the SSV lower bound for the case of repeated complex full-blocks. This generalizes existing power iterations for repeated complex scalars and nonrepeated complex full-blocks. The upper bound can be formulated as a semi-definite program (SDP), which we solve using a standard interior-point method to compute optimal scaling matrices associated with the repeated full-blocks. Our implementation of the method only requires gradient information, which improves the computational efficiency of the method. Finally, we test our proposed algorithms on an example model of incompressible fluid flow. The proposed methods provide less conservative bounds as compared to prior results, which ignore the repeated full-block structure.