交通诱导预测控制仿真研究

将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法．该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径３ 个重要环节．仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径．

     

电液位置伺服系统的多滑模神经网络控制

针对电液位置伺服系统存在的强非线性,控制增益未知和非匹配不确定性,通过引入神经网络和带饱和层的多滑模面,提出了一种多滑模神经网络控制方法.该方法运用神经网络的万能逼近特性和滑模控制优良的抗干扰特点,采用构造性方法设计控制器.运用光滑投影算法和积分李雅普诺夫技术,避免了参数漂移和控制器奇异问题.理论证明了系统跟踪误差收敛于任意设定的滑模面饱和层内.仿真实验表明了理论结果的有效性.

     

一种离散时间系统变结构控制的新方法

研究离散时间系统变结构控制问题,提出一种新的离散变结构趋近律．利用该趋近律设计的离散变结构控制器,不仅能大幅度削弱抖振,使系统运动最终趋于原点不存在稳态振荡,而且可使系统的准滑动模态保持步步穿越切换面的基本属性,有效地改善了控制品质,提高了系统的鲁棒性．仿真结果验证了该方法的有效性与合理性．

     

基于对象的扩展Petri网协同设计过程分析

针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.

     

控制增益符号未知的MIMO 时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO 非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案 .该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov0Krasovski 泛函抵消了因未知时变时滞带来的系统不确定性. 理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.

     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．

     

基于滑模观测器的永磁同步电机变结构鲁棒控制

提出一种由一个变结构控制器和一个滑模观测器组成的控制系统,用于永磁同步电机的无传感器鲁棒控制.首先利用Lyapunov稳定性原理分析得到观测器的收敛条件及自适应率,并证明了其稳定性;然后以转速误差为参量建立滑模面,构造出变结构速度控制器,推导出自适应速度控制律,并得到速度控制的参考电流和参考电压.该方案的控制性能不依赖于电机参数和干扰变化,具有较强的鲁棒性.仿真结果验证了该方案的有效性与正确性.

     

多项式非线性系统局部镇定控制

针对多项式非线性系统,提出一种用于验证二次型候选Lyapunov函数的数值计算方法.在该方法中,多项式系数被分解成带自由变量的系数矩阵,将正定性验证问题转化为矩阵不等式问题求解.对于局部稳定性分析,采用多个Lyapunov函数来趋近吸引域.每个Lyapunov 函数均在各指定方向上进行最大半径优化.在稳定性分析基础上,提出保收敛率的局部镇定控制器设计方法以扩大吸引域.

     

基于Agent的分形供应链自适应协同计算

应用分形、智能Ａｇｅｎｔ和神经网络自适应控制技术,研究分形供应链适应环境变化的结构模式和策略模式．探讨了分形供应链Ａｇｅｎｔ关联结构,提出了分形供应链双层自适应协同计算模式,论述了资源Ａｇｅｎｔ,信息协调Ａｇｅｎｔ,人机交互Ａｇｅｎｔ和领域计算Ａｇｅｎｔ之间的相互作用关系．以一个分形模块的策略协同为分析对象,研究了领
域单元的自适应协同计算模式,分析了分形模块的成本模型,并对基于Ａｇｅｎｔ交互的神经网络模型部分进行了算例仿真．

     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.

     

云决策分析方法

提出一种基于不确定性人工智能的决策分析方法.该方法利用云理论中的云变换和概念提升方法来刻画属性因素的概念云模型,并对每个因素都分配相应的云权重;使用X-条件云和极大判定法,找出每个因素的最佳评判语言云模型;让云权重参与综合评判,最终通过云计算得到基于云滴分布的综合评价结果.实验结果表明,与传统的模糊决策分析相比,它更具有易理解性,广普适性和高准确性等特点.

     

非线性时滞系统的抖振削弱自适应滑模控制

针对一类非线性时滞系统的鲁棒自适应滑模控制器设计问题,提出了一种基于偏微分变换的自适应滑模控制方法,该方法能够有效地削弱系统的输入抖动．基于自适应滑模控制技术和Ｌｙａｐｕｎｏｖ稳定方法,克服了时滞影响,不但保证系统状态可以在有限的时间内到达滑模面,而且保证了系统的渐近稳定特性．最后给出的仿真结果验证了该控制方案的有效性．

     

新型增益调度变结构控制器的性能比较研究

为了提高变结构控制系统的控制效率,从节省控制能耗,消除颤振,快速进入滑动模态,获取稳定滑动模态等基本要求出发,将变结构控制器设计成具有增益调度控制器参数的增益调度变结构控制器,并提出了增益调度变结构控制器的设计方法.通过选择不同的调度变量,调度变量函数以及调度变量的变化范围,给出6种不同的增益调度变结构控制器,并进行了仿真研究,以比较其控制性能.

     

基于分布参数模型的柔性臂变结构力控制

提出一种基于受约束柔性臂分布参数模型的变结构力控制方法,避免了集中参数模型的缺陷,解决了系统存在模型不确定性和外部干扰影响下的力控制问题.通过Lyapunov函数设计了系统的变结构控制器,其中滑模面设计为系统转动角,转动角速度和柔性臂根部应变的线性组合.利用线性算子半群理论和LaSalle不变集原理,证明了闭环系统的渐近稳定性.仿真结果验证了该方法的有效性.

     

灰色随机多准则决策的优劣势排序法

针对准则值具有灰色性和随机性两种信息不确定的多准则决策问题,提出一种灰色随机多准则决策方法.通过对灰数与白数比较的定义,将随机支配规则推广到对灰色随机变量型准则值的处理中,得出方案之间的随机支配关系;利用一般性准则对该随机支配关系进行转换,构建出优势矩阵和劣势矩阵,得出每一方案的优势流和劣势流,进而确定出方案的排序.最后通过算例说明了所提出方法的可行性和有效性.

     

分数阶控制研究综述

作为控制科学与工程中一个新的研究领域,分数阶控制的研究愈来愈被关注.简要介绍了分数阶控制的数学背景和基本知识,对分数阶控制理论及应用(分数阶系统模型,系统分析,分数阶控制器,非线性分数阶系统$系统辨识)的研究作了总结,评述和展望.

     

不确定离散时间系统积分滑模保性能控制

针对不确定离散时间系统,研究其积分滑模（ＩＳＭ）保性能控制的设计问题．将最优保性能积分滑模面设计问题,转化为一个具有线性矩阵不等式（ＬＭＩ）约束的目标函数凸优化问题,给出了最优保性能积分滑模面存在的充分条件,并结合干扰估计器设计相应的保性能控制器．与传统滑模控制相比较,积分滑模保性能控制系统具有全阶滑动模态,系统的鲁棒性得到加强,消除了控制抖振和稳态抖振．仿真结果验证了该方法的有效性．

     

具有未知死区输入非线性系统的迭代学习控制

针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能.

     

全局稳定的分散自适应神经网络反推跟踪控制

针对一类不确定大规模系统,研究其全局稳定的分散自适应神经网络反推跟踪控制问题.在假设不匹配的未知关联项满足部分已知的非线性Lipschitz条件下,采用神经网络作为前馈补偿器,逼近参考信号作为输入的未知关联函数;设计者可根据参考信号的界预先确定神经网络逼近域,同时保证了闭环系统的全局稳定性.仿真实例验证了控制算法的有效性.

     

一类离散不确定时滞系统的输出反馈变结构控制

针对一类离散不确定时滞系统,提出一种输出反馈变结构控制算法,该算法使系统状态无需完全可测.通过研究离散不确定时滞系统的简约型,基于LMI技术给出了滑模平面的设计方法,推导出了稳定的滑模面存在的充分条件,并将参数不确定性的影响等效为名义时滞系统的外界干扰,利用时延技术对干扰进行在线估计,从而抵消掉系统中的不确定性&采用离散趋近律的方法设计控制律,并通过仿真算例验证了所提出算法的有效性.