非线性切换系统的集合稳定性分析

将输出对状态稳定和状态模可观测等概念进行推广,提出了输出对V(x)稳定,小时V(x)可观测,大时间V(x)可观测的定义.利用上述定义,给出了非线性切换系统的V(x)零值集稳定的充分条件.分别利用统一Lyapunov函数和多Lyapunov函数证明了所提出的结论,并详细讨论了输出对V(x)稳定与输出对状态稳定及其他相关定义之间的关系.数值例子验证了所提出结论的正确性.

     

BUCK变换器带恒功率负载反馈精确线性化控制

对BUCK变换器带恒功率负载系统的非线性控制进行了研究.根据恒功率负载的非线性特性,推导出BUCK变换器带恒功率负载的精确线性化反馈控制规律,设计了系统非线性控制器.用SABER软件对控制律进行了仿真,结果表明反馈精确线性化技术可以实现对BUCK变换器带恒功率负载的控制,在电源及负载大范围变化时,保证系统的稳定运行,具有大信号稳定特性.

     

优势模糊粗糙模型及其在审计风险评估中的应用

针对模糊信息系统,建立基于优势关系的粗糙集模型,并给出该模型的多种知识约简定义.通过构造分辨函数,得到了求解优势模糊粗糙集模型的最大分布约简算法.最后将该模型应用于审计风险评估,得到了较为合理的评估规则.

     

线性时变参数系统切换输出反馈控制

考虑时变参数系统的切换H_∞控制问题.提出了由参数触发的切换策略,由此在最小驻留时间的限制下,将线性时变参数系统分解为若干具有范数有界不确定性的子系统.利用多Lyapunov函数方法分别设计各子系统的输出动态反馈控制器,使在切换策略驱动下构成的闭环系统满足H_∞控制性能.仿真算例完整地实现了理论方法,并验证了其有效性.

     

GM(1,1)模型拓广方法研究与应用

为了拓广GM(1,1)模型的适用范围,对GM(1,1)模型进行了两方面的改进:对初始序列进行预处理以改善其光滑性;用GM(1,1)模型的内涵型代替白化响应式作为新的预测公式.理论分析与实验结果表明,改进模型不仅比传统模型的预测精度高,而且完全适用于对高增长序列建模,拓广了GM(1,1)模型的适用范围.

     

决策树支持向量机多分类器设计的向量投影法

针对如何有效地设计决策树支持向量机(SVM)多类分类器的层次结构这个关键问题,提出一种基于向量投影的类间可分性测度的设计方法,并给出一种基于该类间可分性测度设计决策树SVM 多分类器层次结构的方法.为加快每个SVM子分类器的训练速度且保持其高推广性,将基于向量投影的支持向量预选取方法用于每个子分类器的训练中.通过对3个大规模数据集和手写体数字识别的仿真实验表明,新方法能有效地提高决策树SVM类分类器的分类精度和速度.

     

基于辅助模型的多新息广义增广随机梯度算法

将辅助模型辨识思想与多新息辨识理论相结合,利用系统可测信息建立一个辅助模型.分别用辅助模型输出和噪声估计值代替辨识模型信息向量中未知真实输出变量和不可测噪声项,并引入新息长度扩展标量新息为新息向量,提出了Box-Jenkins模型的辅助模型多新息广义增广随机梯度辨识方法.所提出方法重复使用系统数据,能够改善参数估计精度"加快算法的收敛速度.

     

一种过程支持向量机及其在动态模式分类中的应用

针对一般SVM在机制上难以直接对动态模式进行分类的问题,提出了一种基于函数正交基展开的过程支持向量机.该模型的输入为时变函数,输出为模式类别.在输入函数空间中选择一组适当的正交函数基,将输入函数在该组函数基下进行有限项展开,把展开式系数作为核函数的输入.由于时变函数在基函数映射下与展开式系数一一对应,从而可利用SMO 的变换机制实现动态模式分类.给出了基于SMO的求解算法,实验结果验证了模型和算法的有效性.

     

多面体不确定系统时滞依赖鲁棒预测控制

将线性状态变换引入连续时间多面体不确定时滞系统中,利用线性矩阵不等式(LMI)方法,设计时滞相关型鲁棒预测控制器;通过适当选择Lyapunov 函数,推导出闭环系统渐近稳定的充分条件,并且该条件是时滞相关的.仿真算例验证了该方法的有效性.

     

基于无约束优化的非线性支持向量回归

提出利用牛顿法以及共轭梯度法解决非线性支持向量回归学习问题,不仅可以加速模型选择的过程,而且能够提高训练速度.将该方法应用于煤气炉数据集建模以及Mackey-Glass混沌时间序列预测,仿真结果表明了该方法的有效性.

     

基于混沌优化支持向量机的轧制力预测

针对带钢热连轧轧制力的精确预测问题,提出一种基于最小二乘支持向量机模型的预测算法.在分析最小二乘支持向量机数学预测模型的基础上,提出一种改进的结合遗传算法的变尺度混沌优化方法,以进行最优模型参数的搜索.利用实测在线数据对模型进行训练并进行轧制力预测.仿真结果表明,利用该方法可使轧制力预测精度得到提高,平均误差率从BP神经网络的±10%降到±5%以下,为进一步提高热连轧厚度控制精度提供了一种有效方法.

     

基于广义差别矩阵的核和属性约简算法

属性约简是粗糙集理论的重要研究内容.为此引入广义差别矩阵,提出基于广义差别矩阵的核和属性约简算法.该框架可有效避免连续属性值离散化,且有利于与其他机器学习方法相结合.理论分析表明,所提出的算法是有效而可行的.

     

不确定系统鲁棒容错H∞控制的LMI设计方法

针对不确定线性系统,研究了执行器失效情况下鲁棒容错H_∞控制问题.基于连续增益故障模式.利用线性矩阵不等式LMI推导了系统H_∞指标约束下鲁棒容错镇定的充要条件,分别给出了输出反馈和状态反馈H_∞控制器的设计方法.通过引入变量代换,将求解输出反馈H_∞指标约束的鲁棒容错控制器的可解条件转化为标准的LMI所获得的控制器不仅能使故障系统鲁棒定,并且能达到给定的H_∞性能指标.仿真实例验证了所提出设计方法的有效性.

     

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.

     

基于Ｖｏｌｔｅｒｒａ频域核辨识的非线性模拟电路故障诊断

基于Ｖｏｌｔｅｒｒａ级数时域频域混合模型,提出了辨识非线性模拟电路频域核的故障诊断方法．利用混合模型辨识算法和范德蒙特法估计各种故障状态下电路响应的前３阶频域核,提取故障特征并与相应的故障模式一起构成特征样本集,借助于支持向量机多分类器进行分类识别,实现非线性模拟电路的故障诊断．阐述了诊断原理及诊断步骤,并给出了诊断实例．仿真结果表明,该方法的故障识别率较高,便于计算机计算．

     

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.

     

基于观测器的非线性互连系统的自适应模糊控制

针对一类不确定非线性MIMO互连系统,提出一种自适应模糊控制算法.通过设计观测器来估计系统的状态,因此不要求假设系统的状态是可测的.给出的自适应律只对不确定界进行在线调节,从而大大减轻了在线计算负担.该算法能够保证闭环系统的所有信号是一致有界的,并且跟踪误差指数收敛到一个小的零邻域内.仿真结果表明了算法的可行性.

     

基于分片线性函数逼近的非线性观测器设计

综合分片线性函数模型辨识/逼近和鲁棒观测器设计方法,研究了一大类非线性鲁棒观测器设计方法.所提出的算法能有效解决非线性系统的辨识/建模问题,并保证在一定的逼近精度下观测误差可以控制在一定的范围内,且观测误差随着逼近精度的提高而减小.

     

Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Ｓｔｅｗａｒｔ主动隔振平台,提出一种基于径向基函数（ＲＢＦ）神经网络的多输入多输出自适应隔振控制方法．考虑外界振动对Ｓｔｅｗａｒｔ主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型．推导出ＲＢＦ神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数．应用Ｌｙａｐｕｎｏｖ稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和ＲＢＦ神经网络各调节参数估计误差的一致最终有界．仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.

     

基于局部均值与类均值的近邻分类

k-近邻分类是一种流行且成功的非参数分类方法,但其分类性能由于离群点的存在而受到损害.为克服离群点对分类性能的不利影响,提出了一个k-近邻分类的变形和一个基于局部均值向量与类均值向量的近邻分类方法.该方法利用了未分类样本在每个训练类中k个近邻的局部均值的信息和整体均值的知识,不仅能够克服离群点对分类性能的影响,而且取得了比传统的k-近邻分类一致好的分类性能.