基于BMI的一类不确定分段线性系统的最优控制设计

将不确定分段线性系统的最优控制问题转化成最优控制性能界的优化问题．其中性能上界的优化是以反馈增益为寻优参数的一组双线性矩阵不等式(BMI)问题，对此将遗传算法和内点法结合， 设计了一种混合算法进行求解．最后的算例表明控制律的设计及其求解算法的有效性．     

受扰线性离散系统的前馈2反馈最优控制

研究具有已知动态特性但未知初始条件的持续外界扰动的线性离散系统最优控制问题。给出了前馈一反馈最优控制律的存在唯一性条件，并提出了最优控制律的设计算法．通过降维扰动观测器解决了前馈一反馈最优控制律的物理不可实现问题．对近海结构物振动控制的实例仿真表明，该设计算法易于实现，在抑制外部持续扰动和鲁棒性方面优于经典的状态反馈最优控制。     

带有持续扰动非线性系统的前馈-反馈最优控制

研究具有外界持续扰动作用下非线性系统的最优控制问题,提出了一种设计前馈一反馈最优控制器的逐次逼近算法．利用该算法可将在扰动作用下的非线性系统的最优控制问题转化为求解线性非齐次两点边值序列的问题．得到的最优控制律由解析的线性前馈-反馈项和伴随向量序列极限形式的非线性补偿项组成．通过截取非线性补偿序列的有限项,可得到前馈-反馈次优控制律．仿真结果表明,该方法抑制外部持续扰动的鲁棒性优于经典反馈最优控制．     

具有正弦扰动的时滞系统前馈-反馈次优控制:灵敏度法

研究线性时滞系统在外部正弦扰动作用下的前馈-反馈最优减振问题,提出了一种最优控制律的灵敏度设计方法．通过引入灵敏度参数并围绕它展开幂级数,将系统的最优控制问题简化为不含超前项和时滞项的两点边值问题族．通过截取最优控制级数的有限和获得原系统的前馈-反馈次优控制律．仿真结果表明,与经典状态反馈最优控制相比,本文的算法更加鲁棒,能更加有效地抑制正弦扰动．     

分段线性系统最优反馈控制的综合

本文以明斯克一批学者创建的最优控制问题的算法为基础提出了一个用于解决反馈最优控制问题的新方法。对综合问题给出了一个动态提法，构造了一个用于解决实时最优控制问题的算法。研究对象为具有分段线性输入装置系统在具有控制及终端状态约束下的端点最优控制问题。     

公交优先模糊控制算法研究

为了克服公交定时优先信号控制不够灵活的缺点，设计了公交优先模糊控制算法，该算法以公交误点数值和待行相位排队长度为输入，以当前相位绿灯延时为输出，实现了以路口总延误人数最少为目标的最优控制．借助Matlab 6．5进行仿真，仿真结果表明了该模糊算法的有效性，模糊控制算法延误人数比定时控制下的延误人数平均低26．6％．     

基于控制参数化的切换系统最优控制方法研究

针对一类特殊的混杂系统——切换系统的最优控制问题．利用控制函数参数化方法和时间尺度转化法,将切换系统最优控制问题转化为最优参数选择问题,可利用Miser3．2来求解该问题,这样能有效地简化求解切换系统最优控制的难度,而且算法易于理解,编程易于实现。     

机械臂最优运动规划问题的混合求解

提出一种基于GA和SQP求解机械臂最优运动规划问题的混合算法．首先采用B样条函数逼近关节运动轨迹，将最优控制问题转化为有约束的非线性规划问题，然后引入基于种群的GA算法，给出全局最优解的初始估计；最后利用序列二次规划(SQP)得到高精度全局最优解．仿真结果表明该方法优于单纯的GA或SQP方法。     

混合动力汽车启停巡航系统建模与仿真

以混合动力汽车为研究对象,建立了启停工况下车辆纵向动力学仿真模型,设计了车辆巡航上位控制器与下位控制器.提出一种基于模糊逻辑的最优控制算法应用于上位控制器设计,该算法结合模糊控制的优点,利用模糊逻辑将熟练驾驶员的经验引入到控制器设计中,修正了常规最优控制算法在某些特定情况下不符合实际驾驶状况的控制输出.针对启-停车辆纵...     

一类时滞不确定系统的最优滑模设计

针对一类含状态时滞的线性不确定系统,研究具有二次型性能指标的最优滑动模态的设计问题．基于状态方程的标准型,将最优滑模设计问题转化成线性时滞系统的最优控制问题．针对由最优控制的必要条件导出的一族既含时滞项又含超前项的线性两点边值问题,采用时滞线性系统最优控制灵敏度法,将该问题转化为递推求解一族不含时滞项和超前项变量的线性两点边值问题．通过有限次递推,得到最优滑模的近似解．提出并证明了最优滑动运动渐近稳定的充分条件．仿真示例验证了该方法的有效性．     

一种BM模式匹配算法的改进

模式匹配算法是入侵检测系统中使用较多的一种重要算法。在分析了BM算法以及相关算法的基础上,提出了一种新的改进算法——BMI算法。该算法借鉴了BM算法的思想,并利用了下一字符和末字符的单一性和组合性,有效地提高了最大位移出现的概率。实验测试结果表明该算法能够有效提高匹配过程的效率。     

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。     

SMW算法和DAC算法的并行实现及分析

５１．引言 随着科学技术的发展,对大规模科学计算提出的需求越来越高．一是求解问题的规模越来越大,例如,三维油正模拟、大气和海洋之间的相互作用和核安全分析等都要求解超大规模的非线性方程组（未知数个数高达１０６～１０８）．另一方面是实时性要求越来越迫切,电力系统安全分析、气象预报等方面提出的实时性需求是最好的铭证． 传统的单机串行式地解决问题的方法已经无法满足客观需求,因此各种形式的向量化和并行（乃至并行十向量化）算法的研究受到普遍的重视． 无论用什么方法求解非线性偏微分方程（组）;最终都导致成千上万…     

基于混合遗传算法的重入式流水线调度研究

针对可重入式生产流水线的大规模调度优化问题,提出了一种改进的混合遗传算法。在计算适应值的过程中利用信息素算法的正反馈机制,解决工件在重入环节的竞争问题。并将禁忌搜索算法中独有的记忆功能引入到遗传算法的交叉与变异的进化过程中,可以有效的避免算法早熟和迂回搜索。通过实例仿真,表明改进后的算法相比于普通的遗传算法不仅有较强的收敛性,并且具有更快的寻优功能,是解决复杂调度问题的有效算法。     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上,提出了一种新的遗传混沌优化组合方法.该算法能克服混沌优化在大范围内失效的缺点,并能提高遗传算法的局部搜索能力和搜索精度.同时证明该算法能以概率1收敛到全局最优值.应用该方法对6个测试函数进行优化计算得到了比较满意的结果.     

一种新的遗传混沌优化组合方法

在分析了遗传算法与混沌优化方法的优缺点的基础上, 提出了一种新的遗传混沌优化组合方法. 该算法能克服混沌优化在大范围内失效的缺点, 并能提高遗传算法的局部搜索能力和搜索精度. 同时证明该算法能以概率 1收敛到全局最优值. 应用该方法对 6个测试函数进行优化计算得到了比较满意的结果.     

微粒群与蚂蚁融合的机器人路径规划新算法

针对栅格法建模的不足,研究了一类全新的微粒群与蚂蚁算法融合的机器人路径规划算法。该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行搜索得到全局导航路径,然后用微粒群算法局部调节导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在蚂蚁算法得到的导航路径不佳的情况下,利用本算法也可以规划出一条全局优化路径,且能安全避障。     

故障诊断算法在MapReduce中的优化实现

针对故障诊断算法特点,给出了MapReduce框架实现故障诊断算法的基本方法。通过对故障诊断算法和MapReduce运算框架的分析,得出诊断算法MapReduce化的基本方法和思路。在算法研究的基础上,针对非迭代诊断算法,采用传统MapReduce框架实现。针对迭代诊断算法,采用添加了传送模块的迭代式MapReduce框架实现。分别以最近邻法和模糊C均值聚类算法为例,给出非迭代和迭代诊断算法MapReduce化的具体实现。实验结果表明,本文所提基本方法可以运用在故障诊断算法中,为诊断算法MapReduce化提供依据,将MapReduce运用到故障诊断算法中可以有效提升故障诊断效率。     

A new Lagrangian dual global optimization algorithm for solving bilinear matrix inequalities

A new global optimization algorithm for solving bilinear matrix inequalities (BMI) problems is developed. It is based on a dual Lagrange formulation for computing lower bounds that are used in a branching procedure to eliminate partition sets in the space of complicating variables. The advantage of the proposed method is twofold. First, the lower bound computations reduce to solving easily tractable linear matrix inequality (LMI) problems. Secondly, the lower bounding procedure guarantees global convergence of the algorithm when combined with an exhaustive partitioning of the space of complicating variables. A rigorous proof of this fact is provided. Another important feature is that the branching phase takes place in the space of complicating variables only, hence limiting the overall cost of the algorithm. Also, an important point in the method is that separated LMI constraints are encapsulated into an augmented BMI for improving the lower bound computations. Applications of the algorithm to robust structure/controller design are considered. Copyright © 2000 John Wiley & Sons, Ltd.