基于l_∞范数和l_1范数最小化的二自由度最优鲁棒跟踪控制

研究了具有乘摄动模型不确定性并存在未知干扰系统的最优鲁棒跟踪控制问题 .采用二自由度控制器结构Youla参数化方法将最优鲁棒跟踪控制问题转化为两个相互独立的优化问题 :跟踪问题和鲁棒设计问题 .跟踪问题以l∞ 范数为性能指标通过极小化跟踪误差的最大幅值实现最优跟踪控制 ;鲁棒性设计问题中 ,将模型不确定性视为一种外界干扰 ,通过极小化干扰到误差的灵敏度函数的l1范数使得干扰对跟踪误差的影响最小 .通过截断处理 ,上述两种优化问题均可化为标准线性规划问题 .给出了截断阶数与逼近误差之间的关系 .仿真结果表明新方法的有效性 .     

基于L2范数最小化的实时目标跟踪

在贝叶斯推理框架下,基于稀疏表示的跟踪算法能够较好地处理目标在视频场景中的各种复杂的外观变化,取得较为鲁棒的跟踪效果,但算法的计算复杂度很高,很难满足实时性要求。针对稀疏跟踪算法的这一问题,提出了一种基于l2范数最小化的实时目标跟踪算法。将PCA子空间目标表示与l2范数最小化进行结合,去除稀疏跟踪算法中常用的琐碎模板集,建立了基于l2范数最小化的目标表示模型以及将遮挡等因素考虑在内的观测似然度函数。在大量的实验测试集上的对比实验结果显示,该算法和多个非常优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,而且在多个测试集上可以达到每秒20帧的速度。该算法可以很好地应对视频监控场景中遮挡、光线突变、尺度变化和非刚性形变等干扰,同时算法复杂度低,满足了实时要求。     

范数有界型参数不确定性系统的概率鲁棒H∞控制方法

利用确定性鲁棒控制方法对参数摄动的最坏情况进行研究,设计出的控制器具有较大的保守性和较高的控制成本.针对这一问题,建立范数有界型参数不确定性系统模型,分析系统性能的置信概率与参数不确定性随机向量的范数边界之间的关系,提出一种基于概率估计的鲁棒H∞控制方法,该方法能以有限的迭代步数给出一个与系统性能置信概率相关的鲁棒H∞控制器的可行解.最后通过仿真实例验证了所提出方法的有效性.     

一类具有L∞ 范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统, 基于 L_∞ 范数定义了鲁棒稳定化和鲁棒跟踪控制问题. 然后利用反馈线性化技术和Lyapunov方法, 设计了相应的鲁棒控制器. 仿真结果验证了控制器设计的正确性.     

一类具有L∞范数有界扰动的非线性系统鲁棒控制

首先针对不确定非线性系统,基于L∞范数定义了鲁棒稳定化和鲁棒跟踪控制问题.然后利用反馈线性化技术和Lvapunov方法,设计了相应的鲁棒控制器.仿真结果验证了控制器设计的正确性.     

l 1-l 1双范数的最优下边界回归模型辨识

考虑到来自传感器测量数据、模型结构以及参数的不确定性等因素,建模由这些因素导致的下边界模型尤为重要。通过将结构风险最小化理论与逼近误差最小化思想相结合,提出了${\ell _1} - {\ell _1}$ 双范数的最优下边界回归模型建模方法。首先,确定满足下边界回归模型的约束条件。其次,将结构风险的${\ell _2}$范数转化为简单的${\ell _1}$范数优化问题,并将回归模型与实际测量数据之间的逼近误差的${\ell _1}$范数融合到结构风险的${\ell _1}$范数优化问题,再应用较简单的线性规划对双范数的优化问题进行求解获取模型参数。最后,通过来自测量数据以及模型参数不确定性的实验分析,论证了提出方法的最优性,体现在:下边界模型的建模精度通过逼近误差的${\ell _1}$范数得到保证;模型结构复杂性在结构风险的${\ell _1}$范数优化条件下得到有效控制,进而提高其泛化性能。     

不确定性系统的自适应鲁棒跟踪控制

针对存在未知干扰和未建模动态等不确定性的系统的自适应鲁棒跟踪控制问题进行了 探讨.首选将l1优化控制器的有限拍设计方法结合给出了最优鲁棒稳态跟踪控制器的设计方法． 然后利用集员辨识的思想,将名义模型的参数和未建模动态及干扰的大小作为未知参数,提出了 一种递推参数估计方法.最后将上述研究结果结合起来提出了一种自适应鲁棒跟踪控制策略,证 明了自适应算法的全局收敛性并给出了鲁棒跟踪性能指标的一下较紧的上界.与现有的结果相 比,本文提出的自适应控制具有非保守的鲁棒稳定性,具有渐近最优的鲁棒跟踪性能.     

基于光滑l0范数和修正牛顿法的压缩感知重建算法

基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的最优化问题.针对光滑函数的选取以及求解该函数的最优化问题,提出一种基于光滑l0范数和修正牛顿法的重建算法——NSL0算法.首先采用双曲正切函数序列来逼近l0范数,得到一个新的最优化问题;为了提高该优化问题的计算效率,推导出针对双曲正切函数的修正牛顿方向,并采用修正牛顿法进行求解.实验结果表明,在相同的测试条件下,NSL0算法无论在重建效果还是在计算时间方面都明显优于其他同类算法.     

混合l2/l1/2范数的局部组稀疏表示方法

当前基于稀疏表示的行人再识别都是通过松弛l₀正则项为l₁正则项以达到逼近l₀范数稀疏性的目的.在满足有限等距性质(RIP)条件下,l₁和l₀具有等价性,然而在具有杂乱背景、物体遮挡等众多干扰因素的行人再识别任务中,却很难满足RIP条件.因此,文中提出混合l₂/l_1/2范数的组稀疏表示方法,通过将gallery集中同一行人图像序列视为一组,利用l₂范数约束组内结构,l_1/2范数约束组间结构,对遮挡和杂乱背景等干扰因素具有更高的鲁棒性.为了进一步增强模型的判别性,引入人体结构约束,将行人图像划分为若干近邻块区域,针对每一区域分别构造适应性的混合l₂/l_1/2范数的组稀疏模型,最终融合全部稀疏模型得出再识别结果.在当前具有挑战性的2个多行人图像序列数据集PRID 2011和iLIDS-VID上的实验验证文中方法的有效性.     

时变不确定性系统的二自由度最优鲁棒稳态跟踪控制器设计

研究了被控系统存在范数有界的时变模型摄动和未知外部干扰时鲁棒稳态跟踪问题. 利用二自由度控制结构和Youla参数化方法.提出了一个最坏情况稳态绝对误差的精确计算公 式,利用该公式最优稳态跟踪控制器设计问题可化为一个有限维l1优化问题.因此控制器设计 只需解一个标准线性规划问题.此外,还证明了所提出的控制器可同时保证系统的鲁棒稳定性 和最优跟踪性能.仿真结果表明了该方法的有效性和可行性.