一种强跟踪有限差分滤波二元估计算法

针对非线性工业过程测量的滞后性和模型不确定性给系统状态估计和模型参数估计造成的困难,在扩展Kalman滤波器（EKF）的基础上,引入有限差分滤波器（FDEKF）和次优渐消因子,提出了一种强跟踪有限差分滤波状态和参数二元估计算法。该二元估计算法将滤波器分解为参数滤波和状态滤波两个过程,分别估计模型参数和系统状态。最后,将该算法应用于一化学反应过程的仿真,结果表明,这种强跟踪有限差分滤波的二元估计算法在原模型或参数存在偏差的情况下,仍能较准确地估计系统状态和模型参数,并具有较强的数值鲁棒性。     

基于M-估计的UKF算法及其在运动估计中的应用

针对运动模型的非线性和运动估计的鲁棒性问题,提出一种结合M-估计等价加权原理的鲁棒无迹卡尔曼滤波(UKF)算法(M-UKF).该算法首先利用UKF算法获得初步的运动参数的估计,然后利用M-UKF算法得到较为准确的估计值.将M-估计与UKF方法相结合,既解决了针对运动模型非线性的估计问题,又能较好地克服离群数据的干扰,大大提高估计的鲁棒性.通过模拟数据的仿真和实际图像序列的测试说明该方法的有效性.     

基于不确定模型误差系统的变分贝叶斯STCKF

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时, 容易出现性能降低甚至发散. 鉴于此, 提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法. 该算法运用虚拟噪声法补偿模型误差, 假设虚拟噪声均值非零, 且满足高斯分布, 虚拟噪声方差服从逆gamma分布, 在强跟踪容积卡尔曼滤波器估计状态的同时, 采用变分贝叶斯推理估计虚拟噪声参数. 仿真结果表明, 所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度, 相比于自适应算法具有更强的鲁棒性.     

基于UD分解的自适应扩展集员估计方法

用于非线性椭球估计的扩展集员算法在实际应用中存在着数值稳定性差、计算复杂度高以及滤波器参数难以选择等问题. 本文提出了一种基于 UD 分解的自适应扩展集员估计算法, 用于解决非线性系统时变状态和参数的联合估计和定界问题. 新算法将 UD 分解与序列更新和选择更新策略结合起来, 改进了传统扩展集员算法的数值稳定性和实时性能; 同时, 对滤波器参数进行自适应选择以进一步降低计算复杂度并达到次优估计结果. 仿真实验表明了该算法的有效性和鲁棒性.     

随机性参数分布式量化估计及其最优比特分配

本文研究总比特率给定下随机向量参数分布式量化估计及其最优比特分配问题.与现有文献大都假定每个传感器的量化比特率给定而不是最优分配下研究随机性参数的分布式量化估计问题不同的是,本文将综合考虑最优量化器、最优估计器算法以及给定总比特率下的最优比特分配问题.针对向量状态标量观测模型,首先借助现有文献给出基于量化观测的最优估计器及其误差协方差阵形式表达,其次得到各传感器的渐近最优量化器实际为著名的Lloyd-max量化器,且各传感器的渐近最优量化级数与信噪比成正比,同时引入一种次优的求解非负整数比特率的方法.考虑到当传感器数目比较大时,初始的最优估计器算法运算量很大,设计了一种渐近等价的迭代量化估计器算法,其计算负担大大减轻,且对于存在延迟或丢包的网络环境亦适用,增强了算法的鲁棒性.仿真结果表明,本文提出的最优比特分配方案估计性能明显优于一般的均匀比特分配方案.     

模型不确定非线性Markov 跳变系统的滤波算法

针对模型不确定非线性Markov跳变系统,提出一种新的滤波算法.相比于传统交互多模型粒子滤波,该方法通过引入前一时刻的滤波误差来增强原先由于不精确模型而造成权值较小的真实粒子在滤波过程中的作用,以此来改善算法的估计性能.仿真结果表明,该方法在处理含不确定模型参数的非线性Markov跳变系统状态估计问题时具有较好的性能.     

预测PI时滞网络拥塞控制算法设计及性能分析

针对网络中存在的大时滞给主动队列管理算法性能带来的不利影响,将Sm ith预估器与Dahlin算法相结合,提出了一种预测PI拥塞控制算法,首先利用Sm ith预估器补偿时延滞后,克服了大时滞给系统性能带来的影响;然后按Dahlin算法设计控制器,把控制器参数和预估对象模型参数相结合,既减少了整定参数,也避免了参数整定时的相互影响.同时,利用经典控制理论方法分析了系统稳定性和存在链路容量干扰时瓶颈队列的暂态、稳态特性.仿真结果显示预测PI算法控制性能优于RED,PI算法及具有较强的鲁棒性.     

过热汽温系统的Smith预估器参数多目标优化控制*

文中详细分析Smith预估模型参数对控制系统性能的影响,提出一种Smith预估模型参数多目标优化整定的控制方案,利用模型失配有效改善控制系统的性能.针对火电厂过热汽温系统高阶、大惯性及非线性特点,设计一种基于串级PID的Smith预估器参数多目标自调整优化控制系统.对某600MW超临界火电机组过热汽温系统进行仿真控制,结果表明,该方案具有良好的鲁棒性,可有效克服系统的非线性,控制效果明显优于常规的串级PID控制和参数匹配的Smith预估控制系统.     

基于差分进化算法的Wiener模型辨识

DE算法是一类基于种群的启发式全局搜索技术,该算法原理简单,控制参数少,鲁棒性强,具有良好的优化性能.利用差分进化算法对Wiener模型参数进行辨识,把辨识问题等价为以估计参数为优化变量的非线性极小值优化问题,并分析了算法中种群规模NP、缩放因子F、交叉概率CR等控制参数对辨识过程中的全局并行搜索能力和收敛速度的影响,以保证算法的全局收敛性.对Wiener模型的数值仿真结果表明了DE算法在参数辨识问题中的有效性,以及较PSO算法更强的非线性系统辨识能力.     

基于人工蜂群算法的超声回波参数估计

将适用于求解组合优化问题和连续优化问题的人工蜂群算法运用于超声回波的非线性高斯模型,提出了一种基于人工蜂群算法的超声回波参数估计新方法,给出了算法的基本步骤,并在不同初始条件下对算法的性能进行了仿真。仿真结果表明,该算法的估计精度与初始值的选择无关,不仅能成功估计出超声回波模型的各个参数,而且可在全局范围内取得最优解,与超声回波参数估计的蚂蚁算法相比,该算法具有收敛速度快,运行时间短,鲁棒性好,可进行实时处理的优点。     

具有非线性不确定参数的电液伺服系统自适应backstepping控制

针对电液伺服系统中存在非线性不确定参数的问题,提出了一种采用积分型Lyapunov函数的自适应backstepping控制方法.首先定义积分型Lyapunov函数,将电液伺服系统中的非线性不确定参数转化为线性表示;然后逐步递推设计backstepping控制器,同时在控制律中加入阻尼项,从而补偿外界干扰对控制性能的影响;基于Lyapunov稳定性方法,设计了参数自适应律,并且在自适应律中引入充分光滑投影算子,实现对电液伺服系统中不确定参数漂移的抑制作用.搭建了AMESim与MATLAB的联合仿真平台,对所设计的自适应backstepping控制器进行仿真,作为对比,设计了不带有非线性参数估计的自适应backstepping控制器和PID算法.仿真表明,本文所设计的控制器具有良好的跟踪性能和补偿非线性不确定参数变化的能力.     

基于负刚度惯容型非线性能量汇的整星振动抑制

本文将负刚度元件集成到惯容型非线性能量汇中构成负刚度惯容型非线性能量汇,并将此装置应用到整星结构,讨论其减振效果.基于最大幅值减振百分比展示了负刚度惯容型非线性能量汇的减振性能,并通过对比讨论了负刚度元件对惯容型非线性能量汇减振性能的影响.最后讨论了负刚度惯容型非线性能量汇的参数影响及其优化.研究结果表明,作用于整星系统中的新型负刚度惯容型非线性能量汇具有很好的减振性能.     

高速铁道车辆悬挂系统参数化建模、优化与仿真分析

为了协调高速铁道车辆的运动稳定性与曲线通过性能之间的矛盾,本文采用多目标优化方法对一种高速铁道车辆的关键悬挂参数进行了优化处理.采用多体动力学技术建立了某型高速铁道车辆62个自由度的动力学模型,模型考虑了轮轨接触几何非线性、轮轨蠕滑非线性和阻尼非线性等.采用ADAMS-Matlab联合仿真对车辆悬挂系统进行参数化改造,使弹簧刚度和阻尼系数均可调.采用基于遗传算法的多目标优化方法对悬挂参数进行优化,使车辆模型能同时满足3种动力学指标.对比优化前后模型的动力学性能可以发现:模型的运动稳定性和曲线通过性能得到显著提高,虽然运行平稳性有小幅降低,但仍能保持在优良的工作状态.     

Theoretical comparison of quantum Zeno gates and logic gates based on the cross-Kerr nonlinearity

Quantum logic operations can be implemented using nonlinear phase shifts (the Kerr effect) or the quantum Zeno effect based on strong two-photon absorption. Both approaches utilize three-level atoms, where the upper level is tuned on resonance for the Zeno gates and off-resonance for the nonlinear phase gates. The performance of nonlinear phase gates and Zeno gates are compared under conditions where the parameters of the resonant cavities and three-level atoms are the same in both cases. It is found that the expected performance is comparable for the two approaches despite the fundamental differences between the Zeno and Kerr effects.     

机械伺服系统基于模糊神经网络的复合控制

惯性参数大范围变化和低速状态下的非线性摩擦是制约机械伺服系统跟踪性能的主要因素,基于LuGre动态摩擦模型和干扰观测器的补偿控制可以实现非线性摩擦力矩的动态补偿,但状态观测器的设计是基于被控对象的数学模型,当负载惯性参数大范围变化时,上述控制系统性能无法保障,针对上述问题提出一种基于模糊神经网络补偿的状态观测器复合控制,分析了基于模糊神经网络补偿复合控制的理论与实现方法,并以直流电机飞行仿真转台作为被控对象进行了仿真试验,试验结果表明了控制方法的有效性。     

Modeling of dispersive microwave FET devices using a quasi-static approach

In the design of active microwave circuits nonlinear device models are of great importance to allow one to predict the reliability of circuit performance. This article reflects our experimental approach in nonlinear FET modeling. Consistent bias-dependent model elements of the FET small-signal equivalent circuit are obtained by a recently developed unique multibias extraction procedure which permits the reduction of the nonlinear analysis to the inner part of a FET device. A dispersive nonlinear FET model with current and charge sources being integral functions of the bias-dependent small-signal model parameters is proposed. A bias-dependent difference transconductance and difference channel conductance are introduced as relevant dispersion parameters. The proposed nonlinear FET model is verified on the basis of our signal waveform measurement technique using combined frequency- and time-domain signal detection.     

PID controller design for nonlinear systems represented by discrete-time local model networks

This paper deals with proportional–integral–derivative (PID) controller design for nonlinear systems represented by local model networks. The proposed method is based on the concept of parallel distributed compensators where the scheduling of the local model network is adopted for the PID parameters. The proposed design method for nonlinear PID controllers considers closed-loop stability by means of a Lyapunov stability criterion as well as closed-loop performance. All PID parameters are determined by a multi-objective genetic algorithm (multiGA), which handles the trade-off between stability and performance. A simulation example demonstrates the effectiveness of the proposed method.     

一种参数联合优化的网络流量非线性预测模型

为了提高网络流量预测精度,利用相空间重构和神经网络参数间的相互联系,提出一种参数联合优化的网络流量非线性预测模型。将相空间重构和预测模型参数作为粒子群优化算法的粒子,网络流量预测精度作为粒子适应度函数,通过粒子之间相互协作获得全局最优参数,根据最优参数建立最优网络流量非线性预测模型,通过网络流量实例对模型性能进行测试。结果表明,相对于传统参数优化方法,参数联合优化方法大幅度提高了网络流量的预测精度,为非线性预测问题提供了一种新的研究思路。     

Robust control of nonlinear systems with parametric uncertainty

Probabilistic robustness analysis and synthesis for nonlinear systems with uncertain parameters are presented. Monte Carlo simulation is used to estimate the likelihood of system instability and violation of performance requirements subject to variations of the probabilistic system parameters. Stochastic robust control synthesis searches the controller design parameter space to minimize a cost that is a function of the probabilities that design criteria will not be satisfied. The robust control design approach is illustrated by a simple nonlinear example. A modified feedback linearization control is chosen as controller structure, and the design parameters are searched by a genetic algorithm to achieve the tradeoff between stability and performance robustness.     

Application of a robust model reference adaptive control algorithm to a nonlinear automotive actuator

Model reference adaptive control is a viable control method to impose the demanded dynamics on plants whose parameters are affected by large uncertainty. In this paper, we show by means of experiments that robust adaptive methods can effectively face nonlinearities that are common to many automotive electromechanical devices. We consider here, as a representative case study, the control of a strongly nonlinear automotive actuator. The experimental results confirm the effectiveness of the method to cope with unmodeled nonlinear terms and unknown parameters. In addition, the engineering performance indexes computed on experimental data clearly show that the robust adaptive strategy provides better performance compared with those given by a classical model-based control solution with fixed gains.