连续时间非线性时滞系统的协状态预测算法

研究了非线性连续时间时滞系统的最优控制问题，提出了基于线性时滞模型的协状态预测算法，在模型与实际存在差异的情况下，给出了原问题的最优解，该算法具有每次迭代的计算简单，易于实现等优点，仿真结果验证了这一结论。     

受扰线性离散时滞系统的前馈-反馈最优控制

为研究含外界确定扰动的线性离散时滞系统的前馈-反馈最优控制(FFOC)问题,提出了设计FFOC的逐次逼近法.首先构造了一个其解收敛于原时滞系统的无时滞系统序列,然后将离散时滞系统的最优控制问题化为求解无时滞系统最优控制序列问题,通过截取最优控制序列解的有限项,得到系统的前馈-反馈次优控制律.仿真算例表明,该算法是有效的,且对外部确定扰动具有良好的鲁棒性.     

连续时间非齐次双线性二次型最优控制迭代算法

在基于双线性模型的连续时间非线性最优控制的ＤＩＳＯＰＥ算法中,每次迭代都要求解连续时间非齐次双线性二次型问题。针对这一问题提出了新的迭代求解算法,分析了该算法收敛性的一个充分条件和最优性,为基于双线性模型求解非线性最优控制问题提供了有效方法。     

辨识方法的计算效率(2):迭代算法

讨论了最小二乘迭代辨识算法及其计算效率问题.最小二乘迭代算法由于涉及矩阵求逆运算,为减小计算量,提出了基于块矩阵求逆的最小二乘迭代辨识算法.基于块矩阵求逆的最小二乘迭代辨识算法不是一种新算法,只是从辨识算法的实现方式上降低计算负担,它与最小二乘迭代算法产生相同的参数估计,但计算量小.文中研究了伪线性回归系统、多元伪线性回归系统、多变量伪线性回归系统的最小二乘迭代辨识算法及其基于块矩阵求逆的最小二乘迭代算法.     

同元次分数阶模型的一种具有稳定约束的频域辨识算法

摘 要：为了进一步提高同元次分数阶模型的辨识精度与可靠性,提出一种具有稳定约束的可分离非线性最小二乘法(记为:SC-SNLS)来优化频域均方误差指标函数。模型中线性参数与非线性参数分别用最小二乘法与Levenberg-Marquardt(LM)法来交替迭代估计。通过对线性参数估计值的扰动分析,揭示了优化算法的四种不稳定因素,并在迭代中加以约束与处理,从而增强优化算法的稳定性与收敛性。仿真结果表明,该辨识算法性能优于相关的算法,具有更高的辨识精度与收敛速度。     

基于自适应权重PSO的模型参数估计算法

将自适应权重PSO算法应用到了模型参数估计中,提出了基于改进PSO算法的模型参数估计算法,介绍了该算法用于模型参数估计的步骤和方法,并采用所提算法对线性模型和非线性模型两个实例进行了仿真研究,证明了改进PSO算法应用于模型参数估计的有效性,参数估计的效率和精度均优于传统方法.     

基于时滞混沌系统的带密钥Hash函数的设计与分析

提出了一种基于时滞混沌系统的带密钥Hash函数算法,该算法利用时滞混沌系统非线性动力学特性,将需要传送的明文信息调制在时滞混沌迭代的轨迹中,并通过HMAC-MD5算法计算得出Hash值,Hash值的每个比特都与需传送的明文信息相关.该算法使Hash值对明文信息及时滞混沌迭代初始条件的微小变化高度敏感.理论分析和仿真结果...     

模型自由的离散时间系统的随机线性二次最优控制

针对模型自由的随机线性离散时间系统,通过Q 学习算法求解无限时间随机线性二次最优控制问题。首先根据贝尔曼最优性原理定义Q函数,通过值迭代算法的思想构造Q 学习算法;其次给出Q 学习算法的等价形式并证明其收敛性;最后通过一个仿真实例说明Q 学习算法的有效性。     

基于迭代ADP算法的污水处理过程最优控制

针对污水处理过程(wastewater treatment process,WWTP)中溶解氧质量浓度和硝态氮质量浓度的最优控制问题,提出了一种基于迭代自适应动态规划(adaptive dynamic programming,ADP)算法的最优控制策略.该策略无须知道污水处理过程的非线性动力学模型,只需污水处理系统的输入输出观测信息,设计基于ADP强化学习原理的控制体系结构,并利用神经网络辨识特性,通过在线迭代来逼近性能评价指标和最优控制策略.实验结果表明:该控制器相对于传统的PID控制策略,提高了污水处理过程的控制精度,系统鲁棒性也明显增强,控制性能更优.     

线性离散时滞系统次优控制的灵敏度法

研究离散时滞系统的次优控制问题.通过在系统中引入一个灵敏度参数并将系统变量关于灵敏度参数展开Maclaurin级数,使求解最优控制的两点边值问题化为一族线性两点边值问题.利用截取最优控制级数的有限项构成系统的次优控制律.实例证明该方法计算量较少.     

模糊预测控制在非线性时滞系统中的应用

针对工业控制系统中的非线性、时滞两大难题,结合预测控制中典型的动态矩阵控制(DMC)算法对时滞、模型失配、畸变、干扰等引起的不确定性能够及时得到弥补的优点以及T-S模糊模型对非线性系统良好描述的特性,将模糊控制与预测控制有机结合起来,根据被控对象工作点的变化实时选择模糊规则所对应的阶跃响应模型向量,结合DMC控制算法得到最优控制量,将基于线性系统建模的预测控制应用于非线性时滞系统控制中.     

基于压缩感知的码片内多径时延估计

针对码片内多径时延难以估计的问题,结合PN序列的伪随机特性和一般信道冲激响应的稀疏特性,提出了一种基于压缩感知的时延估计算法,将时延估计问题转化为稀疏向量的估计问题。利用压缩感知方法估计稀疏向量,对向量只有稀疏度要求,而对向量中非零值的位置没有任何要求,所以本文提出的算法对码片内多径具有分辨能力。通过仿真实验验证了文中提出的算法在低信噪比下对码片内多径时延估计具有鲁棒性,并且得出了算法运算量与稀疏向量维数之间的关系。     

A Two－Stage Approach of Integrated Parameter Identification and State Estimation

ＡＴｗｏ－ＳｔａｇｅＡｐｐｒｏａｃｈｏｆＩｎｔｅｇｒａｔｅｄＰａｒａｍｅｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＳｔａｔｅＥｓｔｉｍａｔｉｏｎＺＨＯＵＬｕ；ＷＵＹａｏｈｕａ；ＨＵＡＮＧＷｅｎｈｕ；ＷＥＮＸｉｎ（周露）（吴瑶华）（黄文虎）（闻新）（Ｄｅ...     

带有乘性噪声的时滞系统多传感器信息融合

研究了带有乘性噪声的线性时滞系统的局部最优预报估计和全局最优线性加权信息融合问题。 通过虚拟噪声补偿技术,将该问题转化为一类带有未知时变噪声的随机系统的状态最优估计问题。基于等价系统的新息重组分析及Hilbert空间上的投影定理,给出局部最优预报器设计,进而通过求解与各单传感器子系统有相同维数的Riccati方程得到多传感器分布式全局最优加权信息融合算法。与集中式融合估计算法相比,该方法无需扩维。最后通过一个仿真实例证明该算法的有效性。     

不确定时滞性性系统的鲁棒容错控制

容错控制就是使设计的控制系统能对可能发生的故障具有一定的容错能力。该问题直接关系到控制系统运行的可靠性和安全性。完整性是容错控制研究的一个重要方面,它是指系统中一个或多个部件发生故障时系统并不进行重构,而是利用余下的部件仍可使系统稳定并保持规定性能。由于参数扰动的广泛存在性以及执行器和传感器发生故障的不可避免性,使得研究具有参数不确定的时滞系统的鲁棒容错控制问题具有更重要的现实意义。针对传感器故障情况,采用带有滞后的状态反馈控制,首先考虑了线性时滞系统的容错控制问题,给出了线性时滞系统对传感器失效具有完整性的一个充分条件,进而考虑了具有参数扰动的线性时滞系统的鲁棒容错控制问题,给出了鲁棒容错控制时滞系统的设计方法和步骤,并用设计实例和仿真结果证实了这种方法的有效性。     

时间延迟系统的观测器设计

给出了一种新颖的时间延迟系统的观测器设计方法．利用具有内部延迟的函数观测器实现了对状态延迟系统的状态估计．并给出了该观测器存在的充分必要条件．利用广义逆矩阵理论．将观测器的参数设计问题转化为求解一个参数矩阵的问题上来．同时．利用线性矩阵不等式技术，给出了一种不依赖时间延迟的函数观测器的稳定条件。     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果.然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声.因此有必要对α稳定分布模型下的,基于分数低阶统计量（FLOS）的时延估计算法进行研究.通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好.     

一类分布族的最优线性无偏估计

正态分布族、指数分布族、极值分布族等这一类分布族的共同特点是有位置参数 μ和尺度参数σ .这一类分布族的参数估计可用无偏估计 ,一致最小方差无偏估计和最优线性无偏估计 .本文证明了所有这一类二参数分布族的最优线性无偏估计 ,并讨论了二参数指数分布的最优线性无偏估计 .     

基于粒子群算法的倒立摆智能控制系统研究

为了控制倒立摆保持稳定状态,选取直线一级倒立摆为研究控制对象,建立直线一级倒立摆数学模型,将粒子群算法(PSO)实际应用到直线一级倒立摆智能控制系统的关键参数优化,仿真验证PSO算法优化直线一级倒立摆的动态稳定性.仿真结果表明,基于粒子群算法对直线一级倒立摆的优化控制具有更快的收敛性和更优的稳定性.