非均匀多采样率非线性系统的模糊辨识

针对非均匀多采样率非线性系统辨识问题, 提出一种基于模糊模型的辨识方法. 首先, 分析了非线性系统在输入信号非均匀周期刷新, 输出信号周期采样的情况下, 非线性系统可以通过提升技术, 利用多个局部的线性模型加权组合来描述; 然后, 提出一个基于GK模糊聚类和递推最小二乘的模糊辨识算法; 最后, 针对化工pH 中和过程非线性系统, 采用非均匀采样数据建立其模糊模型, 以验证所提出方法的有效性.

     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

线性时变反馈系统的状态空间模型和模态参数递推辨识

针对闭环系统中时变状态空间模型和模态参数的辨识问题, 提出一种递推辨识格式, 将这种格式与递推子空间方法结合, 得到一种辨识方法. 该方法通过重建输入输出数据之间的关系, 递推辨识得到闭环系统的时变状态空间模型和模态参数. 算例研究了系统在模态参数突变和周期变化两种情况下的辨识问题, 仿真结果表明, 所提出算法能有效辨识线性时变反馈系统的状态空间模型和模态参数.

     

基于协同PSO算法的非均匀采样系统辨识

对于非均匀采样数据的双率系统,运用提升技术,得到系统离散状态空间模型,变换得到相应的传递函数模型。讨论在有色噪声和白噪声的干扰下,提出了利用协同粒子群（Cooperative Particle Swarm Optimization,CPSO）的新颖算法,通过实验仿真对比传统的算法和协同PSO算法的精度和鲁棒性,证明新型算法的有效性和合理性。     

数据驱动闭环子空间预测控制方法研究与应用

提出一种完全数据驱动的闭环子空间辨识及预测控制器设计方法. 该方法完全由闭环系统的输入输出数据辨识子空间矩阵, 通过子空间矩阵的拆分, 排除了与扰动相关的模型输入, 进而获取子空间矩阵参数的无偏估计; 将辨识得到的闭环系统子空间矩阵描述直接作为预测模型, 设计预测控制器; 将其应用于某钢铁集团焦炉炭化室压力控制系统, 取得了良好的控制效果.

     

非均匀采样系统的一种递推辨识方法

在非均匀采样系统辨识方法中, 通常利用重采样、数值积分等方法来处理非均匀采样数据, 所用模型多为连续有理分式传递函数, 在递推形式下非均匀采样对象又常局限于``数据缺失'的情况. 本文研究更为一般的异步非均匀采样的多变量系统, 采用连续时间状态空间模型描述, 推导了模型参数、参数梯度和系统状态之间的相互递推关系, 构成一种可变迭代间隔的递推辨识算法, 在每次输出采样点上仅更新模型中受当前采样数据影响的参数. 这种辨识方法可以适用于任意非均匀采样系统, 多采样率系统也可作为一种特例适用于本算法. 仿真结果表明, 所提的方法是可行有效的.     

非均匀Hammerstein-Wiener 系统的递阶随机梯度辨识算法

针对一类非均匀数据采样Hammerstein-Wiener 系统, 提出一种递阶多新息随机梯度算法. 首先基于提升技术, 推导出系统的状态空间模型, 并考虑因果约束关系, 将该模型分解成两个子系统, 利用多新息遗忘随机梯度算法辨识出此模型的参数; 然后, 引入可变遗忘因子, 提出一种修正函数并在线确定其大小, 提高了算法的收敛速度及抗干扰能力. 仿真实例验证了所提出算法的有效性和优越性.

     

状态空间子空间方法处理闭环系统辨识

本文给出一个由闭环数据辨识状态空间模型的算法，此算法可辨识带有严重噪声干扰和延迟的稳定及不稳定系统，并已为数学理论及实验结果所验证。     

基于高斯混合模型聚类的非均匀采样系统的多模型切换辨识

从概率统计方法出发,提出一种基于高斯混合模型聚类与递推最小二乘算法的非均匀采样系统的多模型建模方法.首先,采用高斯混合模型作为调度函数,使用最大期望(EM)算法迭代更新估计高斯混合模型中参数,从而通过每个子系统的高斯概率密度函数计算和比较来确定子系统的激活情况; 其次,采用递推最小二乘算法估计局部子系统参数;然后,使用鞅收敛定理对所提出的算法性能进行分析; 最后,通过非均匀采样系统的多模型建模来证明所提出方法的有效性.     

基于切换原理的非均匀采样系统控制

在非均匀采样系统中,存在着刷新时间间隔不确定、时变的情况,这给系统控制器的设计造成了很大困难.为此,将刷新时间间隔看作时延变量,不同时延大小情况下的系统动态变化用不同子系统模型刻画,从而将时延的变化律转化为不同子模型之间的切换律,将非均匀采样系统描述为一类具有有限个子系统的离散时间切换系统.通过定理形式给出含有不确定刷新时间间隔的反馈闭环系统鲁棒稳定性的充分条件.     

一种采用抽样策略的PSO 算法

原始粒子群优化算法(PSO) 和各种改进方法存在着参数取值固定、收敛精度低等问题. 为此, 提出一种采用抽样策略的粒子群优化算法(SS-PSO). 通过拉丁超立方抽样(LHS) 策略更新粒子速度和位置, 以加快收敛速度; 提出一种基于随机采样的最优位置修正方法, 以微调全局最优; 提出“双抽样”LHS 局部搜索方法, 以提高收敛精度. 与其他新近提出的两个算法进行对比, 结果显示SS-PSO 在一定程度上提高了算法的性能.

     

基于对称扰动采样的Actor-critic 算法

针对传统Actor-critic (AC) 方法在求解连续空间序贯决策问题时收敛速度较慢、收敛质量不高的问题, 提出一种基于对称扰动采样的AC算法框架. 首先, 框架采用高斯分布作为策略分布, 在每一时间步对当前动作均值对称扰动, 从而生成两个动作与环境并行交互; 然后, 基于两者的最大时域差分(TD) 误差选取Agent 的行为动作, 并对值函数参数进行更新; 最后, 基于两者的平均常规梯度或增量自然梯度对策略参数进行更新. 理论分析和仿真结果表明, 所提框架具有较好的收敛性和计算效率.

     

基于非对称Lanczos 算法的线性分数阶系统模型降阶方法

采用非对称Lanczos 算法研究线性分数阶系统的模型降阶问题, 提出一种保持系统传递函数一定数量的分数阶矩的模型降阶方法. 根据Caputo 导数的运算法则给出线性分数阶系统的分数阶矩的计算方法; 利用非对称Lanczos 算法构造对应的非对称三对角矩阵; 根据非对称三对角矩阵的性质证明降阶系统与原系统具有相同的一定数量的分数阶矩; 给出降阶系统与原系统传递函数的误差估计, 为合理选择降阶系统的阶次提供理论依据. 数值实例的计算结果验证了所提出方法的有效性.

     

基于图变换的图像压缩采样与分类

提出一种基于图论表示的正交变换基,并在此基础上对图像进行压缩采样与压缩域直接分类.首先,充分利用图像的边缘特性和像素关系,给出一种图像的图论表示方法;然后,通过图Laplacian矩阵的特征值分解得到其特征向量矩阵作为正交变换基,由此得到图像的图变换域稀疏表示;最后,利用随机投影后的压缩采样特征向量直接对分类器进行训练和测试,不仅保持了与原空间相当的分类精度,还大量地减少了训练和测试时间以及计算/存储代价.     

基于数据子空间PLS建模技术的热轧轧制力优化设定

针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.

     

一类多智能体系统分组一致控制协议的设计与分析

在连通二部图拓扑结构下,针对一阶多智能体系统,研究了时滞和无时滞两种情形下系统的分组一致问题,给出了一个基于竞争的控制协议设计方法.首先,根据二部图的特性设计控制协议,研究了无时滞系统的分组一致问题,给出了该情形下系统的收敛状态;其次,研究了时滞情形下系统的分组一致问题,给出了系统实现分组一致时所能容许的最大时滞;最后,通过仿真实例验证了所提出方法的正确性.     

飞机配电系统最优负载切除方法

电力系统供电不足时, 可以切除过量的负载以保证系统的稳定性. 针对飞机电力系统供电不足的情况, 提出一种最优负载切除方法. 该方法考虑了飞机上关键负载的优先供电要求, 将负载优先级权重因子引入负载方程中, 把负载切除问题转换为多目标优化问题. 通过求解该优化问题, 克服了负载切除的随机性和盲目性, 满足了关键负载的优先供电要求. 实验结果验证了所提出的负载切除方法的正确性和有效性.