多变量极点配置自适应动态解耦控制器

本文提出了一种以多变量极点配置为基础的自适应解耦控制器,该控制器不仅可以任意配置闭环系统的极点位置而且可以直接对闭环系统实现动静态解耦控制,仿真实验结果表明该控制器比一般的极点配置控制器具有更好的控制性能。     

递推自适应极点配置算法

本文提出了一种递推自适应极点配置算法,证明了它的稳定性和收敛性,该处特点是在控制器参数的计算中利用一次迭代公式,使在线计算量大幅度减少。前馈环节保证它的渐近跟踪特性。最后,仿真例子说明了该算法的正确性。     

最优跟踪特殊参考输出的自适应极点配置算法

本文针对确定性系统给出了一种自适应极点配置算法,并证明了算法的全局稳定性和对一类特殊参考输出的最优跟踪性。     

一种新的随机多变量自适应极点配置控制器

本文提出的随机多变量自适应极点配置控制器,由于采用了一种新的极点配置结构,它不仅可以避免求解伪交换矩阵方程而实现任意极点配置,跟踪时变参考输入,而且可以抑制随机噪声干扰.该控制器不仅可以控制开环不稳定或非最小相位系统,而且还可以控制具有任意、未知或变化的延时结构和具有任意输入输出个数的随机多变量系统。     

具有减少辨识参数的随机多变量极点配置自适应控制器

本文提出了一种新的限制输出个数减少随机多变量自适应控制中辨识参数的方法,并给出了减少辨识参数的极点配置自适应算法。虽然采用ｎ个输入１个输出的减少辨识参数的模型来设计控制器,但所提出的控制器能够保证被控系统的几个输出跟踪参考输入信号,仿真结果表明,所提出的方法是成功的。     

基于极点配置的多模型自适应控制

基于极点配置技术对单输入单输出离散时间被控对象提出多模型自适应控制算法，在保证稳定性的前提下，算法对被控对象参数跳变时能进行有效的控制，并提高了系统的瞬态响应。     

多变量鲁棒自适应极点配置算法

在系统具有一般不确定结构的情况下,提出了一种多变量自适应极点配置算法,解决了多变量自适应极点配置算法的奇异性问题,证明了它的全局收敛性和稳定性.该算法构造了一个估计参数的修正策略,保证估计模型的一致能控性,并且得到能控度的一个下界.所需要的先验知识仅为系统的能观性指数和能控性指数的上界以及干扰上界.     

一种新的间接自适应极点配置算法

针对离散时不变最小相位系统，提出了一种新的间接自适应极点配置算法。该算法的主要优点是可以实现对任意有界参考输出的渐近跟踪，而其他自适应极点配置则不具有这种性质，仿真例子说明所提新算法的良好跟踪性能。     

全局收敛的鲁棒极点配置自校正控制算法

提出了一种可消除确定性扰动影响的鲁棒极点配置自适应控制器的设计方法.这种方法可以直接获得控制器参数,无需求解Diophantine方程,也不需要辨识多余的辅助参数和进行参数分离,而且根据内模原理可以消除未知确定性扰动的影响,实现对参考输入的稳态无误差跟踪.给出了所提算法的全局收敛性证明,并通过仿真实验验证了算法的有效性.     

基于多模型切换的多变量直接自适应极点配置控制器

提出一种基于多模型切换的多变量直接自适应控制器,控制器参数模型集可由系统参数模型集直接得到,不但仍为一紧集并且被其模型子集完全覆盖.该多模型控制器不仅改善了控制系统的暂态响应,而且可以实现极点配置,最后给出了全局收敛性分析.     

状态反馈极点配置问题的一种新算法

将Wonham可控规范型作了推广,给出了一种新的状态反馈极点配置问题算法,首先讨论了单输入系统情况,对多输入系统将其分解为若干个单输入系统而求解,其优点是不需要计算系统的特征多项式,介绍了该方法的基本原理、求解步骤,得到了反馈增益矩阵的一般表达式.该表达式中含有可供任意选择的参数,通过对参数的适当选取,可适应控制系统的其他性能要求.     

自适应变异的蝙蝠算法

针对基本蝙蝠算法(BA)寻优精度不高、收敛速度慢和易早熟收敛的问题,提出一种改进的具有自适应变异机制的蝙蝠算法,用以求解复杂函数问题;利用K-means聚类对蝙蝠种群进行初始化,使种群在搜索空间分布更为均匀;采用根据迭代次数自适应变化的控制概率Pt判断算法是否进行高斯变异,增强种群多样性,促使蝙蝠个体跳出局部极值点;将自然选择思想引入BA,提高算法搜索速度,避免早熟收敛;选取几个典型函数进行测试,结果表明改进算法优化性能有了显著提高,具有较快的收敛速度,较高的寻优精度、收敛稳定性和收敛可靠性,验证了改进蝙蝠算法(IBA)的有效性及优越性。     

一类自适应预测算法的全局收敛性

对自适应控制系统为扩展自回归滑动平均模型(ARMAX),提出了一个自适应递推预测算法。该算法的主要特点是在回归变量中使用了预测误差,而且在输入和输出之间带有任意反馈。最后应用鞅收敛定理推广形式给出了这一算法的全局收敛性证明。     

一种结合Tabu搜索的自适应遗传算法研究

针对标准遗传算法（SGA）在全局优化问题中容易出现早熟和收敛速度慢,提出了一种TS-AGA算法。新算法通过将禁忌搜索（TS）和自适应遗传算法（AGA）相结合。以自适应遗传算法（AGA）为基础,用遗传算法进行全局搜索,用禁忌搜索法（TS）作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优。测试函数仿真结果表明,新算法能很好的抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法。     

求解频率分配问题的自适应的多种群蚁群算法

提出一种自适应的多种群蚁群算法用于求解频率分配问题．算法将蚂蚁群体划分为若干个子群体，每个子群体的蚂蚁并行地进行优化．在寻优过程中，算法为每个蚂蚁子群体定义一个收敛系数，根据收敛系数来决定子群体内部的路径的选择和信息量的更新．算法同时根据各个子群体的解的质量和分布情况来自适应地决定信息交流策略，包括选择信息交流的对象和调节信息交流的周期以及信息更新策略，以取得各蚂蚁子群体中解的多样性和收敛性之间的动态平衡．对固定频率分配和最小跨度频率分配问题在并行计算机上的实验结果表明，本文算法不仅具有较快的全局收敛速度，而且有高质量的解和高的效率．     

一种解决早熟收敛的自适应遗传算法设计

为了解决简单遗传算法(SimpleGeneticAlgorithm,SGA)易陷入局部最优解的问题,及以往自适应遗传算法只考虑与进化代数相关的交叉与变异概率,而忽略个体分布情况及种群规模不可变等问题,本文在保留以往自适应遗传算法优点的同时,设计了与种群中个体分布相关的可变交叉概率与变异概率。同时考虑了种群规模的波动情况,使算法在相对稳定的动态种群规模中寻找优质解。     

自适应的多种群并行遗传算法研究

典型的遗传算法本质上是一种并行的随机搜索策略,它不能对进化方向做出正确的感知和预测。文章定义了一个可以感知进化方向和衡量进化速度的指标,指导遗传算子做出自适应的调整。结合并行计算和多种群进化思想,提出了“带环多种群模型”,并构造了一种自适应的多种群并行遗传算法。实验结果表明,该算法可以有效地引导和控制进化方向,克服过早收敛现象,提高搜索效率。