基于Ｔ-Ｓ模型的非线性网络控制系统的量化保成本控制

研究一类非线性网络控制系统的量化保成本控制问题．首先在考虑量化因素的影响下,基于Ｔ-Ｓ模糊模型方法建立包含时延、丢包和量化信息的新的非线性网络控制系统模型;其次运用Ｌｙａｐｕｎｏｖ稳定性理论和并行分布式补偿（ＰＤＣ）方法给出系统稳定性条件,运用锥补方法和线性矩阵不等式（ＬＭＩ）技术求解量化保成本控制器．仿真结果和横向比较结果验证了该方法的有效性．

     

时变采样周期网络控制系统的鲁棒容错控制器设计

研究具有时变采样周期网络控制系统的执行器失效的完整性问题．假设系统任意两个连续采样间隔具有上界,利用输入时延法,将时变采样周期网络控制系统等价转化为连续时变时延网络控制系统．在此基础上,基于时延条件,应用Ｌｙａｐｕｎｏｖ稳定性理论和线性矩阵不等式（ＬＭＩｓ）方法证明了鲁棒容错控制律的存在条件,设计了鲁棒容错控制器,并给出了系统完整性条件下的最大允许时延的估计方法．仿真结果验证了所提方法的可行性和有效性．

     

一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．

     

基于带有随机时滞的多通信通道的网络控制系统镇定

基于带有随机时滞的多通信通道,建立了离散时间网络控制系统模型．利用缓存对丢包进行补偿,并设计了状态反馈控制器,使系统达到随机稳定．采用锥型补偿线性化（ＣＣＬ）算法得到了控制器增益的全局最优解．最后通过倒立摆系统的仿真例子验证了所提出方法的可行性．

     

基于GPS的NCS非整数倍采样周期时延补偿方法

研究具有非整数倍采样周期时延的网络控制系统（ＮＣＳ）的时延补偿问题．针对ＮＣＳ中的非整数倍采样周期时延,基于广义预测控制算法并结合线性插值方法,提出一种新的网络时延补偿方法．该方法能得到非整数倍采样周期的控制预测值,同时通过减小执行器读取缓冲区的周期,可有效减少由于执行器时间驱动而引起的等待时延,解决了非整数倍采样周期时延的补偿问题．最后通过仿真验证了该方法的有效性．

     

支持向量机和一类模糊推理系统的等效性及其应用

支持向量机（ＳＶＭ）和模糊推理系统（ＦＩＳ）分别源于统计学习理论（ＳＬＴ）和认知学两个不同的领域．在一定约束条件下,提出并证明了ＳＶＭ 和一类基于规则的ＦＩＳ的函数等效性定理．在此基础上,提出基于ＳＶＭ 学习过程的ＦＩＳ（ＭＢＦＩＳ）的设计方法．ＭＢＦＩＳ继承了ＳＶＭ 良好的泛化能力和对“维数灾难”的避免能力,也继承了基于规则的ＦＩＳ的显式推理能力．Ｂｅｎｃｈｍａｒｋ数据实验表明,ＭＢＦＩＳ具有良好的分类性能．

     

RBF神经网络参数估计的两种混合优化算法

基于全局搜索的进化算法和一种局部搜索算法———结构化的非线性参数优化方法（ＳＮＰＯＭ）,提出两种混合的优化算法来估计ＲＢＦ神经网络中的参数：１）初始化一定数目的种群作为ＳＮＰＯＭ 的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;２）采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用ＳＮＰＯＭ来优化．这两种混合优化算法的本质是用进化算法为ＳＮＰＯＭ 搜寻最优初始值,以得到全局最优解．仿真实验结果表明,该混合算法比单独使用进化算法或ＳＮＰＯＭ 更优,且优于其他一些算法．

     

不确定离散时间系统积分滑模保性能控制

针对不确定离散时间系统,研究其积分滑模（ＩＳＭ）保性能控制的设计问题．将最优保性能积分滑模面设计问题,转化为一个具有线性矩阵不等式（ＬＭＩ）约束的目标函数凸优化问题,给出了最优保性能积分滑模面存在的充分条件,并结合干扰估计器设计相应的保性能控制器．与传统滑模控制相比较,积分滑模保性能控制系统具有全阶滑动模态,系统的鲁棒性得到加强,消除了控制抖振和稳态抖振．仿真结果验证了该方法的有效性．

     

无线传感器网络中一种能量高效的分布式分簇算法

提出了一种适用于无线传感器网络的能量高效的分布式分簇算法（ＥＥＤＣ）,该算法使具有较高剩余能量及距离基站较近的节点有更大的机会成为簇头．理论分析表明该算法通信开销较小,而且有效地均衡了节点的能量消耗．为了确保ＥＥＤＣ 的正确性、完整性和可靠性,利用形式化方法———着色网对其关键属性进行建模和分析．仿真结果表明,ＥＥＤＣ 有效地延长了网络生命周期,提高了网络的能耗效率．

     

最大间隔最小体积球形支持向量机

结合支持向量机（ＳＶＭ）类间最大分类间隔和支持向量数据描述（ＳＶＤＤ）类内最小描述体积思想,提出一种新的学习机器模型———最大间隔最小体积球形支持向量机（ＭＭＨＳＶＭ）．模型建立两个大小不一的同心超球,将正负类样本分别映射到小超球内和大超球外,模型目标函数最大化两超球间隔,实现正负类类间间隔的最大化和各类类内体积的最小化,提高了模型的分类能力．理论分析和实验结果表明该算法是有效的．

     

不确定离散时滞系统的时滞相关非脆弱H∞ 控制

讨论不确定离散时滞系统非脆弱控制器的设计问题．利用Ｌｙａｐｕｎｏｖ-Ｋｒａｓｏｖｓｋｉｉ稳定性理论和有限和不等式方法,获得了不确定时滞系统在非脆弱控制器作用下不仅内部渐近稳定,而且具有给定的H_∞ 扰动抑制水平γ 的时滞相关有界实条件．采用迭代算法分别给出了控制器具有加法不确定性和乘法不确定性两种情况的非脆弱控制器参数的设计方法,借助于Ｍａｔｌａｂ的ＬＭＩ工具箱可以方便求解．数值仿真实例表明了该方法的有效性．

     

具有时延和丢包的网络控制系统H∞状态反馈控制

研究了具有时延和数据包丢失的网络控制系统H_∞状态反馈控制问题.考虑了网络控制系统中同时存在时延和数据包丢失的情况,将丢包过程建模为有限状态的马尔可夫过程.在此模型的基础上,利用Lyapunov稳定性理论和线性矩阵不等式方法,给出了保持系统均方稳定且满足H_∞性能的控制器存在的充分条件,并给出了相应的设计方法.最后数例仿真结果表明了控制器设计方法的有效性.

     

多个未知时延的ＭＩＳＯ系统的递推辨识

对于未知时延的多输入单输出（ＭＩＳＯ）系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（ＳＮＬＳ）辨识方法．为降低收敛于局部最小的可能性,利用全局优化理论,推导了全局可分离的非线性最小二乘（ＧＳＮＬＳ）辨识方法;为消除强观测噪声所引起的参数估计的偏差,将ＧＳＮＬＳ方法调整为一新颖的全局可分离的非线性多新息递推最小二乘（ＧＳＮＭＩＲＬＳ）辨识方法,仿真实验验证了算法的有效性．

     

文本聚类集成问题中的谱算法

聚类集成中的关键问题是如何根据不同的聚类成员组合为更好的聚类结果．引入谱聚类算法解决该问题,提出了基于相似度矩阵的谱算法（ＳＭＳＡ）,但该算法高昂的计算代价使其不适合大规模文本集．进一步研究了谱聚类算法的特性,对超边的相似度矩阵进行谱分析,提出了基于超边相似度矩阵的元聚类算法（ＨＳＭ-ＭＣＬＡ）．真实文本数据集的实验结果表明：ＳＭＳＡ 和ＨＳＭ-ＭＣＬＡ 比其他基于图划分的集成算法更优越;ＨＳＭ-ＭＣＬＡ 可获得与ＳＭＳＡ 相当的结果,而计算需求却明显低于ＳＭＳＡ．

     

连续互联系统的模糊分散控制及新的稳定性条件

针对一类连续模糊互联系统,提出一种模糊分散控制器的设计方法,并给出了保证控制系统稳定的更为宽松的充分条件．应用Ｌｙａｐｕｎｏｖ函数法和线性矩阵不等式,证明了模糊分散控制系统的稳定性．仿真结果进一步验证了所提出的模糊分散控制方法的有效性．

     

一类区间时变输入时滞与状态时滞线性系统的稳定性研究

研究一类具有区间时变输入时滞与状态时滞线性系统的稳定性问题．通过选择合理的Ｌｙａｐｕｎｏｖ Ｋｒａｓｏｖｓｋｉｉ函数,基于积分等式方法（积分等式由自由权矩阵构造而成）,以ＬＭＩ的形式给出时滞相关的稳定性充分条件,并进行了相关控制器的设计．所得结论对时滞导数没有任何限制,可用于快时变时滞系统．同时,积分等式方法较积分不
等式方法更优,保守性更低．最后,通过数值比较及仿真表明了所提出方法的有效性和优越性．

     

一种基于直觉模糊集相似度的多属性决策方法

直觉模糊集（ＩＦＳ）是对模糊集理论的一种扩充,能更好地处理模糊概念．首先给出一种新的直觉模糊集相似度;然后提出基于直觉模糊集相似度的多属性决策方法;最后通过线性目标规划模型和直觉模糊集相似度,得到属性的最优权重和相应的方案排序．数值实例表明,该方法是有效而可行的．

     

一类非线性时滞广义系统的状态反馈控制

利用线性矩阵不等式（ＬＭＩ）,讨论了一类非线性时滞广义系统的状态反馈控制问题．通过对非线性映射Ｆｒｅｃｈｅｔ导数的逆矩阵的估计,给出了系统渐近稳定的充分条件．这一条件与时滞相关,可归结为一个线性矩阵不等式的可解性．在ＬＭＩ有解的条件下,可得到系统状态反馈控制器的参数表示．数值实例表明该方法是有效的．

     

多变量控制系统的一种变量配对方法

在设计分散控制系统时,输入输出（ＩＯ）变量配对是一个重要的步骤．同时考虑系统的稳态增益和动态特性,提出一种新的关联度量方法进行ＩＯ 配对．在时域内基于传递函数的阶跃响应,其物理意义比较明确,并进一步结合了相对关联阵列（ＲＩＡ）的优点．通过实例研究和与其他方法的对比表明,所提出的方法能较好地给出配对方案．

     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．