时变非线性不确定系统H∞鲁棒模型预测控制

针对输入受限的时变不确定非线性系统,提出一种H∞鲁棒模型预测控制策略。假设线性化系统矩阵一致有界,将非凸的无穷时域优化问题转化为带有单个线性矩阵不等式(LMI)约束的凸优化问题,降低控制量求解难度。结合滚动优化原理与H∞控制方法在线极小化性能指标,使得闭环系统满足控制性能和约束。在LMI框架下给出H∞NMPC的求解方法及其鲁棒稳定性充分条件。仿真实验对比验证了该策略的有效性。     

线性分式不确定系统保成本控制及其鲁棒界

研究线性分式不确定系统的动态输出反馈保成本控制.采用线性矩阵不等式(LMI)方法证明了保成本控制器存在的充分必要条件等价于一个LMI可解性问题,通过该条件将求解闭环系统的成本函数上界的最小值问题转化为一个凸优化问题,利用该凸优化问题的解,得到动态输出反馈控制器的增益矩阵,并且给出了摄动参数允许最大摄动界的一种算法.     

无线携能通信下mmWave协作通信小单元的能效最优策略

针对无线携能通信(SWIPT)网络中的能量与信息同时传输阶段的优化问题,以最大化链路能量效率为目标,提出一种SWIPT下mmWave协作通信小单元的能效最优策略。该策略在最小链路传输速率和最小收集能量的联合约束下,在能量受限型用户设备的接收端采用功率分流工作模式,通过优化发射功率控制和功率分流因子,最大化系统链路能量效率。针对原问题是一个非凸的分式规划问题,具有NP难性质,采用Dinkelbach方法将目标函数转化为易于求解的凸优化问题,并设计一个交叉迭代的算法求出最优解。仿真实验结果表明,提出的策略在优化系统能量效率性能上要优于传统功率控制方法和最大发射功率法。     

基于RSS的无线传感器网络半定规划定位算法研究

在无线传感器网络定位中,基于RSS测量的定位方法是最常用的方法之一。由于传统的最大似然估计(MLE)算法的目标函数具有非线性和非凸性,在应用于无线传感器网络定位时,会产生多个局部最优值。针对该问题提出一种基于半定规划(SDP)的凸优化定位方法。首先采用泰勒级数近似对目标函数进行线性化处理,然后通过引入冗余变量将原无约束优化问题转化为约束优化问题,最后应用半定松弛(SDR)技术将约束优化问题转化为半定规划(SDP)凸优化问题进行求解。通过仿真实验的比较,说明本文提出的优化算法在定位精度、鲁棒性方面优于已有算法。     

工作点可变系统的一种自调度H∞控制器设计

对于一种工作点可变系统 ,即被控对象表达为两个典型工作点上的传递函数矩阵的正则稳定的既约分解的线性内插 ,研究其H∞ 的控制问题 ,提出了一种自调度状态反馈H∞ 控制器的设计算法 .并将该自调度状态反馈H∞ 控制器的设计问题转化为基于有限个线性矩阵不等式 (LMI)的凸优化问题 ,采用现有的凸优化工具即可对其进行求解 .     

一类具有凸多面体不确定性的非线性变参数系统鲁棒H_(∞)控制EI北大核心CSCD

针对具凸多面体不确定性的非线性变参数(NPV)系统,本文研究了其非线性鲁棒H_(∞)控制问题.基于Lya-punov稳定性理论和多项式平方和(SOS)方法,对该系统设计了非线性鲁棒状态反馈镇定控制器.在此基础上,进一步考虑存在外部扰动情形,给出相应的非线性鲁棒H_(∞)控制可解性条件.该条件以状态和时变参数依赖的线性矩阵不等式形式(LMIs)给出,可借助凸优化工具进行有效检验.最后,通过数值仿真验证了所得方法的有效性和优势.     

基于无线能量传输的物联网数据采集系统中资源分配机制的设计

针对基于无线能量传输的物联网(Internet-of-things, IoT)数据采集系统，考虑了4种数据传输协议并分别设计了资源分配机制用于提升用户公平性。首先，当采用时分多址接入协议时，联合时隙划分和功率控制可等价转换为凸优化问题，但该方式对IoT设备侧的同步精度提出了苛刻要求。其次，为避免划分传输时隙，引入了非正交多址接入(non-orthogonal multiple access, NOMA)协议，并提出了基于分块坐标下降算法的机制，通过交替求解两个凸优化子问题收敛到原非凸问题的一个静止点，但该方式会引入严重的同频干扰继而降低传输性能。为平衡传输性能和实现复杂度，本文进一步设计了两种基于定长时间切片的部分NOMA协议，并分别提出了基于匹配理论和基于连续凸近似算法的联合时间片分配和功率控制机制。仿真结果验证了传输性能与实现复杂度之间的折衷关系，并展示了所提机制的收敛性以及优化结果受系统参数的影响。     

线性不确定系统多目标鲁棒保代价控制

针对一类线性范效有界不确定系统，讨论其多目标鲁棒保代价控制问题，所设计的状态反馈控制器对所有容许的不确定性，保证闭环系统的稳定性，并在非劣(Pareto最优)的意义下，优化多目标代价函数的上界，通过加权因子的选择来解决不同目标之问的竞争问题，采用线性矩阵不等式方法，将问题转化为一个线性凸优化算法，数值仿真算例说明了所提出方法的可解性和有效性。     

一种基于混沌粒子群优化的OFDM系统资源分配算法

针对无线多用户正交频分复用（OFDM）系统中功率分配问题,提出一种基于效用函数最大化框架的资源分配算法.在实际网络环境中,此类最优化算法为非凸的,利用经典最优化方法很难解决.为此,将智能优化中的粒子群方法应用到非凸优化算法设计中,并针对粒子群优化容易陷入局部极值点的问题,将Logistic混沌搜索嵌入PSO算法中,提出混沌粒子群算法.与同类算法相比,所提出算法不仅有效解决了非凸性问题,而且可以使系统具有更好的性能.     

多输入/多输出系统动态矩阵控制鲁棒稳定性

研究了基于脉冲响应模型的动态矩阵预测控制(DMC)算法,针对多输入、多输出(MIMO)系统脉冲响应模型的特点,利用脉冲响应系数误差矩阵范数平方和定义预测模型的模型误差,以线性矩阵不等式(LMI)的形式提出了DMC闭环鲁棒稳定充要条件,将DMC算法闭环稳定问题转换为一类线性矩阵不等式的可解问题.并且研究了模型误差与闭环系统稳定性之间的关系,给出了保证系统稳定条件下模型误差界的求取方法,通过求解一个线性矩阵不等式约束的凸优化问题得到保证闭环系统稳定的误差界.最后,利用算例对本文方法的有效性进行了验证.     

非线性系统RBF神经网络多步预测控制

针对较强非线性的控制问题, 提出一种以RBF 神经网络为模型的多步预测控制方法. 构建多步预测模型, 并给出预测误差关于控制序列的雅可比矩阵的计算方法. 利用Levenberg-Marquardt(L-M) 算法设计滚动优化策略, 过误差修正参考输入的方法实现了反馈校正, 证明了控制系统的稳定性. 仿真结果表明所提出的控制方法效果较好.

     

不确定奇异大系统分散鲁棒预测控制

针对一类不确定奇异关联大系统,讨论了当系统状态不可测时,基于输出反馈的分散鲁棒预测控制问题.通过构造Lyapunov函数以及应用线性矩阵不等式方法,将"min-max"优化问题转化为凸优化问题求解,从而得到了输出反馈分散控制器存在的充分条件和显示表达式.证明了优化问题在初始时刻的可行解能保证奇异闭环大系统渐近稳定且正则无脉冲.仿真结果验证了算法的有效性.     

回响状态网络输出连接权重的一个稳定训练方法

鉴于在回响状态网络(ESN)的应用中常使用Wiener-Hopf方程学习输出连接权重,但该方法难以保证自治ESN的稳定性,首先分析了导致该稳定性丧失的原因,提出并证明了自治ESN具备Lyapunov稳定性的一个充分条件;然后将输出连接权重学习问题转化为一个非线性约束的最优化问题,并采用粒子群优化算法求解.仿真结果表明,所提方法既能确保ESN获取高精度的预测输出,又能保ESN的Lyapunov稳定性.     

交互式凸组合法的混合时滞不确定中立系统的稳定性

针对带分布时滞和离散时滞的不确定中立型系统进行稳定性研究. 基于交互式凸组合方法和下界引理, 通过构造恰当的李雅普诺夫泛函, 适当分割时滞区间, 处理一组由凸参数逆加权的正函数线性组合(交互式凸组合), 给出线性矩阵不等式形式的系统鲁棒稳定性判据. 该方法允许离散时滞为变时滞, 增强了系统的鲁棒性能. 数值算例验证了所得结果的有效性和合理性.

     

一类标准矩形网络节点间最短路径的求解方法

针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出常见的交通道路网络一般均可以整体或部分化为标准矩形网络. 与常见的求取最短路径的Dijkstra、Floyd、ACO、A* 等算法进行仿真实验比较, 实验结果表明, 对于大规模标准矩形道路网络, 所提出算法具有更好的寻优精度、稳定性和寻优速度.

     

基于切换控制的经济模型预测控制

为了提升经济模型预测控制的经济性能指标, 提出一种切换控制策略. 首先, 依据Lyapunov 稳定性理论给出理想和扰动下的两类估计可行域, 并实时检测系统状态; 然后, 根据系统状态所处不同区域, 采用相应的控制器分别实施经济优化、状态驱动和稳态驱动. 所提方法在保证稳定性的同时, 能够为经济性能优化提供更多的在线优化时间和优化自由度, 获得比传统方法更高的经济效益. 通过一个负阻振荡器实例验证了所提出方法的可行性和有效性.

     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

无线传感器网络拓扑三级分簇优化算法

针对大规模分布式传感器网络提出一种拓扑三级分簇结构优化算法. 通过引入传感器休眠模式, 并考虑到分簇数目较多的情况, 对多个簇头节点采用生成最小刚性图的方法进行拓扑优化, 以实现传感器网络整体能量均衡,使传感器网络具有较好的连通性和鲁棒性. 仿真实验表明, 与已有相关算法相比, 采用所提出的算法可使网络延缓出现节点死亡现象, 有利于实现网络负载均衡, 并且网络中节点整体存活时间较长, 从而延长网络的生命周期.

     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

基于和谐管理理论的免疫信息网络优化算法

受经济管理学中“和谐管理”理论的思想启发,提出一种全新的免疫进化信息网络模型,即和谐进化信息网络(HEIN).在该模型中,将优化问题的求解看作是信息网络能量最大化的过程,通过“和则”与“谐则”二个规则集的有机结合来有效控制和管理进化过程,实现了比单纯模拟生物免疫响应或自然进化更加完备和高效的和谐进化.实验结果表明,所提出算法可更好地保持种群多样性,收敛速度快,求解精度高.