基于MOGA算法的??∞ 回路成形直升机姿态控制器设计

提出一种改进的显模型跟踪??∞回路成形控制方法, 利用??_∞ 回路成形算法补偿显模型跟踪算法中前馈模型逆的不确定性. 针对??_∞ 回路成形控制算法中权重函数选取的盲目性, 利用多目标遗传算法, 结合改进的小生境淘汰技术对权重函数进行寻优, 以提高设计效率和准确性. 基于所提出的方法设计直升机的内回路显模型跟踪??∞ 回路成形姿态控制系统, 能够提高系统的鲁棒性.

     

离散LPV重复过程的l2-l∞ 动态输出反馈控制

探究离散线性参数变化(LPV) 重复过程的l₂-l_∞ 动态输出反馈控制问题. LPV 重复过程是一类复杂的时变2D 系统. 对于整个参数变化空间, 传统方法是基于二次稳定框架设计过程的控制器, 具有较大的保守性. 这里利用参数依赖Lyapunov 函数, 设计离散LPV 重复过程的参数依赖鲁棒l₂-l_∞  动态输出反馈控制器, 可确保闭环离散LPV 重复过程沿通道渐近稳定, 且具有一定的l₂-l_∞  扰动抑制水平. 最后, 仿真结果验证了所提出方法的有效性.

     

具有平衡点漂移的非线性系统参数H∞ 控制

针对具有参数不确定性的非线性系统, 研究其参数H_∞ 控制问题. 首先, 当外界扰动输入为零时, 利用非线 性代数方程给出非线性系统平衡点存在区域; 然后, 当外界扰动输入不为零时, 设计状态控制器, 通过Lyapunov 函数 法, 推导出使闭环系统参数稳定且满足H_∞ 性能指标的充分条件. 仿真结果表明, 所设计的H_∞ 控制器能有效地稳定 非线性系统, 并且具有一定的H_∞ 性能指标.

     

多图通信拓扑下一致性系统的鲁棒性度量

研究在外界扰动影响下的通信拓扑为多图的一阶多智能体系统的协同一致性控制鲁棒性问题. 采用闭环系统的??₂ 范数来度量系统的鲁棒性; 借助代数图论、控制论和矩阵论, 建立通信拓扑在有无自环时多智能体系统鲁棒性、系统??₂ 范数、系统通信拓扑之间的直接联系, 并进行严格的证明; 给出通信拓扑为完备图、星图、路图、环图时多智能体系统之间的收敛速度、鲁棒性分析与比较. 仿真实例表明了所提出方法的有效性.

     

受复杂多通道通信约束的网络化系统H2/H∞滤波

多通道网络化系统中每个通道存在不尽相同的网络不确定性因素, 使得H₂/H_∞ 滤波更加困难. 对此, 提出一种受多通道通信约束的网络化系统滤波方法. 首先, 基于最大数据包错序思想解决了传感器到滤波器之间的复杂多通道通信约束的问题; 然后, 建立了更加普适的融合多通道通信约束的滤波误差动态系统模型, 证明了在已知最长网络延时和最大连续丢包数情况下, 所设计的滤波器可使系统随机稳定且满足??2/??∞ 性能指标. 仿真结果表明该方法可行且有效.

     

基于鲁棒自适应滑模观测器的多故障重构

针对一类不确定非线性系统, 基于滑模观测器研究执行器和传感器同时故障时的鲁棒重构问题. 引入线性变换矩阵并添加后置滤波器构建增维系统, 综合??_∞ 控制将鲁棒滑模观测器增益矩阵设计方法, 转化为LMI 约束下的多目标凸优化问题. 在滑模增益中添加了自适应律, 确保状态估计误差渐近稳定, 同时滑模运动经有限时间到达滑模面, 在此基础上给出执行器和传感器故障同时重构算法. 最后通过数值算例表明了所提出方法的有效性.

     

基于并行Kleinman 迭代算法的Markov 跳变系统优化??∞ 控制

基于Kleinman 迭代算法的框架, 提出两种数值迭代算法, 用于解决连续时间Markov 跳变系统的优化??_∞ 控制器设计问题. 首先, 给出“ 直接并行Kleinman 迭代算法”, 并从正实算子的收敛性证明该算法的收敛性; 然后, 基于直接并行Kleinman 迭代算法, 提出一种更加广义的迭代算法结构, 即“ 广义并行Kleinman 迭代算法”, 并论述其包含的4 种情形; 最后, 通过数值示例验证了所提出算法的有效性.

     

两阶段灰色综合测度决策模型与三角白化权函数的改进

首先将中心点三角白化权函数中对应于灰类1 和灰类s的三角白化权函数分别取为下限测度白化权函数和上限测度白化权函数. 这一改进避免了将各聚类指标的取值范围向左、右延拓的困扰. 针对灰色聚类系数向量delta_i  的各分量均衡取值或灰色聚类系数向量delta_i 有若干个位于前列的主分量取值相近, 难以判定决策对象归属的问题, 构建一种新的两阶段灰色综合测度决策模型, 以解决灰色聚类系数向量delta_i 的各分量取值趋于均衡或delta_i 有若干个位于前列的主分量取值相近情形下的综合决策问题, 并通过应用实例验证了模型的有效性.

     

线性自抗扰控制参数b0 辨识及参数整定规律

针对自抗扰控制中参数b0 整定困难的问题, 提出一种新的参数辨识方法, 对线性自抗扰控制器(LADRC) 中的参数b0 进行辨识, 并提出了LADRC参数整定的基本规律. 通过频域分析研究了控制器参数b₀ 和控制器带宽b₀ 的变化对闭环系统扰动抑制能力的影响. 通过分析闭环控制系统的稳定区域研究了控制器的鲁棒性. 仿真结果表明, 根据辨识得到的b0 可以快速整定LADRC的参数, 使LADRC具有较强的鲁棒性.

     

基于贡献率的离散Hopfield 结构优化

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

     

基于标准神经网络模型的非线性系统分布式无线网络化控制

针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.     

基于超越几何规划的热轧操作优化问题

针对钢铁热轧生产操作优化问题,建立热轧操作优化模型.该模型的难点是,模型具有高度非线性的特征,难以获得最优解.考虑模型数学表达式的结构特点,将操作优化模型等价转化为超越几何规划模型,由于获得的模型存在对数项,无法直接有效求解,利用模型的结构特点,通过数学变换和理论分析,转化为凸规划模型,从而利用凸规划软件获得最优解,为操作优化问题获得全局最优解提供一种新方法.     

基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测

综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性.     

用于故障检测的集成核主分量分析

针对复杂环境下的多变量工业过程在线故障检测问题, 提出基于集成核主分量分析的解决方法. 该方法首先求出样本映射后的无限维空间的多组近似基, 将主分量分析问题特征向量的解空间限定在近似基张成空间求解; 然后集成特征向量和特征值, 并计算Hotelling ??2 统计量和平方预报误差; 最后据此判断检测结果. 该方法对Tennessee Eastman 过程故障检测样本进行测试, 并与其他两种方法进行对比. 测试结果表明了所提出方法的有效性.

     

基于种群个体可行性的约束优化进化算法

提出一种新的求解约束优化问题的进化算法.该算法在处理约束时不引入惩罚因子,使约束处理问题简单化.基于种群中个体的可行性,分别采用3种不同的交叉方式和混合变异机制用于指导算法快速搜索过程.为了求解位于边界附近的全局最优解,引入一种不可行解保存和替换机制,允许一定比例的最好不可行解进入下一代种群.标准测试问题的实验结果表明了该算法的可行性和有效性.     

不确定可靠性优化问题的多目标粒子群优化算法

针对元件可靠性为区间值的系统可靠性优化问题, 提出一种区间多目标粒子群优化方法. 首先, 建立问题的区间多目标优化模型; 然后, 利用粒子群算法优化该模型, 定义一种不精确Pareto 支配关系, 并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法; 最后, 将该方法应用于可靠性优化问题实例, 验证了方法的有效性.

     

基于粒子群优化的KPCA暂态稳定评估模型的特征提取

提出一种核主成分分析法(KPCA),用于电力系统暂态稳定评估(TSA)模型中的输入向量特征提取,并利用粒子群优化算法(PSO)对核函数参数进行优化设置.以EPRI36系统为例,对基于支持向量机(SVM)分类的暂态稳定评估模型进行仿真,结果表明该方法不仅得到了良好的预测精度,而且大大降低了输入空间的维数.     

基于诺兰模型思想的改进混沌粒子群优化算法及评价

针对粒子群优化算法(PSO) 在处理高维复杂函数时容易陷入局部极值、收敛速度慢的缺陷, 从系统的认知分析过程和角度出发, 提出一种基于诺兰模型(NM) 思想的改进PSO 算法. 该算法在Tent 混沌映射选择的参数的基础上, 结合NM信息融合和协调的思想, 在速度更新过程中增加均衡项, 并设计粒子群的欧氏距离指数以防止早熟, 从而实现对粒子的自动调整、保证多样性和提高算法的全局搜索能力. 最后, 运用典型函数对所提出算法进行测试, 并与最新相关算法进行比较, 结果表明, 所提出算法在全局搜索能力、效率和稳定性方面均具有明显的优势.

     

基于偏最小二乘分析的双模粒子滤波目标跟踪

针对在复杂背景下,基于主成分分析(PCA)的目标跟踪方法准确率较低的问题,使用偏最小二乘分析,提出一种双模粒子滤波的跟踪算法.首先采用偏最小二乘分析对目标区域建模,作为观测模型;然后利用仿射变换描述目标的形变过程,分别在李群及其切向量空间上建立双模的动态模型;最后结合特征空间更新策略,使用粒子滤波实现目标跟踪.实验表明,所提出的算法能够有效滤除背景噪声,跟踪结果稳定且准确.     

堆叠隐空间模糊C 均值聚类算法

基于极限学习机理论, 将主成分分析技术与ELM特征映射相结合, 提出一种基于主成分分析的压缩隐空间构建新方法. 结合多层神经网络学习方法对隐空间进行多层融合, 进一步提出了堆叠隐空间模糊C 均值聚类算法,从而提高对非线性数据的学习能力. 实验结果表明, 所提出算法在处理复杂非线性数据时更加高效、稳定, 同时克服了模糊聚类算法对模糊指数的敏感性问题.