基于不同加权因子的随机多模型自适应控制

针对一类噪声方差未知的随机系统,基于不同加权因子设计多个参数辨识器辨识模型参数,在此基础上,构成多模型自适应控制器.在每个采样时刻基于指标切换函数选择最佳辨识模型.并将基于此最佳模型设计的控制器切换为当前控制器.同时,证明了多个模型控制器之间相互切换时整个闭环系统是全局收敛的.仿真结果表明,同单一自适应模型控制器相比,这种基于多个不同加权因子的多模型自适应控制器在模型参数发生跳变时可很好地改善被控对象的控制品质.     

基于不同加权因子的随机多模型自适应控制

针对一类噪声方差未知的随机系统,基于不同加权因子设计多个参数辨识器辨识模型参数,在此基础上,构成多模型自适应控制器.在每个采样时刻基于指标切换函数选择最佳辨识模型,并将基于此最佳模型设计的控制器切换为当前控制器. 同时,证明了多个模型控制器之间相互切换时整个闭环系统是全局收敛的 .仿真结果表明,同单一自适应模型控制器相比,这种基于多个不同加权因子的多模型自适应控制器在模型参数发生跳变时可很好地改善被控对象的控制品质.

     

基于切换和混合策略的多模型自适应控制

混合与切换是多模型控制器的两种主要设计方法,混合控制不能及时响应参数突变,切换控制的暂态响应不理想。因此提出了一种新的多模型自适应控制结构。首先利用各模型子集的中心点值代替未知参数值得到最小误差,并与当前参数估计值得到的误差进行比较,判断参数是否发生跳变。若参数没有发生跳变,采用混合控制;若参数发生跳变,则把参数估计值重构为子集的中心点值,控制器就切换到对应的子控制器,及时响应参数变化。最后的仿真结果表明,在参数发生跳变时,该方法的控制效果较混合控制有明显的改善。     

间隙引发的变载非线性及其闭环辨识

阐明了齿轮传动位置伺服系统间隙除产生熟知的前向迟滞非线性之外,还将因系统往复运动中加卸载相交替的反向调制致使驱动电机动力学参数同步跳变所出现的变载非线性现象.推导建立了这类非线性在一阶谐波意义下的串联式等效频域模型及其近似计算公式,分析了相应的幅相特性.进一步面向服役中系统提出了直接通过闭环弱自激振荡控制所实现的间隙辨识新方法,给出了控制器的结构及其参数整定策略.此外,文中还给出了含高斯白噪声测量的仿真算例,充分验证了闭环间隙辨识方法的有效性和便捷性.     

基于反卷积的系统跳变故障的检测方法

本文基于最佳反卷积,提出了一种系统跳变故障的检测方法,并对其设计和实现进行了详细的论述.该检测方法的显著特点是能及时跟踪故障系统模型,适应于系统状态跳变、系统参数跳变和执行器跳变故障的实时监测和估计.     

一种基于滤波参数在线辨识的鲁棒自适应滤波器

针对一类未建模动态和扰动下的非线性随机系统的状态估计问题,提出了一种基于 滤波参数在线辨识的鲁棒自适应滤波器.该算法通过极小化状态估计误差的方差同时正交化 相邻时刻的滤波残差,在线辨识状态预报误差和滤波残差的协方差,实现了对未建模动态和扰 动的自适应动态补偿,因此对未建模扰动具有很强的鲁棒性.仿真中研究了一个非线性随机时 滞系统,其参数存在缓变和突变,时滞会多次跳变,量测噪声发生了均值漂移和方差突变.算法 对时滞和参数的联合估计效果令人满意.     

网络地址跳变对扫描能力的影响评估

移动目标防御(Moving target defense)通过增加系统攻击表面的不确定性,为防御者提供了一种新的攻击防御策略。IP地址跳变是一种典型的网络层移动目标防御机制,它通过IP地址的不确定性,增加攻击者对攻击目标的定位难度。然而对于一个采用IP地址跳变机制的系统,判断其是否具备足够的抵御扫描攻击的能力,这与系统所具备的IP地址资源、采用的跳变方法以及相关跳变参数设定等因素有一定关系,需要建立适合的量化评估模型才能进行精确的评估。对经典的IP地址跳变机制进行梳理和分析,比较主机型和网关型IP地址跳变机制的优缺点。针对IP地址跳变机制的抗扫描能力提出量化评估模型,可用于评估特定IP地址跳变机制在不同参数组合情况下的抗扫描能力。     

基于改进PSO算法的光伏发电系统负荷参数辨识方法

常规的光伏发电系统负荷参数辨识方法主要使用混沌海鸥组合算法优化目标辨识函数,易受静态负荷的影响,导致参数辨识收敛速度偏低。因此,需要基于改进PSO算法设计一种全新的光伏发电系统负荷参数辨识方法,即利用改进PSO算法设计负荷参数辨识策略,根据光伏阵列特征调整光伏发电系统逆变器统一控制器参数,从而实现光伏发电系统负荷参数辨识。实验结果表明,设计的光伏发电系统负荷参数改进PSO算法辨识方法到达平均最优位置花费的辨识次数较少,收敛速度较高,辨识效果较好,具有可靠性和一定的应用价值。     

基于连锁聚类法及遗传算法的模糊建模

模糊建模可以分为被辨识系统的结构辨识和参数辨识.针对系统的结构辨识,提出了一种新型连锁聚类算法,用其来实现被辨识系统的结构辨识及初始参数辨识;针对系统的参数辨识,提出了采用遗传算法对被辨识系统的参数进行更加精确的校正.通过结构辨识算法和参数辨识算法的结合,可以只针对被辨识系统的输入输出测试数据直接进行被辨识系统的结构辨识及参数的进一步精确校正.通过对非线形函数的仿真结果表明,此辨识方法具有较好的辨识结果.     

欺骗攻击环境下具有执行器故障的跳变耦合 信息物理系统的同步控制

针对一类离散Markov跳变耦合信息物理系统(CPS)的同步控制问题,在考虑系统参数跳变、耦合参数跳变、控制信息不完全和人为攻击的情况下,设计同步控制器实现CPS的同步.首先,给出具有随机欺骗攻击和执行器故障的Markov跳变耦合CPS模型.其次,基于矩阵Kronecker积,得到同步误差系统,将CPS的同步控制问题转化为同步误差系统的稳定性分析问题.再次,通过构造合适的Lyapunov-Krasovskii泛函,并利用Lyapunov稳定性理论和线性矩阵不等式方法得到使同步误差系统稳定的充分条件,在此基础上,设计同步控制器实现对Markov跳变耦合CPS的同步控制.最后,通过数值仿真例子说明该同步控制器设计方法的有效性.     

基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.     

利用递推增广矩阵辨识加速度计的参数

介绍了加速度计的基本工作原理和结构模型,将加速度计的微分方程转换成差分方程,在传统最小二乘法辨识的基础上,采用递推增广矩阵的辨识方法对加速度计的参数模型进行辨识.通过Matlab对其仿真,得到被辨识参数的估计值与曲线图,说明采用递推增广矩阵辨识方法辨识系统参数具有辨识速度快、辨识精度高、辨识结果准确等特点.     

矿用机器人驱动系统参数辨识

针对基于最小二乘法的参数辨识精度不高的问题,提出了一种基于鲸鱼优化算法的矿用机器人驱动系统参数辨识方法。通过建立矿用机器人驱动系统模型确定待辨识参数,将待辨识参数看作鲸鱼群个体位置,通过适应度函数来衡量每个鲸鱼群个体位置的优劣,利用鲸鱼觅食策略不断更新鲸鱼群个体位置,直至获得最佳鲸鱼群个体位置,即可获得最佳辨识参数。仿真和实验结果表明,与基于最小二乘法的参数辨识方法相比,该方法具有更高的辨识精度。     

含参数不确定性的马尔可夫跳变过程鲁棒正实控制

讨论一类具有随机跳变参数的线性系统正实控制问题,其跳变参数的跃迁由有限状 态的马尔可夫过程描述.基于随机李亚普诺夫函数的方法,并结合线性矩阵不等式,分别提出依 赖于模态的状态反馈和输出反馈控制,以保证相应闭环系统的严格正实性.进一步针对系统含 参数不确定性的情形,引入鲁棒正实性分析,得到鲁棒正实控制器存在的充分条件和设计方法.     

具有分片非线性输入的Wiener系统的随机梯度迭代(英文)

研究了一类具有分片非线性输入(又称为死区非线性输入)的Wiener系统的参数辨识,分片非线性输入是一个强非线性输入,其数学模型不能写成参数乘以输入的形式,首先引入开关函数,接着利用开关函数将原系统的不可辨识模型转换为可辨识模型,然后通过随机梯度迭代方法辨识出系统的参数,利用辨识出的参数可以计算出系统所有待辨识参数。仿真结果证明了本文方法的有效性。     

小型无人机舵面故障的控制重构设计

小型无人机一般采用单余度设计,舵面故障后重构控制只能根据系统解析冗余进行设计,传统辨识方法复杂而且往往不能满足无人机重构控制的实时性。对由于舵面故障多样性引起的无人机参数大范围跳变进行分析,采用基于线性模型的方法离线重构控制器参数,实际飞行中在线自适应选择控制律,并针对存在大扰动的重构过程设计了动态补偿方案,保证无人机在故障发生后重构完成前的过渡过程的安全性。仿真实验表明,该方法能满足无人机舵面故障时控制律重构的实时性要求,保证过渡过程平稳,而且基于线性模型的控制器设计方法简便,工程实用性强。     

基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识

针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable, ARMAX)的参数辨识问题提出一种两阶段辨识方法. 首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable, ARX),然后采用Durbin方法将移动平均部分(Moving average, MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive, LAR)的参数辨识问题, 并利用MA与等价LAR的参数对应关系直接得到MA参数, 最后利用辨识出的MA参数计算出噪声方差. 与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.     

一类生物系统的参数辨识方法及其应用

针对S-型生物系统的参数辨识问题,给出了以极小化误差函数为优化目标的参数辨识模型。基于修正配置和B样条插值,提出了一种有效的参数辨识模型求解方法。计算研究表明,该方法可以获得更为精确的参数辨识结果。将该方法应用到甘油生物发酵系统中,进一步验证了该方法的有效性。     

随机激励的非线性Markov跳变系统的稳态响应

大量实际工程问题需要用同时包含连续和离散变量的Markov跳变系统来描述.本文介绍了一类随机激励的单自由度(强)非线性Markov跳变系统的稳态响应的研究方法.首先,基于随机平均法导出具有Markov跳变参数的平均It随机微分方程,原系统方程的维数得到降低.接着,根据跳变过程原理,建立Fokker-Planck-Kolmogorov(FPK)方程组,方程组中的方程与系统的结构状态一一对应且互相耦合.求解该FPK方程组,得到Markov跳变系统的稳态随机响应及其统计量.最后,以一个高斯白噪声激励的Markov跳变Duffing振子为例,计算得到不同跳变规律下系统的稳态响应.研究结果表明,Markov跳变系统的稳态响应可以看作是各结构状态子系统稳态响应的加权和,加权值由跳变规律决定.     

有理模型辨识的两类新方法-----混合迭代与柔性最小二乘法

针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.