隐蔽式攻击下的离散系统区间观测器设计

本文研究了隐蔽式攻击下的网络化控制系统的安全估计问题.首先,根据攻击保持隐蔽的条件,得到了攻击信号的上界和下界.其次,基于边界信息设计了一类原坐标系下的区间观测器,并进一步通过坐标变换放宽增益矩阵的设计条件,给出了变换下的区间观测器设计方法.然后,提出了基于H_∞滤波理论计算隐蔽式攻击下的最优观测器增益的方法,并通过求解线性矩阵不等式获得最优增益矩阵.最后,通过仿真算例验证了所提方法的有效性.     

智能交通信息物理融合云控制系统

针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题,基于云控制系统理论,以现代智能交通控制网络为研究对象,设计了智能交通信息物理融合云控制系统方案,包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据,在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算,能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略,用于解决拥堵路段交通流分配难题,提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.     

基于微分博弈的追逃问题最优策略设计

本文设计了基于线性二次型微分博弈的多个攻击者、多个防御者和单个目标的追逃问题最优策略. 首先, 针对攻防双方保持聚合状态的情形, 基于攻击方内部、防御方内部以及双方之间的通信拓扑, 分别给出了目标沿固定轨迹运动和目标采取逃跑时攻防双方的最优策略. 其次, 针对攻防双方保持分散状态的情形, 利用二分图最大匹配算法分配相应的防御者与攻击者, 将多攻击者、多防御者追逃问题转化为多组两人零和微分博弈, 并求解出了攻防双方的最优策略. 最后, 数值仿真验证了所提策略的有效性.     

具有时滞的奇异系统H∞控制

针对具有时滞的奇异系统H_∞输出反馈控制问题, 利用Lyapunov泛函方法, 得到闭环系统稳定且具有H_∞-范数界γ的充分条件, 基于相应的LMI可行解给出了动态控制器显式表示. 最后, 数值例子表明了该方法的正确性.     

绿色能源互补智能电厂云控制系统研究

针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题, 基于云控制系统理论, 以智能电厂为研究对象, 本文提出了智能电厂云控制系统(Intelligent power plant cloud control system, IPPCCS)解决方案. 基于智能电厂云控制系统, 针对绿色能源发电波动性强、抗扰能力差的问题, 利用机器学习算法对采集到的风电、光伏输出功率进行短时预测, 获知未来风、光机组功率输出情况. 在云端使用经济模型预测控制(Economic model predictive control, EMPC)算法, 通过实时滚动优化得到水轮机组的功率预测调度策略, 保证绿色能源互补发电的鲁棒性, 充分消纳风、光两种能源, 减少水轮机组启停和穿越振动区次数, 在为用户清洁、稳定供电的同时降低了机组寿命损耗. 最后, 一个区域云数据中心的供电算例表明了本文方法的有效性.     

基于屏障控制函数的轮式机器人系统多目标分布式协同控制

受多目标优化理论的启发,针对非完整约束轮式机器人设计基于屏障控制函数的多目标协同控制算法.该方法可实现队形控制主目标、连通性次级目标以及避碰次级目标,其中将连通性保持和避碰问题建模为两个系统约束,屏障控制函数作为约束对应的惩罚函数,可解决系统有输入或状态约束的问题.通过获取的局部信息将系统状态约束转化为屏障控制函数,利用屏障控制函数的类李雅普诺夫特性对其导数引入约束,再通过保证约束集的正不变性,达到控制目标.所提出方法可有效地避免控制器在连通性约束和避碰约束边界处的频繁切换,减小机械疲劳,在理论上可进一步扩展次级目标的数目,实现多目标控制.另外,所提出的协同控制算法对编队队形没有特殊要求,适用于不同编队需求和通信拓扑情况.最后通过数值仿真验证了所提出算法在不同情况下的有效性.     

一类含未建模动态和时滞系统的鲁棒二次镇定

研究一类同时含有参数摄动和未建模动态的线性时滞系统的鲁棒控制问题。获得了系统可二次镇定的充分条件,给出一种不依赖于系统时滞的状态反馈控制器设计方法,最后给出了计算示例。     

基于观测器的鲁棒H_2控制器设计

研究了一类含有参数不确定系统的观测器型鲁棒 H2 控制器的设计问题 .基于状态反馈和观测器设计的可分离性原理 ,给出了控制器存在的充分条件和系统 H2 性能指标的一个上界 .利用线性矩阵不等式凸优化方法还得到了使该界达到最小的观测增益 .     

天空地一体化网络环境下多运动体系统跨域协同控制与智能决策

近年来,基于云控制技术的天空地异构多运动体系统的研究得到学界的关注,天空地跨域多运动体通过互联、互通、互操作,能够实现信息共享与融合、行为交互与协调、任务协同与合作,促进系统功能互补、效能倍增,从而提升面对复杂环境和任务的应对能力.鉴于此,详细阐述天空地异构多运动体系统的跨域协同控制与智能决策研究进展.首先,介绍天空地一体化网络环境下多运动体系统的内涵和云框架下的天空地移动云构成要素,以及代表性的研究进展;然后,从智能云控制和决策角度阐述天空地异构多运动体系统的研究现状,给出云控制与决策框架下的解决方案.最后,从集群管理、跨域协同感知、控制与决策等方面提出天空地异构多运动体系统需要解决的关键问题和技术,并对未来可能的研究方向进行讨论与展望.     

基于机器学习的信息物理系统安全控制

研究了控制信号被恶意篡改的信息物理系统的安全控制问题. 首先, 提出一种改进果蝇优化核极限学习机算法(Kernel extreme learning machine with improved fruit fly optimization algorithm, IFOA-KELM)对攻击信号进行重构. 然后, 将所得重构信号作为系统扰动加以补偿, 进而设计模型预测控制策略, 并给出了使被控系统是输入到状态稳定的条件. 另外, 本文从攻击者角度建立优化模型得到最优攻击策略用以生成足够的受攻击数据, 基于此数据, 来训练改进果蝇优化核极限学习机算法. 最后, 使用弹簧−质量−阻尼系统进行仿真, 验证了改进果蝇优化极限学习机算法和所提安全控制策略的有效性.