不确定时变时滞模糊大系统的采样分散可靠H∞双曲控制

研究了时变时滞不确定连续模糊大系统的采样可靠双曲控制. 首先对一类复杂大系统进行模糊双曲建模, 然后根据李亚普诺夫直接方法和大系统的分散控制理论, 得出了基于线性矩阵不等式的条件, 该条件不仅在所有控制元件都有效工作时, 而且在执行器可能存在故障的情况下都能保证系统的性能. 且不需要执行器的精确故障参数, 只需要故障参数的上下界. 该条件只依赖于时滞的上界, 不依赖于时变时滞的导数. 因此得到的条件有更小的保守性. 最后应用两个例子验证了设计过程及其有效性.     

基于数据自适应评判的离散2-D系统零和博弈最优控制

提出了基于一种迭代自适应评判设计(ACD)算法解决一类离散时间Roesser型2-D系统的二人零和对策问题. 文章主要思想是采用自适应评判技术迭代的获得最优控制对使得性能指标函数达到零和对策的鞍点. 所提出的ACD可以通过输入输出数据进行实现而不需要系统的模型. 为了实现迭代ACD算法, 神经网络分别用来近似性能指标函数和计算最优控制率. 最后最优控制策略将应用到空气干燥过程控制中以证明其有效性.     

基于划分时滞区间的一类Cohen-Grossberg神经网络的鲁棒稳定性

研究一类具有时变时滞及参数不确性的Cohen-Grossberg神经网络的鲁棒稳定性问题.应用划分时滞区间的思想构造了一个新的Lyapunov泛函,并以线性矩阵不等式的形式给出了平衡点全局鲁棒稳定性判据,新判据放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了所得结论的有效性.

     

广义模糊双曲正切模型:一个万能逼近器

提出一种广义模糊双曲正切模型,此模型可以看作是模糊双曲正切模型的扩展.讨论 了广义双典模型与T-S模型的关系,证明了此模型是T-S模型的真子集,它具有全局逼近性.给 出了此模型的一种参数及结构的辨识算法,仿真结果表明了建模及辨识算法的有效性.     

基于LMI的一类非线性多时滞系统的模糊H∞滤波器设计

This paper develops fuzzy H1 filter for state estimation approach for nonlinear discrete-time systems with multiple time delays and unknown bounded disturbances. We design a stable fuzzy H1 filter based on the Takagi-Sugeno (T-S) fuzzy model, which assures asymptotic stability and a prescribed H1 index for the filtering error system. Sufficient condition for the existence of such a filter is established by solving the linear matrix inequality (LMI) problem. The LMI problem can be efficiently solved with global convergence using the interior point algorithm. Simulation examples are provided to illustrate the design procedure of the proposed method.     

信息能源系统的信-物融合稳定性分析

尽管信息物理系统的稳定性已经得到了广泛的研究,但大部分的学者皆关注于通信网络延时或攻击下的信息物理系统的稳定性问题,无网络通信的信息物理系统的信物融合稳定性分析策略亟待提出.其中,内嵌数字控制系统的并网逆变器系统是一种最简单、最典型的信息能源系统.同时,从效率的角度出发,逆变器的开关/采样频率总是选择尽可能低的频率,其势必产生系统固有延迟时间(控制理论中称为时间延迟).这种延迟时间往往容易引起系统的低频/次同步振荡,弱电网将加剧此现象.为此,提出一种信息能源系统的信-物融合稳定性分析技术.首先,基于柏德近似方法,建立了具有等效延迟时间的信息物理系统阻抗模型.该等效延迟时间由三部分组成,即信息/物理层的采样延迟时间、信息层的计算延迟时间和物理层的脉宽调制延迟时间,其有效地反映了信息-物理相互融合作用的影响.进而设计了稳定禁止区域判据,利用空间映射使开关/采样频率求解过程转化为Hurwitz矩阵辨识问题.在这些空间映射的基础上,最小开关/采样频率通过自适应步长搜索算法获得.最后,仿真和实验结果验证了该方法的有效性.     

智慧能源-----人工智能技术在电力系统中的应用与展望

在环境污染日趋严重,化石能源逐渐枯竭的背景下,能源系统的发展趋向于清洁化、智能化,我国已将智慧能源的发展提升为国家战略.电力系统作为能源系统的核心环节,应用广泛,具有较强的调节能力且控制复杂,其智能化程度将决定能源系统的智能化水平.伴随着分布式电源、电动汽车、分布式储能元件等具有能源生产、存储、消费多种特性的新型能源终端高比例接入电网,现代电力系统呈现出复杂非线性、强不确定性、强耦合性等特点,传统建模、优化、控制技术存在诸多局限性,人工智能技术将是解决复杂系统控制与决策问题的有效措施.鉴于此,首先梳理人工智能在电力系统应用的发展脉络;然后根据人工智能在电力系统的应用热点领域,阐述人工智能技术在电力系统调度、规划以及电力市场等方面的应用,并对各重点研究内容的未来方向进行展望.     

基于GAN技术的自能源混合建模与参数辨识方法

自能源（We-energy,WE）作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异,现有方法还不能对其参数精确地辨识.为了解决上述问题,本文根据自能源网络结构提出了一种基于GAN技术的数据——机理混合驱动方法对自能源模型参数辨识.将GAN（Generative adversarial networks）模型中训练数据与专家经验结合进行模糊分类,解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练,解决了自能源中输出序列离散的问题.仿真结果表明,提出的模型具有较高的辨识精度和更好的推广性,能有效地拟合系统不同工况下各节点的状态变化.     

微机在粮仓监控管理系统中的应用

介绍微机、单片机、可编程控制器在粮温监测、通风控制、入出仓控制中的应用，以及系统的硬件配置、软件组成和功能。     

基于动态递归网的智能PID自适应控制算法

推导了一类基于动态递归神经网络（DynamicRecurrentNeuralNetwork，以下简称DRNN网络）的智能PID控制算法，并进行了仿真，结果表明，该方法对非线性和时变对象具有很强的适应能力。