On the order of stable compensators for a class of time-delay system

The stabilization using a stable compensator does not introduce additional unstable zeros into the closed-loop transfer function beyond those of the original plant, so it is a desirable compensator, the price is that the compensator‘s order will go up. This note considered the order of stable compensators for a class of time-delay systems. First, it is shown that for single-loop plants with at most one real fight-half plane zero, a special upper bound for the minimal order of a strongly stabilizing compensator can be obtained in terms of the plant order; Second, it is shown that approximate unstable pole-zero cancellation does not occur,and the distances between distinct unstable zeroes are bounded below by a positive constant, then it is possible to find an upper bound for the minimal order of a strongly stabilizing compensator.     

求解网络广告资源优化模型的改进微粒群算法

针对网络广告的特点，提出一个最大化广告效果函数的广告资源分配模型．在Langheinrich线性模型的基础上，加入分散广告显示的二次惩罚项，使所得到的最优解更能发挥网络广告的作用，结合微粒群(PSO)算法和模型的特点，设计出能有效处理约束的改进PSO算法，数值仿真证明了算法的有效性。     

基于一类SM SA 策略的模型最优降阶

将一类SMSA混合策略应用于模型的最优降阶，提出了处理约束优化和解决模型降阶通常遇到的稳定性问题的有效方法．通过对典型例子的数值仿真表明了混合策略和约束处理方法的有效性，而且第3个例子的优化结果明显优于以往文献的结果。     

求解部分可观测马氏决策过程的强化学习算法

针对部分可观测马氏决策过程(POMDP)中，由于感知混淆现象的存在，利用Sarsa等算法得到的无记忆策略可能发生振荡的现象，研究了一种基于记忆的强化学习算法——CPnSarsa(λ)学习算法来解决该问题．它通过重新定义状态，Agent结合观测历史来识别混淆状态．将CPnSarsa(λ)算法应用到一些典型的POMDP，最后得到的是最优或近似最优策略，与以往算法相比，该算法的收敛速度有了很大提高．     

实时控制传输中的数据"粘连"算法分析研究

工程项目中对实时控制的要求比较高，而TCP／IP对小数据包无法实时传输，且有数据粘连现象。本文对这种现象从原理上进行了分析，结合常用的解决方法提出了自己的解决思路。     

输出反馈实现一类带不确定输入动态非线性系统的鲁棒几乎干扰解耦

研究一类带不确定输入动态非线性系统的输出反馈干扰抑制问题并基于观测器给出了输出反馈控制器 构造性的设计方法.所设计的控制器具有对可允许不确定动态的鲁棒性.不仅在L₂增益意义上抑制了干扰对输出 的影响,同时在ISS镇定意义上抑制了干扰对状态的影响.     

混沌Lorenz系统延迟反馈控制的机理分析

利用广义Hamilton系统理论的Melnikov方法,严格分析了延迟反馈方法控制混沌Lorenz系统到周期解的机理,揭示了延迟时间与控制混沌的关系.延迟反馈项实际上是一个作用明显的扰动项,通过选择合适的参数,使得系统的稳定流形与不稳定流形不再横截相交,Smale意义下的混沌受到抑制,将Lorenz混沌系统引导到各种不同的周期轨道;可见,延迟时间关系到控制扰动量的大小,但不必是混沌吸引子内嵌不稳定周期轨道的周期整数倍.另外,通过数值仿真,其结果与理论分析相符,从而表明了该分析方法的有效性.     

改进计算能量函数下作业车间调度的混沌神经网络方法

神经网络是求解作业车间调度问题的一种有效方法,本文研究可以获得全局最优或近似全局最优的可行解的作业车问调度神经网络方法.给出包括作业车间调度所有约束条件的新的计算能量函数表达式,并把混沌动力学应用于离散Hopfield神经网络作业车间调度中,提出一种改进的暂态混沌离散神经网络作业车间调度方法.仿真结果表明,该方法不仅具有全局搜索能力,而且收敛速度较快,重要的是能够保证神经网络的稳态输出为全局最优或近似全局最优的可行的作业车间调度方案.     

线性不确定系统的给定阶最优控制器设计

为避免间接法设计降阶控制器的模型近似引起的性能下降,本文在静态输出反馈控制器设计的基础上,直接设计了线性不确定系统的给定阶混合H2/H∞动态反馈控制器.利用系统内外分解方法,得到了最优降阶状态观测器.通过求解降维状态观测器的静态输出反馈,可得到降阶控制的最优反馈增益阵.给定阶控制器由两个Ric cati方程和一个Lyapunov方程参数化表示.最后,通过一个例子,说明了本文提出的给定阶控制器设计方法.     

采样算子调整的径向基网络增量映射学习算法

为了提高增量映射学习(IPL)算法的效率,调整了径向基神经网络基函数的中心及方差,以达到调整采样算子的目的,同时,通过神经元函数相关性的计算,确定添加新神经元时,相关函数的阈值,为系统结构调整提供相应依据.新方法步骤相对简单,所以算法速度较快;仿真结果表明,由于系统参数得到调整,对于同一问题,改进IPL算法得到的径向基神经网络结构较一般算法得到的网络结构简单,输出结果也较为精确.