统计特性已知的复杂系统控制器设计方法

对于具有白噪声加性干扰的复杂系统的控制问题,建立了Takagi-Sugeno模糊控制模型,利用Kalman滤波对系统状态信息进行局部估计,用动态规划获得了控制增益,这样导出的控制器具有学习特点,使得闭环系统具有期望的性能指标。以倒立摆为仿真实例,仿真结果表明了所设计控制器的有效性。     

基于混合粒子群优化算法辨识Hammerstein模型

非线性系统辨识是现代辨识领域中的一个主要问题。在非线性系统辨识中,系统常被表示为一系列块连接。针对非线性系统中的Hammerstein模型,本文提出了利用混合粒子群优化算法对非线性系统模型进行辨识。该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题,然后采用粒子群优化算法(PSO)获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法。最后,给出仿真实验,其结果验证了本文给出的辨识方法是有效的。     

基于LMI 的不确定随机系统输出反馈保性能控制

针对一类不确定连续随机系统,研究了具有输出反馈控制器的保性能控制．首先,对于范数有界 的不确定随机系统,得到了具有输出反馈控制器的闭环系统的二次型性能指标的上界一般形式．其次,应用 线性矩阵不等式技术,研究了其闭环系统的二次稳定和二次保性能稳定;并且依据线性矩阵不等式优化方法, 得到了使闭环系统渐近稳定的最优输出反馈保性能控制器．最后,给出仿真算例,验证本文方法的可行性和 有效性．     

不确定随机系统LQG对偶控制

针对不确定性模型为多胞型的随机系统进行了对偶控制的研究．首先，假定多胞型不确定参数存在于状态空间模型的系统矩阵、输入矩阵和量测矩阵中．其次，将此不确定性模型通过不确定参数的后验概率加权，得到其增广系统．然后，使用动态规划得到增广系统的次优控制律．最后，通过仿真验证了本文方法的可行性和有效性．     

基于改进粒子群优化算法的新型小波神经网研究

本文提出了改进的粒子群优化算法（Improved Particle Swarm Optimization,IPSO）的新型BP 小波 神经网络,并且对非线性辨识问题进行了仿真实验．实验结果表明,基于改进的粒子群优化算法的BP 小波网 络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力,而且具有粒子群优化算法全局快速寻 优的特点．与简单的粒子群优化算法相比,该方法在收敛性和稳定性方面都有了较明显的提高,验证了它的 合理性和有效性．     

一种辨识Wiener-Hammerstein模型的新方法

针对非线性Wiener-Hammerstein模型,提出利用粒子群优化算法对非线性模型进行辨识的新方法.该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题;然后采用粒子群优化算法获得该优化问题的解.为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法.最后,仿真结果验证了该方法的有效性和可行性.     

基于ESMF 算法的GPS 信号多普勒频率估计

针对GPS 接收机对载波信号的跟踪性能受到不同类型噪声的影响, 且这些噪声的统计特性很难得到的问题, 提出一种基于扩展集员滤波(ESMF) 的解决方法. 该方法根据载波信号中噪声统计特性未知但有界(UBB) 的特点, 设定合理的噪声边界, 将UBB噪声包含在椭球集合内; 利用集员的思想实现载波信号多普勒频率的在线非线性估 计, 且估计过程中同时能够检测系统坏值的发生时刻. 仿真中, 模型选取三维空间运动的载体. 仿真结果表明, ESMF在处理该模型时是一种有效的鲁棒估计算法.

     

基于两级算法的混沌控制

提出了一种两级算法,可以解决连续混沌系统的最小能量控制问题,首先,给出一个二次目标函数,同时把混沌系统分解为线性部分和非线性部分.上级算法对混沌系统中的非线性部分进行预估,并把整个原系统表为带有常系数的线性系统;下级算法用极小值原理解决这个典型线性二次最优控制问题,并把解返回到上级算法,上级算法根据下级的解对非线性部分重新预估.这样通过两级间不断的信息交换,最终得到混沌系统的最优控制律.该方法不仅实现了对混沌系统的控制,而且在整个控制过程中保证控制能耗为最小.证明了算法的收敛性和闭环系统的稳定性.对统一混沌系统的仿真结果表明了控制策略的有效性.     

基于改进粒子群算法的Hammerstein模型辨识

提出辨识非线性Hammerstein模型的新方法。将非线性系统的辨识问题转化为参数空间上的函数优化问题,采用粒子群算法获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出采用速度变异粒子群对整个参数空间进行搜索得到系统参数的最优估计。仿真结果验证了该方法的有效性。