具有未知参数的GPS/DR组合导航系统跟踪与辨识

该文针对GPS/DR(Global Positioning System/Dead-Reckoning)组合导航系统中存在参数不确定性问题,构建自组织状态空间模型,应用蒙特卡罗粒子滤波方法对新构建的系统模型进行滤波。并且对于在自组织模型中粒子滤波易使未知参数搜索陷入初始取样子集的问题,提出一种人工鱼群-粒子滤波算法。该算法不仅可以估计系统状态,而且还能使未知参数的取样分布向真实参数分布移动,最终辨识出未知参数的真值。仿真结果表明该方法的有效性。     

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.

     

基于猴群算法求解0-1背包问题

0-1背包问题是一个经典的NP完全问题,该问题在实际生活中具有广泛的应用.针对现有算法在求解0-1背包问题时精度不高的缺点,提出了一种诱导因子猴群算法.所给诱导因子猴群算法的基本思想是,在基本猴群算法的爬过程中引入诱导因子,诱导其向上爬行,从而可以逃逸局部最优解,找到全局最优解.在仿真试验中,与已有方法进行比较,结果说明利用所给诱导因子猴群算法求解0-1背包问题是有效的.     

一类非线性时滞系统的自适应模糊动态面控制

针对一类具有未知方向增益函数的严格反馈非线性时滞系统, 提出了一种自适应模糊动态面控制(Dynamic surface control, DSC)算法. 通过利用DSC设计技术和Lyapunov-Krasovskii函数, 该算法不仅克服了计算膨胀的问题, 而且补偿了未知的时滞. 采用Nussbaum函数解决了虚拟控制增益的符号问题, 并且避免了控制器的奇异性. 所设计的控制器保证了闭环系统所有的状态和信号是半全局有界的, 并且通过选择合适的设计参数可使跟踪误差为任意小. 仿真结果表明了所提出控制器的有效性.     

基于模糊神经网络大容量输油泵多变量控制

大容量输油泵系统是一个时变非线性复杂系统,生产要求对输油泵的流量、入口压力和出口压力进行协调控制.根据大容量输油泵系统实际控制要求,提出了基于模糊神经网络大容量输油泵多变量控制策略,设计了控制系统和模糊神经网络控制器的结构,给出了模糊神经网络控制器、模型辨识网络参数的修正算法.仿真结果表明该系统能根据流量、入口压力和出口压力给定值与实际值之间的偏差,在线修正控制器参数,实现对大容量输油泵流量、入口压力和出口压力的协调控制.     

一种新的高动态GPS载波跟踪算法

提出了基于无迹粒子滤波（UPF）算法的高动态GPS载波跟踪环路,仿真分析了该方案在高斯噪声和非高斯噪声环境下对高动态GPS信号的跟踪性能,并与分别基于扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）及扩展卡尔曼粒子滤波（EPF）这四种算法的载波跟踪环路进行了性能对比。仿真结果表明,基于UPF估计器的载波跟踪环路在高动态、弱信号以及非高斯噪声环境下具有优越的跟踪性能,既可以提高跟踪精度,又解决了非高斯噪声干扰问题。通过模拟实验验证了该方案的有效性。     

具有学习特点的控制器设计算法

对于普遍存在的具有未知参数的随机最优控制问题,本文提出了一种具有学习特点的控制器设计算法.该算法用Kalman滤波估计系统的未知参数,在滚动优化机制下用动态规划获取控制增益,为了赋予控制器的学习特点,在LQG控制律中附加使下一时刻估计方差最小的学习控制分量.仿真结果表明了算法的有效性.     

具有合作关系的两级资源分配的递阶优化问题

对于整体目标函数关于下级各部门不具有可分形式和两级资源分配问题，笔者证明了下级各部门合作决策比独立决策效果更好。寻优方法为：把原问题嵌入到对应的多目标优化问题中，对于上级给定的权系数，下级各部门用原始－对偶法独立求解，再把结果送回上级以便更新权系数，这样，通过上，下级不断的交换信息最终可求得原问题的全局最优解。对于递阶系统优化理论和资源分配这一经济学实践的有参考价值。