Composite iterative learning controller design for gradually varying references with applications in an AFM system简

Learning control for gradually varying references in iteration domain was considered in this research, and a composite iterative learning control strategy was proposed to enable a plant to track unknown iteration-dependent trajectories. Specifically, by decoupling the current reference into the desired trajectory of the last trial and a disturbance signal with small magnitude, the learning and feedback parts were designed respectively to ensure fine tracking performance. After some theoretical analysis, the judging condition on whether the composite iterative learning control approach achieves better control results than pure feedback contro! was obtained for varying references. The convergence property of the closed-loop system was rigorously studied and the saturation problem was also addressed in the controller. The designed composite iterative learning control strategy is successfully employed in an atomic force microscope system, with both simulation and experimental results clearly demonstrating its superior performance.     

一类矩阵方程的算法研究

研究了矩阵方程X+A*X-1A+B*X-tB=I的正定解,通过构造单调有界迭代序列求得方程正定解.提出的新算法收敛速度有所提高.并通过算例进行算法比较.     

鞍点问题的HSS-GS迭代法与收敛理论

为了更好地求解鞍点问题,提出了埃尔米特和反埃尔米特分裂-类高斯赛德尔(HSS-GS)交替迭代法,并分析了其收敛性质。由于鞍点问题是二阶分块矩阵,且最后一块是零矩阵,通过引入新的矩阵,可以得到求解鞍点问题的类高斯赛德尔(GS-like)方法,并给出了相应的收敛性质。进一步,在GS-like方法和HSS迭代法的基础上,给出了HSS-GS交替迭代方法,并分析了这类算法的收敛性质。数值算例表明,GS-like方法和HSS-GS迭代法都可行,且后者更加有效。     

具有非线性边值条件的二阶脉冲积微分方程的解

脉冲微分方程在理论方面已取得重大进展,应用极其广泛.文中介绍了上下解的定义、单调迭代方法并给出几个引理.最后用上下解方法和单调迭代技巧讨论了具有非线性边值条件的二阶脉冲积微分方程,得到了最大解和最小解的存在性.     

基于迭代学习的直线伺服系统离散变结构控制

直线电机在执行重复性的跟踪控制任务时,负载扰动、端部效应力及摩擦力会呈现周期性变化。为了提高永磁直线伺服系统的跟踪精度与抗扰性能,消除上述不确定因素的影响,采用离散变结构控制(DVSC)和迭代学习控制(ILC)相结合的位置跟踪控制策略。并利用迭代学习控制算法来调整变结构控制器的参数,削弱抖振,提高稳态精度。理论分析与仿真结果表明,该方案在保证直线伺服系统快速精确跟踪性能的同时,对系统参数变化和阻力扰动具有很强的鲁棒性。     

Accelerating Iterative Big Data Computing Through MPI

Current popular systems, Hadoop and Spark, cannot achieve satisfied performance because of the ine?cient overlapping of computation and communication when running iterative big data applications. The p...     

城市区域交通信号迭代学习控制策略

城市交通流具有复杂的非线性动态特性, 在交通控制中难以对其进行精确的数学建模; 同时, 以天为周期, 宏观交通流又呈现出明显的周期性特征. 鉴于此, 提出一种基于迭代学习的城市区域交通信号控制策略, 通过对交通信号的迭代控制, 使路段的平均占有率收敛于期望占有率, 从而使绿灯时间得到充分利用并防止交通拥堵的发生, 保证了交通流在路网中的高效平稳运行. 严格的理论推导证明了该方法的收敛性, 仿真结果验证了该方法的有效性.

     

高分辨TerraSAR-X 图像舰船目标几何参数提取方法

准确提取SAR图像舰船目标几何参数是实现舰船分类的基础。由于SAR特有的成像机理, SAR图像旁瓣效应和方位模糊严重影响了舰船目标的几何参数估计,为此提出一种基于迭代线性回归的舰船几何参数提取方法。首先通过线性回归提取目标的主轴方位;然后利用循环迭代剔除远离主轴的虚假目标像素;最后用实测SAR数据进行了验证。实验结果表明,该算法对高分辨率的SAR舰船目标切片具有较好的参数估计效果。     

基于PNDSC 的欠驱动AUV编队控制器设计

针对含有模型不确定与未知海洋环境扰动下的欠驱动自主水下航行器(AUV)的编队控制问题, 提出一种基于预估器的神经网络动态面(PNDSC) 控制算法. 将动态面法引入控制器的设计中, 采用神经网络逼近AUV模型中的不确定项与海洋环境的扰动, 并结合预估器设计了神经网络权值的离散迭代更新率. Lyapunov 稳定性分析表明, 闭环系统所有信号是一致最终有界的. 仿真结果验证了所提出方法的有效性.

     

低复杂度递推信道估计联合均衡算法

精确的信道状态信息对单载波频域均衡(Sin gle carrier frequency domain equalization, SC FDE)非常重要,本文基于高斯消息传 递 (Gaussian message passing,GMP)提出了一种递推最小二乘(Least squares, LS)信道估计 算法。借助于因子图,根据广义分配率思想,将估计函数分为多个局部函数,每个局部函数 做多利处理,然后通过定义辅助变量使其成递推关系。根据turbo原理,迭代交换软信息, 使得估计、均衡及译码联合进行。在此基础上 ,分析并推导出无偏简化方法,然后借助于快速傅里叶变换,使得算法复杂度随观察向量长 度的增加呈对数上升。仿真表明该简化算法具有较好的信道估计性能和误码率特性的同时, 显著降低了计算量。