一类非线性脉冲发展方程的最优反馈控制

本文考虑受控系统为Banach空间中一类G0紧半群的非线性脉冲积微分方程的最优反馈控制问题。首先证明容许控制对的存在性,进一步对Lagrange问题给出了一个新的存在性定理。     

基于改进Koopman算子在线预估器的海洋浮体路径跟踪预测控制算法

针对具有强非线性动力学特性的海洋浮体路径跟踪问题,提出基于改进Koopman算子在线预估器的模型预测控制(MPC)算法.在算子可观测函数中引入状态时延变量与状态导数,将浮体动态系统提升到希尔伯特空间,使其高维线性化模型包含更多系统模态.据此提出基于Koopman算子的线性预估器,该数据驱动方法通过在提升空间中解决最小二乘问题,对系统的输入-输出数据进行非线性变换.将扩展动态模式分解得到的线性模型作为MPC控制器的内模,以此方式设计的MPC优化问题与一般线性动态系统的MPC优化问题具有相同的计算复杂度.此外,既可以以线性的方式对状态和控制输入施加线性不等式约束,也可以施加源自海洋浮体动态特性的非线性约束.为了减少计算时间,在线预测器采用增量更新策略.将所提出控制方案应用于海洋浮体的路径跟踪控制,并通过仿真实验验证其有效性.     

重尾噪声环境下的扫描雷达稳健角超分辨方法

扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子（LASSO）的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而,该方法基于高斯白噪声假设,在残余项中主要基于 范数进行约束。当回波数据中存在重尾分布的噪声时,该方法中的 范数约束无法有效抑制重尾分布噪声,导致目标分辨能力下降,甚至产生虚假目标。针对该问题,本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先,本文引入一种最小绝对偏差（LAD）-LASSO约束准则以抑制重尾分布噪声;更进一步的,针对模型中存在的正则化参数自适应选取难题,本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后,针对LAD-LASSO非平滑代价函数最优化求解难题,本文提出一种基于迭代重加权最小二乘（IRLS）算法的求解方法,通过将 范数替换为重加权的 范数,并在每次迭代中计算权值实现最优求解。仿真结果表明,相比传统稀疏角超分辨方法,本文提出的方法在不同信噪比下均能够有效抑制重尾分布噪声,并有效提升扫描雷达角分辨率。同时,本文采用岸基X波段雷达实测数据验证了本文提出方法的有效性。     

民航货运量IOWHA算子组合预测

收集我国民航货运量及其影响要素（职工平均工资、人均GDP、GDP、人均消费支出、航线里程、全社会固定资产投资和人口数量）的统计数据为基础,应用多元回归模型和GM（1,1）模型对样本数据进行分别预测,以此为基础,指出引入诱导有序调和加权平均算子（IOWHA）进行组合预测的必要性,基于该算子的优化组合模型进行预测,并构建误差评价指标体系。结果表明,基于诱导有序调和加权平均算子的民航货运量预测的各项误差指标值均低于任一单项预测值,说明该组合预测模型的预测效果更佳,预测精度更高,可应用于实际预测。     

基于竞争指数的模拟退火排序选择算子

 提出基于竞争指数的模拟退火排序选择算子.竞争指数是对个体的适应度和编码差异度进行综合评估后产生的一种个体质量评价指标,代表了个体的绝对价值.依据竞争指数对群体及其后代个体进行排序,个体在队列中的位置代表了它的相对重要性.应用模拟退火过程产生个体在队列中的排序位置参数,作为个体相对价值的量化指标.将个体绝对价值和相对价值量化指标的加权平均数作为其生存的概率,这种选择方式可有效控制群体迭代过程的选择压力,保持群体结构的合理.通过对典型函数的优化实验表明,该算子在显著改善进化算法抗早熟能力的同时,可有效提高算法的搜索效率.