一类自适应预测控制方法及在电液比例控制中的应用

为电液比例系统提供了一个输入输出增量式线性时变模型，采用加权限定记忆回归法来估计模型参数，在此基础上进而提出了一种自适应预测控制方法，并给出了最优控制律，仿真结果表明了该线性时变模型和参数估计算法的可行性，表明该自适应预测控制方法具有优良的控制品质。     

时变路网条件下车辆路径问题的自适应蚁群算法

考虑实际生活中道路路况影响运输成本及油耗率与运载量相关的因素,处理跨多时段的问题,建立时变路网条件下的车辆路径问题数学模型。通过聚类算法和节约算法构造初始解,提高求解速度;自适应地改变启发式因子和期望启发式因子,提高算法全局收敛能力;结合油耗率,将油耗率转化成信息素挥发因子,自适应更新信息素,保证其收敛速度;通过3-opt策略,提高算法的局部搜索能力。基于以上方法构造自适应蚁群算法,对8个客户规模的实例进行仿真表明提出的算法在收敛速度和寻优结果两方面略优于自适应遗传算法和蚁群算法,且因为考虑了不同运载量的油耗,为准确估计运输成本提供了方法。     

DC-DC开关变换器的混沌现象及其应用

目前,DC-DC开关功率变换器的非线性现象的研究已发展到了混沌的控制与应用研究.本文论述了对DC-DC开关变换器的混沌现象及其应用,并展望了混沌开关变换器的应用前景.     

时变β系数的卡尔曼滤波的仿真与估计

旨在预测风险系数,我们对沪市10个行业的β系数的时变行为采用随机游走（RW）模型,在随机游走模型的回归变量前引进了未知参数,仿真预测的结果表明,引进未知系数后的模型,其绝对预测误差MAE和均方预测误差MSE都比引进未知系数前的模型更精确,改后的模型更适合描述沪市行业风险系数的时变行为。仿真过程是通过卡尔曼滤波的递推过程获取新息及其协方差阵,得到似然函数,从而推进参数估计。将估计的结果返回卡尔曼滤波更新过程,易得观测变量的预测值。     

基于时间窗的随机时变交通网络信号相位协调

交通网络是随机时变网络,用周期性时间窗模拟各路口信号灯控制,建立交通网络中路口相位差协调控制模型。时间窗的设定使只有规定行驶方向的车辆可以通行路口,其他车辆不可通行。为得到车辆在路口前等待状况,定义时间窗函数,该函数采用协调交通网络路口信号相位差的方法求得随机时变网络的最短期望路径。结合改进的SDOT算法和穷举法及遗传算法设计一种混合算法。对一个四路口小型交通网络进行了仿真研究,结果验证了求解算法的有效性。     

New delay-dependent criterion for the stability of recurrent neural networks with time-varying delay

This paper is concerned with the global asymptotic stability of a class of recurrent neural networks with interval time-varying delay. By constructing a suitable Lyapunov functional, a new criterion is established to ensure the global asymptotic stability of the concerned neural networks, which can be expressed in the form of linear matrix inequality and independent of the size of derivative of time varying delay. Two numerical examples show the effectiveness of the obtained results. Supported by the National Natural Science Foundation of China (Grant Nos. 60534010, 60728307, 60774048, 60774093), the Program for Cheung Kong Scholars and Innovative Research Groups of China (Grant No. 60521003) and the National High-Tech Research & Development Program of China (Grant No. 2006AA04Z183), China Postdoctoral Sciencer Foundation (Grant No. 20080431150), and the Specialized Research Fund for the Doctoral Program of Higher Education of China (Grant No. 200801451096)     

一类线性时变系统组合自适应迭代学习辨识

针对一类在有限时间区间上可重复运行的既含时变参数又含时不变参数的高阶线性时变系统,提出了一种模型参考组合自适应迭代学习参数辨识算法.应用Lyapunov方法,给出了时不变参数的时域自适应学习律和时变参数的迭代域自适应学习律,分析了参数估计和模型状态跟踪误差的有界性与收敛性.该算法适于时变和时不变参数并存的线性系统的参数辨识,可加快参数估计的收敛速度.仿真例子验证了所提出的辨识算法的有效性.     

控制增益符号未知的MIMO 时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO 非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案 .该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov0Krasovski 泛函抵消了因未知时变时滞带来的系统不确定性. 理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.

     

方位向时变非均匀采样的合成孔径声纳成像

采用多接收阵技术能够使合成孔径声纳的测绘速率和测绘带同时得到提高,但带来了方位向非均匀采样以及不满足停走停假设的问题.本文建立了高测绘速率、宽测绘带条件下不做停走停近似的多接收阵合成孔径声纳信号模型,采用频域方法对合成孔径声纳时变的非均匀方位向信号进行了重构,并导出了重构方法的快速算法.重构方法解决了高测绘速率、宽测绘带条件下的偏移及散焦问题.仿真和实验验证了该方法的可行性.     

一种过程支持向量机及其在动态模式分类中的应用

针对一般SVM在机制上难以直接对动态模式进行分类的问题,提出了一种基于函数正交基展开的过程支持向量机.该模型的输入为时变函数,输出为模式类别.在输入函数空间中选择一组适当的正交函数基,将输入函数在该组函数基下进行有限项展开,把展开式系数作为核函数的输入.由于时变函数在基函数映射下与展开式系数一一对应,从而可利用SVM的变换机制实现动态模式分类.给出了基于SMO的求解算法,实验结果验证了模型和算法的有效性.