基于梯度投影法与随机优化算法的约束优化方法

针对带有线性等式和不等式约束的无确定函数形式的约束优化问题,提出一种利用梯度投影法与遗传算法、同时扰动随机逼近等随机算法相结合的优化方法。该方法利用遗传算法进行全局搜索,利用同时扰动随机逼近算法进行局部搜索,算法在每次进化时根据线性约束计算父个体处的梯度投影方向,以产生新个体,从而能够严格保证新个体满足全部约束条件。将上述约束优化算法应用于典型约束优化问题,其仿真结果表明了所提出算法的可行性和收敛性。     

基于改进齐次多项式技术的离散时间2-D T-S模糊系统的收敛镇定条件

通过利用改进的齐次多项式技术来研究了Roesser型二维T-S模糊系统的镇定设计问题. 首先, 提出了一种用来镇定该二维T-S模糊系统的一种新型非二次控制率, 并且通过应用两种改进的齐次多项式技术得到了保守性更小的镇定条件. 随着所选用的齐次多项式参数依赖矩阵度数的增加, 所得结果的保守性会越来越小. 其次, 为了继续减少保守性, 提出了一种新的右侧松弛变量引入方法, 该方法适合于齐次多项式情形. 最后, 仿真实验验证了所提方法的有效性.     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

冷轧带钢板形测量信号的有效补偿处理方法

针对冷轧带钢板形测量信号的补偿处理问题,通过数学模型分析和仿真验证的方法进行了研究和优化设计.所提出的板形测量信号补偿处理方法可以有效消除外界因素对测量信号产生的影响,为板形控制系统提供高精度的板形信号以用于提高板形控制精度,满足高精度板形控制的需要.仿真研究验证了该测量信号补偿方法的有效性和先进性.     

非线性时滞信息物理系统在网络攻击下的事件触发有限时间指令滤波跟踪控制（英文）

本文通过事件触发指令滤波控制解决受网络攻击的非线性时滞信息物理系统的安全有限时间跟踪问题。在攻击情况下,系统输出和状态信息无法用于反馈设计,经典坐标转换不能满足跟踪任务。为解决这一问题,提出一种同时考虑攻击增益和参考信号的坐标转换方法。利用变换后的变量,引入改进的分数阶滤波信号来克服复杂度爆炸问题,并利用Nussbaum函数处理时变的攻击增益。通过构造L-K泛函,提出一种自适应事件触发机制,大大节省了通信资源,保证了系统在网络攻击下的有限时间跟踪。最后,通过实例验证了该方法的有效性。     

考虑温度舒适度与碳交易的综合能源系统优化调控

综合能源系统可以实现多能互补、能源梯级利用,但设备间复杂的耦合关系对新能源消纳与源荷波动平抑带来了极大挑战.针对此类问题,本文提出基于舒适度的温差储能与阶梯奖惩碳交易机制的调控模型.首先,在电价需求响应的基础上,构建由舒适度划分的冷热需求响应的温差储能模型.其次,建立以系统运行成本与碳排放量最低为目标的综合调控模型,在...     

基于新的松弛条件的离散时间2-D T-S模糊系统的镇定

研究了在实际中有广泛应用的罗斯勒型离散时间非线性2-D系统的镇定问题. 首先, 运用离散时间2-DT-S模糊模型来对所研究的非线性2-D系统进行建模. 其次, 通过利用放松二次镇定技术得到新的关于2-D系统的二次镇定条件. 然后, 为了继续减少结果的保守性, 通过利用一个新的参数依赖李亚普诺夫函数、矩阵转换技术和松弛技术, 得到了新的非二次镇定条件. 最后, 用一个仿真例子来验证了结果的有效性.     

电力无线专网在泛在电力物联网中的应用

电力无线专网将成为解决电网“最后一公里”通信连接问题的关键技术,助力泛在电力物联网实现万物互联、人机交互,全面深入应用电力无线专网对泛在电力物联网的建设具有重要意义。首先介绍了泛在电力物联网的基本概念与特征、分析了泛在电力物联网业务对通信的需求,研究了电力无线专网架构、技术和特点。其次,深入分析了电力无线专网在泛在电力物联网中的三大典型应用场景,即控制类业务、采集类业务、移动类业务。基于应用场景指出了电力无线专网建设过程中存在的通信干扰、网络安全、业务连续性以及基站选址等问题,并结合建设实际提出了针对性的解决措施。最后给出了泛在电力物联网环境下电力无线专网建设方向,在业务针对性、业务发展需求、业务扩展性以及业务安全性等方面进行了探讨。     

面向协作集群的鲁棒协同自定位与相对定位方法

协同定位是卫星拒止等导航基础设施受限环境下提升载体定位精度的重要手段,载体自定位和载体之间相对定位是其 主要的两项应用。 然而现有方法通常将自定位与相对定位剥离开来,仅用于估计其中一种定位状态,不仅存在应用局限性,也 忽略了集群相对运动与个体运动之间的关联性,导致性能损失。 为解决该问题,提出了一种适用于协作集群的鲁棒协同自定位 与相对定位方法,基于自定位、相对定位和协同量测之间的概率关系建立概率图模型,描述了相对运动与个体运动之间的概率 关系;采用高斯置信传播传递实现图模型的边缘概率求解,实现消息传递的高效计算;设计了基于 Huber 损失函数的 Huber 因 子,可实现异常量测在高斯消息传递过程中的降权,从而实现鲁棒协同估计。 实验结果表明,所提出的方法不仅能够同时进行 自定位与相对定位估计,且估计精度优于传统协同定位方法,所设计的 Huber 因子能够有效处理异常量测,为集群协同导航定 位的融合架构提供了新思路。     

面向智慧园区的电力无线异构通信网络干扰抑制研究

智慧园区通过无线网络采集底层终端基础信息,将独立的海量数据整合到统一平台。园区内宏基站与微基站的通信协作必然导致基站覆盖范围存在重叠,电力终端在提供基础通信服务的同时,会受到周围基站带来的严重干扰。针对上述问题,文章首先对智慧园区无线异构网络干扰类型进行划分;然后,根据预先采集的通信基站网络拓扑信息,计算基站间干扰强度,构建园区无线异构网络干扰邻接矩阵;其次,根据短时傅立叶变换分解无线网络信号,基于网络波束赋形算法,求解收敛的最优解以获得微基站最大化的通信功率,从而实现智慧园区电力无线异构通信网络的干扰抑制。最后,在算例中比较不同场景下的网络吞吐量、通信速率提高率和吞吐量提高率,验证干扰抑制方法的有效性。