摘要:

可重构技术在对系统的维护、优化、扩展以及自适应、自组织、自恢复上有其独特的优势.对此,介绍了可重构技术的基本原理、实现方法和应用领域;阐述了其在网络控制系统中分别对系统、节点和协议的应用,并对其发展趋势进行了展望.

摘要:

无线传感网络的簇划分和簇内节点访问顺序对数据融合决策能耗和耗时具有重要影响.对此,提出一种分簇融合方法,采用最大熵聚类法和蚁群算法实现分簇和节点访问顺序规划,在簇内由移动代理以渐近方式完成局部融合,中心服务节点通过二次融合得到最终结果.仿真实验以能耗* 耗时为评价指标,分析了簇数目对数据融合效率和准确性的影响,验证了分簇融合决策方法能有效降低网络能耗和耗时,提高融合准确性和执行效率.

摘要:

针对单个模型跟踪机动目标的性能不够理想、多模型方法最优模型集设计困难且算法较复杂的问题,基于“当前”模型,从目标与跟踪雷达的相对角运动出发,提出一种能适应多类飞行器的自适应跟踪单模型,并给出了优化估计目标与雷达的相对角运动及距离运动的算法.仿真结果表明,该自适应单模型跟踪性能稳定,远优于“当前”模型,对于强机动飞行的目标,其跟踪性能要优于交互多模型方法(IMM),而且其计算量要低于IMM.

摘要:

针对混合系统的特点,建立其微分Petri网(DPN)的模型.首先,给出一类DPN的稳定性概念和稳定性引理;然后通过引入两类函数,利用关联矩阵的信息对DNP的稳定性进行具体分析,进而构造新的复合能量函数,得到DNP的稳定性定理;最后通过仿真例子说明定理的有效性.

摘要:

在传统供应网络和多源供应网络设计的基础上,结合战略应急库存和实物期权两种应急供应方法,建立了基于应急供应的弹性供应网络模型,并进行了算例验证.研究结果表明,与传统的供应网络模型相比,该模型更具有现实意义,不但能显著提高供应网络的弹性,而且能达到网络成本,可靠性和弹性三者之间的平衡.

摘要:

提出一种求解双目标job shop 排序问题的混合进化算法.该算法采用改进的精英复制策略,降低了计算复杂性;通过引入递进进化模式,避免了算法的早熟;通过递进过程中的非劣解邻域搜索,增强了算法局部搜索性能.采用该算法和代表性算NSGA-II,MOGLS对82个标准双目标job shop 算例进行优化对比,所得结果验证了该算法求解双目标job shop 排序问题的有效性

摘要:

针对基于自组织映射神经网络的非线性函数逼近,研究其方法和原理,指出它与一般前向神经网络在逼近原理上的不同.在此基础上,进一步研究该方法的逼近性能,分析其两个不足之处,进而提出一种提高逼近性能的改进神经网络训练策略.最后通过仿真实例验证了所得结论,表明了改进方法的有效性.

摘要:

首先回顾了多机器人系统队形控制方面的成果;然后提出一个多机器人队形控制的模型.该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构,也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法,还能表示多机器人系统奔向目标点的行为.在此基础上,利用一致性理论,对系统的稳定性条件进行分析.最后通过仿真证明了该方法的有效性.

摘要:

研究一类受扰奇异摄动时滞组合大系统的近似最优控制问题.基于奇异摄动的快慢分解理论,将原组合大系统的最优控制问题分解为组合线性快优化子问题和降阶的受扰时滞组合慢优化子问题.通过采用前馈补偿方法抑制外部扰动,采用参数摄动法求解组合慢优化子问题,得到了系统的前馈反馈组合(FFCC)控制律.通过引入降维扰动观测器解决了FFCC律的物理可实现问题.仿真算例验证了所提出方法的有效性.

摘要:

针对非参数线性判别分析(LDA)的类间散布矩阵,就如何有效描述类边界结构这一问题,提出一种SVM与k 近邻(kNN)法相结合的非参数类间散布矩阵构造方法--SVM-kNN.该方法消除了非类边界样本对类边界结构信息的扭曲.将SVM-kNN非参数LDA 方法用于外场实测高分辨距离像的特征提取,并将识别结果与加权kNN非参数LDA 法和谱域原空间法比较,结果表明,SVM-kNN非参数LDA方法能显著提高识别效率.

摘要:

阐述信息对称对控制理论应用的重要意义.通过简化复杂的鲁棒控制算法和加强算法的执行来增加系统的信息对称,使复杂系统实现简捷控制.从仿真结果可以看出,简捷控制也可达到无超调,无静差,调节时间快,对模型摄动具有鲁棒稳定性.简捷控制的准确性好,可靠性高,鲁棒性强,易于达到信息对称,因此可用性强,实际应用前景广阔.

摘要:

在"权数非独裁性条件”和"竞争视野优化准则”假设的基础上,提出一种体现"自主决策”的多属性决策方法.该方法将各评价对象平等地视为具有自主性的"智能体”,并具有"突出自身优势,弱化对手优势”的一致目标.据此,构建反映评价对象各自利益的竞争模型,通过对多个竞争视野下的评价信息进行再集结,得到评价对象集的一个公平的排序.最后,应用算例验证了所提出方法的有效性.

摘要:

在克隆选择算法的基础上,结合独特型免疫网络理论中抗体间的自适应动态调节思想,提出一种新的免疫算法--克隆选择调节算法(CSAA),并用于IIR 数字滤波器的设计.该算法能更好地保持解的多样性及收敛速度快,有效地避免了早熟现象.对多个典型系统进行随机仿真并与其他方法进行比较研究,结果表明,该算法在多模态搜索空间中具有更好的全局收敛性和稳定性,是一种有效可行的IIR 数字滤波器设计方法.

摘要:

对一类含有范数有界不确定性的离散切换系统和一个二次型性能指标,研究其具有闭环极点约束的鲁棒状态反馈保性能控制问题.利用二次Lyapunov函数方法和线性矩阵不等式技术,给出了鲁棒保性能控制器存在的一个充分条件,在所构造切换规则下,闭环系统二次D稳定,且满足给定的性能指标.在此基础上,将次优保性能控制器设计问题转化为一组线性矩阵不等式约束下的凸优化问题.数值例子说明了所提方法的有效性.

摘要:

针对一类非线性摄动时滞系统,基于H∞ 滤波器技术,探讨了系统的故障诊断问题.首先引入参考模型,通过构建故障观测器,形成能反映系统故障的广义残差模型;然后通过基于线性矩阵不等式(LMI)的方法,将故障诊断问题转化为系统鲁棒稳定性分析问题,并给出该问题解存在的LMI 条件和求法.该方法既提高了故障观测器对残差的敏感性,又有效地抑制了干扰,提高了故障检测的效果.仿真结果表明了该算法的有效性.

摘要:

集装箱配载是一个复杂的组合优化问题,其约束条件多,属于NP完全问题,并且求解难度大.在满足一定的约束条件下,提出一种3维集装箱装载的自适应遗传算法.算法中考虑了货物放置方向和装载容积等约束条件,给出了有效的解码算法.实例仿真结果表明了该算法的有效性和实用性.

摘要:

针对旋转小球在垂直平面内运动的欠驱动的具有旋转激励的平移振器(TORA ),基于拉格朗日方程,建立其动力学模型.结合部分反馈线性化,采用一个闭环坐标变换将系统动力学转换成严格反馈的级联非线性系统,该级联系统由非线性子系统和两个积分器组成.在设计了非线性子系统有界状态反馈算法的基础上,应用积分Backstepping 给出了实现系统全局稳定的状态反馈控制器.仿真结果验证了该控制器的有效性.

摘要:

覆盖作为无线传感器网络应用的一个基本问题,反映了网络监测和实现目标跟踪的质量效果.针对传感器节点的高密度部署情况,研究了工作节点集选取问题.提出两种基于加权遗传算法和基于约束遗传算法的优化覆盖机制.根据生成的适值函数进行遗传算法操作,并计算传感器网络充分覆盖区域所需的近似最优工作节点集.仿真结果表明该算法能快速收敛于最优解,完成工作节点集的优化选取,从而降低网络冗余,延长网络生存时间.

摘要:

针对一类多输入多输出(MIMO)网络控制系统,在考虑多重分布时滞和不确定性的情况下,建立了该系统的连续时间数学模型.利用Lyapunov稳定性理论,结合线性矩阵不等式(LMI)方法和S-过程,给出了基于LMI形式的时滞独立渐近稳定判据.通过这些判据,能分析和判定具有多重时滞和不确定性的网络控制系统的时滞独立渐近稳定性.与已有的方法相比,该方法更加有效且求解方便.数值仿真结果表明了该方法的有效性.

摘要:

针对传统模糊干扰观测器在观测误差较小时学习速度缓慢的缺点,提出一种新型快速模糊干扰观测器;然后设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案,严格证明了跟踪误差和观测误差均在有限时间内收敛到非常小的区域;最后,仿真结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.

摘要:

基于线性矩阵不等式(LMI)方法,研究Delta 算子系统状态反馈增益具有加性不确定时的H∞非脆弱控制器的设计问题.给出既能保证闭环Delta 算子系统稳定,又有一定H∞ 性能的充分必要条件,利用相关引理把该充分必要条件转化为LMI 形式.数值算例表明,所提出的设计方法是有效的.

摘要:

在论述顾客满意度模型是具有二分类因变量的非线性模型的基础上,提出一种基于Logistic回归的联立方程模型.首先采用因子分析法提取影响满意度和忠诚度的潜在变量;然后对它们满意与否,忠诚与否进行Logistic回归,建立一个递归联立方程模型;最后结合社区满意度实例进行了实证研究.

摘要:

为了提高疫苗在复杂函数优化问题中的正确性和使用效率,提出一种新的疫苗形式及其提取方法,并给出了接种概率的自适应确定方法.将上述方法与差分进化相结合,得到一种新算法--免疫差分进化(IDA),引入超变异算子来维持种群的多样性,防止早熟现象.实验结果表明,与标准的差分进化算法相比,新算法计算量小,收敛速度快,全局寻优能力强.

摘要:

提出一种新的多目标粒子群优化(MOPSO)算法.根据多目标优化问题(MOP)的特点,将一个进化群体分成若干个子群体,利用非劣支配的概念构造全局最优区域,用以指导整个粒子群的进化.通过子群体间的信息交换,使整个群体分布更均匀,并且避免了局部最优,保证了解的多样性,通过很少的迭代次数便可得到分布均匀的Prreto有效解集.数值实验表明了该算法的有效性.

摘要:

摘!要!提出一种求解多目标函数优化的元胞蚂蚁算法.该方法将元胞自动机演化规则引入蚂蚁算法,给出了在连续空间多目标函数优化的算法描述,定义了与蚂蚁信息素释放有关的元胞演化规则及蚂蚁邻域的转移概率,并实现了算法的具体步骤.在Matlab环境下,采用该算法对一些典型的测试函数进行求解和验证.实验结果表明,该方法具有向真实的Pareto前沿逼近的效果,是一种求解多目标优化的有效方法.