摘要:

网络诱导延时是引起网络化控制系统性能下降甚至不稳定的主要因素之一,如何减小延时或降低其不确定性以克服延时的不利影响,一直是网络化控制系统研究领域的一个关键问题.对此,从控制和通讯网络两方面出发,对目前关于延时问题的研究结果进行了详细的论述和总结;通过系统地分析和对比,指出现有理论成果中存在的问题和不足;最后,指出该领域今后的主要任务和发展方向,并给出了一些有益的建议.

摘要:

设计一种基于遗传算法(GA)的支持向量机(SVM)多分类决策树优化算法,以克服因传统SVM 多分类决策树结构固定,单个SVM 节点在树中位置随意而引起"误差积累"现象严重的缺陷.采用了SVM 分类间隔作为GA适应度函数.利用GA在每一决策节点自动选择最优或近优的分类决策,最终自适应地实现了对决策树的优化.仿真实验表明,与传统方法相比,所提出的方法可使"误差积累"现象明显降低,分类质量大大提高.

摘要:

针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一种基于改进客观聚类分析的模糊辨识方法.首先引入并改进了客观聚类分析法,克服了迭代导致的规则数冗余,降低了人为因素对聚类结果的影响,从而减小了计算量并提高了鲁棒性;然后结合模糊聚类和稳态卡尔曼滤波法,分别辨识了前提和结论参数;最后通过Box-Jenkins仿真实例验证了所提方法的有效性.

摘要:

针对自适应神经网络跟踪控制问题,提出一种确定逼近域的方法.采用参考信号取代未知非线性函数中的系统输出,神经网络用于逼近以参考信号为输入的未知不确定项.可以利用参考信号的界预先确定神经网络逼近域,再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项.所得到的闭环系统是全局稳定的.仿真实例说明了该控制方法的有效性.

摘要:

针对机载雷达配准时出现的偏差跳变问题,提出一种基于广义似然比(GLR)的在线配准算法.该算法通过对配准公式的测量残差进行检验,可以自适应地估计偏差跳变量.Monte Carlo仿真实验表明,与传统的配准算法相比,在偏差发生跳变时,该算法能迅速检测到跳变发生时刻并正确估计出跳变量的大小,偏差估计值可在较短的时间内收敛到跳变后的真实值,且估计精度较高,接近CR下界.

摘要:

研究了两类区间数判断矩阵偏好信息的集结问题.首先,基于Saaty提出的数字互反判断矩阵一致性检验指标(CR),给出了区间数互反判断矩阵的满意一致性条件;然后利用互反与互补判断矩阵之间的关系求解出数字互补判断矩阵的一致性指标(CGCI),并在此基础上给出了区间数互补判断矩阵的满意一致性条件;最后建立了一致性指标最大的两类区间数判断矩阵偏好信息的集结模型,并用此模型解决了供应链中伙伴企业的选择问题.

摘要:

针对决策者偏好信息和属性值均为区间数的多属性决策问题,提出一种新的决策方法.该方法将区间型决策矩阵转化为带心态指标的决策矩阵,通过求解主#客观偏好的总绝对偏差最小与各方案综合属性值差距最大的双目标规划问题,客观地确定了属性的权重,从而给出各方案的排序结果.当决策者处于不同心态时,可以通过调整其心态指标来进行决策,因而更加符合实际.应用实例表明了该方法的有效性和实用性.

摘要:

定义了离散型灰色随机变量及其期望值和标准差.针对准则权重已知而方案的准则值为灰色随机变量的多准则问题,提出一种灰色随机多准则决策方法.该方法通过求得各方案在各准则下评价值的期望值和标准差,得到标准期望值决策矩阵;利用各准则权重和规范化矩阵计算出各方案的综合评价区间,采用区间灰数可能度的方法构建方案综合评价区间的评判矩阵,进而得到各方案的排序.最后通过算例表明了该方法的可行性和有效性.

摘要:

根据灰色系统理论中新息优先利用原理,在对缓冲算子和已有强化缓冲算子研究的基础上,构造了一类新的强化缓冲算子,有效解决了冲击扰动数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明,这类新的强化缓冲算子能显著提高GM(1,1)模型的预测精度.

摘要:

提出一种基于状态空间的机械臂轨迹规划方法,定义并构造了机械臂系统的状态空间,根据内在机构约束与外部环境约束描述出系统状态的可达范围,并给出了任务的可实现条件.对于可实现任务,在状态空间能搜索到任务完成的最优解.如果任务无法完成,则修改系统配置或约束,在新的状态空间确定任务实现的转化条件,并对任务的设计与规划给予指导.研究了障碍约束下两连杆机械臂的点到点任务,实验结果验证了该方法的有效性.

摘要:

研究钢管加工流程中一类新型两台机器流水车间调度问题,工件在第一台机器上加工后被分解成多个子工件.对于最小化最大完成时间的情况,给出一个多项式时间的最优算法;对于最小化最大完成时间与惩罚费用之和的情况,给出一个拟多项式时间的动态规划算法;对于考虑生产前运输的最小化最大完成时间的情况,分析了问题的复杂性.证明了第一种情况的最优算法可作为后两种情况的2-近似算法.数值实验表明了算法的有效性.

摘要:

提出一种适用于无线传感器网络协作的扩展合同网协议.该协议在传统合同网协议中引入了信任度,阈值和优先级等策略,减少了无线传感器网络的通信开销,有效均衡了节点的能量消耗.为确保扩展合同网协议的完整性,正确性和可靠性,利用面向对象Petri网对其进行建模,分析和验证.仿真结果表明,扩展合同网协议有效地延长了网络生命周期,提高了网络的能耗效率,网络完成任务数也有了显著的增加.

摘要:

在实际决策过程中,决策者可能并不需要完全获悉所有的决策方案,而是只对一些特定方案产生兴趣,对此,提出指定目标间重要关系和给定目标空间参考点情况下的多目标微粒群优化算法.以格栅作为解的多样性保持策略,对于给定目标间重要关系的偏好信息,可以获得特定区域的多个解;对于给定参考点的偏好信息,可以同时获得多个特定区域中的多个解,有利于决策者进行更有效的决策.通过对典型测试问题的仿真实验,验证了本算法的正确性和有效性.

摘要:

钢铁企业的合同计划和余材匹配的集成优化是解决钢铁企业面向订单生产的关键技术.由于该问题复杂,涉及因素多,求解难度大,对此提出一个带有提前拖期惩罚的联合计划优化的数学模型,并提出一种嵌有"优先适合启发式"的遗传算法.该方法利用背包问题的求解思路改进了染色体的性能,从而加快了遗传算法的求解速度.将该模型及算法应用于实际钢铁企业的计划编排中,取得了满意的效果.

摘要:

针对具有时变时滞和范数有界不确定性的随机系统,研究其随机镇定和鲁棒H_∞控制问题.设计状态反馈控制器,使得对所有可容许的不确定性,闭环系统随机稳定且满足给定的H_∞性能指标.利用线性矩阵不等式(LMI)及自由权矩阵技术得到系统镇定的一个充分条件,该充分条件由一组时滞相关的矩阵不等式表达.最后通过仿真数例表明了所提出方法的有效性.

摘要:

针对期望输出和未来干扰无预见的离散线性系统最优跟踪问题,提出一种基于信息融合最优估计的控制方法.若将当前给定值和可测干扰值分别看作系统未来输出和干扰的预见值,则跟踪控制问题可转化为具有无限预见步数的预见控制问题,并将无限预见信息融合成一步等效预见信息,进而获得近似最优融合控制律.对线性直流电机系统和宏观经济系统的仿真结果均验证了该控制器在提高系统跟踪精度和抑制干扰等方面的有效性.

摘要:

采用3种方法研究了LTI(Linear time-invariant)状态空间模型中未知参数的估计问题:利用Metropolis-Hastings算法,从后验分布中抽取一定容量的样本,得出其均值和标准差;采用进化算法来最小化对数似然函数,得到全局最优解;采用模拟退火算法来最大化似然函数,得到全局最优解.最后,通过数值实验验证和比较了3种估计算法的有效性.

摘要:

讨论一类含有限能量未知扰动的线性Markov跳变系统的有限时间镇定问题.针对连续系统和离散系统两种情况,利用构造的Lyapunnov-Krasovskii函数,并结合线性矩阵不等式方法,分别证明并给出了跳变系统有限时间镇定控制器有解的充分条件.采用该方法设计的镇定控制器可使连续系统和离散系统对所有满足条件的未知扰动是有限时间有界和有限时间镇定的.最后通过数值示例表明了该设计方法的有效性.

摘要:

针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能.

摘要:

针对一般时滞型线性系统，基于一种新型时变线性矩阵不等式方法，采用基于descriptor from的Lyapunov-Krasovskii泛函和带分布时滞记忆的状态反馈控制，研究了使该类系统稳定且满足H_∞特性的控制器设计问题，并给出其可解的充分条件.最后通过仿真例子验证了结论的有效性.

摘要:

研究一类受时变时滞影响的非线性不确定系统H_∞鲁棒故障检测滤波器设计问题.首先采用基于观测器的故障检测滤波器作为残差产生器,将故障检测滤波器设计归结为H_∞滤波问题;然后应用Lyapunov-Krasovskii方法，推导并证明了问题可解的依赖时滞的充分条件，通过求解线性矩阵不等式得到了观测器增益矩阵的解；最后通过算例验证了所提出方法的有效性。

摘要:

基于熵的最优化原理建立了一种新的企业危机预警模型.首先利用最小判别熵选取企业危机预警特征值;然后提出一种新的聚类算法---极大熵聚类算法,并对预测结果进行分类,判断企业的危机状态.该算法是硬C-均值算法的发展和推广.通过实例分析表明,该模型有效,可行,为企业危机预警提供了一条新的途径.

摘要:

在数字电路中"两个时间信号通过逻辑电路的"与"门相当于极大运算,"或"门相当于极小运算.因此,极小-极大-加系统可用于数字电路的时间分析.对于非线性极强的极小-极大-加系统(F,G,H)引入了分别能达和上限能观的概念.利用图论的方法给出了极小-极大-加系统(F,G,H)的状态变量x_t为分别能达分量的充要条件,同时,还得到了x_t为上限能观分量的充要条件.

摘要:

运用Downside-risk约束,对一个两阶供应链模型中风险规避型零售商与其上游风险中性供应商之间的协调进行契约设计和建模,在供应链收益共享契约下风险约束得到满足,并且供应商和零售商的利润均得到了提高.同时,供应链收益共享契约得到有效设计时,风险中性方可为风险规避方提供相应的风险保护,满足其风险约束,可产生更多的利润,以更好地协调供应链.算例分析验证了该结论的有效性.

摘要:

提出利用牛顿法以及共轭梯度法解决非线性支持向量回归学习问题,不仅可以加速模型选择的过程,而且能够提高训练速度.将该方法应用于煤气炉数据集建模以及Mackey-Glass混沌时间序列预测,仿真结果表明了该方法的有效性.

摘要:

为减小建模误差,建立了基于直接法进行惯导平台误差模型辨识的非线性模型.Unscented Kalman滤波(UKF)是一种新的非线性滤波算法,为此将其引入惯导平台的误差模型辨识中.针对系统模型的特点,对标准UKF算法进行了简化改进.改进的UKF算法计算量小,结构简单,滤波精度与标准UKF一致.同时应用扩展Kalman滤波(EKF)算法和改进的UKF算法进行了惯导平台误差模型辨识仿真研究.仿真结果表明,与EKF算法相比,改进的UKF算法的滤波精度显著提高.

摘要:

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.

摘要:

针对兼类样本,提出一种类增量学习算法.利用超球支持向量机,对每类样本求得一个能包围该类尽可能多样本的最小超球,使各类样本之间通过超球隔开.增量学习时"对新增样本以及旧样本集中的支持向量和超球附近的非支持向量进行训练,使得算法在很小的空间代价下实现兼类样本类增量学习.分类过程中,根据待分类样本到各超球球心的距离判定其所属类别.实验结果表明,该算法具有较快的训练,分类速度和较高的分类精度.

摘要:

针对基于模型的网络控制系统缺乏应对动态变化的网络负载问题l,设计反馈调度器,依据实际的网络拥塞情况,调整基于模型的网络控制系统的状态更新时间.为应对状态不完全可测的情况,在控制结构中使用了状态观测器,并证明了所提出系统在可变更新时间情况下的稳定性.仿真结果验证了稳定性条件的正确性和新网络控制系统结构的有效性.

摘要:

针对一般最小二乘支持向量机处理大规模数据集会出现训练速度慢,计算量大,不易在线训练的缺点,将修正后的遗忘因子矩形窗方法与支持向量机相结合,提出一种基于改进的遗忘因子矩形窗算法的在线最小二乘支持向量机回归算法,既突出了当前窗口数据的作用,又考虑了历史数据的影响.所提出的算法可减少计算量,提高在线辨识精度.仿真算例表明了该方法的有效性.

摘要:

针对非线性系统多模型自适应控制中的模型覆盖问题,提出一种基于微粒群算法的多模型建模方法.首先,对非线性系统定义了基于混合逻辑模型的多模型描述,建立了非线性系统的混合线性多模型;然后,基于微粒群优化算法对非线性系统进行优化建模,在保证建模准确性的同时采用最少的子模型逼近非线性系统;最后,通过一个仿真算例表明了该建模方法的有效性.

摘要:

研究含有时变参数的车辆动力学模型的输出跟踪控制问题.控制目标是使车辆的横摆角速度和质心侧偏角分别跟踪理想的设定值,通过反推方法设计输出反馈自适应控制器.控制器的输出为主动横摆力矩,通过控制主动横摆力矩来控制车辆的输出响应跟踪理想的输出信号,从而提高车辆的安全性.仿真结果表明,控制器能更好地适应车速和路况的变化,鲁棒性强.

摘要:

提出一种由一个变结构控制器和一个滑模观测器组成的控制系统,用于永磁同步电机的无传感器鲁棒控制.首先利用Lyapunov稳定性原理分析得到观测器的收敛条件及自适应率,并证明了其稳定性;然后以转速误差为参量建立滑模面,构造出变结构速度控制器,推导出自适应速度控制律,并得到速度控制的参考电流和参考电压.该方案的控制性能不依赖于电机参数和干扰变化,具有较强的鲁棒性.仿真结果验证了该方案的有效性与正确性.