摘要:

由于有限时间控制系统具有更好的鲁棒性能和抗扰动性能, 近年来引起了人们的广泛关注. 首先, 回顾了有限时间控制方法的起源; 其次, 列举了有限时间控制系统的几种常用判据; 然后, 总结了有限时间控制系统的研究现状; 最后, 讨论了未来可能的研究方向.

摘要:

针对一类范数有界不确定离散随机系统, 研究了具有输出反馈控制器的保性能控制, 由此得到闭环系统的二次型性能指标上界的一般形式; 然后应用LMI 凸优化技术, 推导出使闭环系统渐近稳定的最优保性能控制器的设计方法; 最后通过仿真算例验证了所提出算法的可行性和有效性.

摘要:

提出一种定向多尺度变异克隆选择优化算法. 为了实现抗体间信息共享, 算法利用定向进化机制引导抗体向着抗体群最优解区域逼近. 采用多尺度高斯变异机制, 在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位. 随着适应值的提升, 小尺度变异会随之减低, 使得算法在进化后期通过小尺度变异完成局部精确解的搜索. 将算法应用到5 个经典函数优化问题, 结果表明, 该算法不仅具有更快的收敛速度, 而且全局解搜索能力和稳定性均有显著提高.

摘要:

研究一类用Takagi-Sugeno (T-S) 模糊模型描述的离散奇异系统基于等价空间的故障检测问题, 引入反映故障先验信息的参考故障模型, 提出一个基于Frobenius 范数的残差产生器设计性能指标, 将故障检测问题归结为求解一个最小化问题, 并给出等价矩阵的线性矩阵不等式求法. 该算法能保证残差在实现故障检测的同时对干扰具有最大的鲁棒性. 最后, 算例仿真验证了所提出方法的有效性.

摘要:

针对传统小波网络算法的不足, 提出一种基于改进无迹Kalman 滤波(UKF) 的小波网络算法. 该算法使用一种基于简化球形分布Sigma 点的UKF (SSUKF) 来训练小波网络的参数, 以提高小波网络的学习性能和训练质量. 飞行器气动力建模算例表明, 相对于BP 算法和EKF 算法, SSUKF 算法训练的小波网络收敛速度更快, 估计精度更高,计算量更小. 同时也为飞行器的气动力建模提供了一种有效可行的手段.

摘要:

针对多任务在多执行器节点的协作问题, 提出一种多目标任务调度策略. 该策略以执行任务的最大完成时间、能耗均衡指标和存储成本为目标, 将任务调度建模成多目标优化问题, 并运用理想点法解决不同目标量纲的差异性, 进而转化为单目标优化问题求解, 从而得到各任务在执行器节点上的局部最优执行方案. 仿真结果表明, 3 个优化指标均得到一定程度的改善.

摘要:

针对基于地理位置的无线传感器网络路由中存在的路由空洞问题, 提出一种新的路由模式: 分段贪婪路由.在该模式中, 整个路由过程被中间节点序列划分为若干段, 在每一段上仅应用贪婪转发策略. 为确定合适的中间节点, 给出一种基于递归探测的方法, 并以GPSR 算法为基础探测路由构造了SGR 算法. 仿真实验表明, 在存在不同类型、大小、数量路由空洞的网络环境中, SGR 算法均能以较小的探测开销获得接近最优的路由路径, 尤其是凹空洞存在的情况.

摘要:

在基本粒子群优化算法的理论分析的基础上, 提出一种加速收敛的粒子群优化算法, 并从理论上证明了该算法的快速收敛性, 同时对该算法中的参数进行了优化. 为了防止其在快速收敛的同时陷入局部最优, 采用依赖部分最差粒子信息的变异操作. 最后通过与其他几种经典粒子群优化算法的性能比较, 表明了该算法的高效和稳健, 且明显优于现有的几种经典的粒子群算法.

摘要:

利用桶排序思想设计了一个求解U/C的算法, 其时间复杂度降为O(∣C∣∣U∣). 由此, 给出一种无需求解正域便能判断正域是否变化的方法. 基于以上方法, 提出一种快速属性约简算法. 该算法的求解策略是在每次迭代过程中求解决策表相对核, 如果在某次迭代过程中找不到这样的核属性, 则任意排除一个条件属性. 最后通过实验分析了该算法在最坏情况下的时间复杂性, 其复杂性降为O(∣C∣²∣U/C∣).

摘要:

针对不可靠的生产过程, 研究了生产故障时间为模糊随机变量且允许缺货的缺陷生产系统. 建立含缺货费和模糊随机重修费的经济生产批量模型. 基于可信性理论, 建立其期望费用模型, 揭示了费用函数的性质, 并证明了使费用最小的最优生产时间的存在性和唯一性, 从而确定了最优生产时间的上下界. 基于此, 设计了最优生产时间的二分法求解过程. 最后通过算例验证了所提出模型的有效性, 并分析了缺货费用、重修费用和缺陷产品比例对最优生产策略的影响.

摘要:

针对一类仿射型非线性系统, 在状态不完全可观测的条件下, 研究其智能故障诊断问题. 首先, 利用微分同胚，提出系统观测器设计问题; 然后针对该系统提出基于RBF 神经网络逼近故障特性函数的故障诊断方法. 所设计的观测器不仅能保证观测器稳定, 而且通过观测误差信号识别系统故障的发生, 保证了故障检测算法的鲁棒性和故障系统的稳定性; 同时该设计方法对于设计常规的高增益观测器有一定帮助. 最后, 仿真示例表明了所设计方法的有效性.

摘要:

为了解决??学习应用于连续状态空间的智能系统所面临的“维数灾难”问题, 提出一种基于ART 2 的??学习算法. 通过引入ART 2 神经网络, 让??学习Agent 针对任务学习一个适当的增量式的状态空间模式聚类, 使Agent无需任何先验知识, 即可在未知环境中进行行为决策和状态空间模式聚类两层在线学习, 通过与环境交互来不断改进控制策略, 从而提高学习精度. 仿真实验表明, 使用ARTQL 算法的移动机器人能通过与环境交互学习来不断提高导航性能.

摘要:

针对完全信息下以供应商为核心企业的二级供应链库存系统, 将全单位延期支付与部分延期支付两种手段相结合, 并在考虑延期支付期限与订货量相关的条件下, 设计了基于供应商视角和订货阈值的延期支付策略, 从而得出此策略能使系统利润达到帕累托最优. 最后, 通过数值算例对相关结论进行了验证和灵敏度分析.

摘要:

研究了确定环境下带有主从零售商的供应链协调的基本模型, 提出了应急环境下当需求偏差随机发生时集权和分权供应链的最优决策. 证明了无论需求随机偏差存在与否都可以运用线性数量折扣合同使得供应链有效达到协调, 并相应给出了最优批发单价、最优线性折扣率和转移支付的范围. 最后对最优售价、最优总订货量和最优批发单价随需求偏差幅度及其概率的变化进行了仿真分析.

摘要:

针对弱观测噪声条件下非线性、非高斯动态系统的滤波问题, 提出一种基于支持向量机的似然粒子滤波算法. 首先, 采用似然函数作为提议分布, 融入最新的观测信息, 比采用先验转移密度的一般粒子滤波算法更接近状态的真实后验密度; 然后, 利用当前粒子及其权值, 使用支持向量机估计出状态的后验概率密度模型; 最后, 根据此模型重采样更新粒子集, 有效地克服粒子退化现象并提高状态估计精度. 仿真结果表明了所提出算法的可行性和有效性.

摘要:

针对基于时钟同步技术的时分调度网络控制系统工作方式, 分析了基于EPA协议的网络丢包原理. 建立在不同实时性要求情况下EPA网络系统的丢包模型, 并且分析了时钟偏差抖动为马尔科夫链时, 通信周期、时间片长度以及时钟同步精度对系统稳定性的影响. 提出了提升EPA系统实时性的方法. 最后对EPA系统的稳定性进行了分析.

摘要:

针对功率驱动移动智能体网络模型, 研究其同步牵制控制问题. 功率驱动移动智能体网络由平面上随机移动的智能体互相耦合组成, 智能体间的耦合连接通过发射和接收载波而建立, 由此构建的网络具有时变有向的拓扑结构. 在快速切换条件下, 对网络中随机选取的小部分智能体引入牵制控制能保证整个网络实现同步. 理论结果表明,牵制控制能力由牵制功率密度决定, 而与网络规模、牵制节点数以及发射功率分布无关. 数值仿真验证了所得结论的有效性.

摘要:

针对不确定性非线性系统, 讨论基于观测器的执行器故障的检测和重构方法. 首先, 通过设计滑模全维观测器, 产生对干扰具有鲁棒性、对故障具有敏感性的残差, 来达到故障检测的目的; 然后, 设计能直接消去干扰和故障影响的降维观测器来达到状态渐近收敛估计, 并在此基础上, 提出故障重构方法; 基于微分方程的数值解方法和函数微分的数值解方法, 给出一种故障重构的数值解方法; 最后, 对一个实际模型进行仿真, 结果表明了该方法的实用性.

摘要:

对于一类具有未知时变时滞和虚拟控制系数的不确定严格反馈非线性系统, 基于后推设计提出一种自适应神经网络控制方案. 选取适当的Lyapunov-Krasovskii 泛函补偿未知时变时滞不确定项. 通过构造连续的待逼近函数来解决利用神经网络对未知非线性函数进行逼近时出现的奇异问题. 通过引入一个新的中间变量, 保证了虚拟控制求导的正确性. 仿真算例表明, 所设计的控制器能保证闭环系统所有信号是半全局一致终结有界的, 且跟踪误差收敛到零的一个邻域内.

摘要:

数据仓库系统包含众多的抽取-转换-加载(ETL) 任务, 这些任务具有一定的优先约束关系. 在多处理机环境下, 如何高效地调度这些ETL 任务是构建数据仓库需要研究的重要问题. 对此, 在对数据仓库ETL 任务调度规则进行归纳总结的基础上, 以数据仓库总的ETL 完成时间最短为目标, 建立了数据仓库ETL 任务调度模型. 同时结合问题的特点, 采用同层划分的思想, 提出基于同层划分遗传算法求解问题的方法. 最后, 通过应用实例验证了所建立模型和求解算法的可行性和有效性.

摘要:

针对基本粒子群算法易陷入局部最优和过早收敛的缺陷, 提出权重因子自适应的粒子群算法, 并对部分粒子进行Morlet 变异操作, 由此得到改进粒子群优化算法. 将该算法和模糊熵相结合并用于图像分割, 利用改进粒子群优化算法来搜索使模糊熵最大的参数值, 得到模糊参数的最优组合, 进而确定图像的分割阈值. 通过与其他两种粒子群算法的分割结果进行比较, 该算法取得了令人满意的分割结果, 且算法运算时间较小, 满足煤尘浓度实时精确测量的要求.

摘要:

针对一类具有测量数据丢失的不确定离散随机系统, 研究了鲁棒状态估计问题, 基于间断观测滤波算法和规则最小二乘优化理论, 给出一种Kalman 形式的递推滤波算法. 对于测量数据丢失的问题, 采用已知概率的Bernoulli 随机序列, 使得对于所有可能的测量数据丢失和所能容许的不确定性, 间断观测鲁棒状态估计递推算法是稳定的. 最后, 通过数值仿真和对比结果验证了所提出算法的可行性.

摘要:

利用幂次函数构造一种新的趋近律离散滑模控制算法, 并给出了无抖振的理论证明. 对于标称系统, 该算法可使切换函数无抖振、无正负交替地快速趋近于零; 对于满足匹配条件的不确定性系统, 可使切换函数无抖振、单调地收敛于与外干扰相关的某一数值. 利用倒立摆模型进行了数值仿真, 结果表明, 控制器的输出、切换函数、被控系统的输出均不存在抖振现象, 而且被控系统表现出了良好的动态品质.

摘要:

为实现欠驱动自治水下机器人(AUV) 在未知海流干扰作用下的地形跟踪控制, 提出一种基于非线性迭代滑模增量反馈的航迹跟踪控制器. 基于虚拟向导的方法, 建立AUV垂直面航迹跟踪误差方程. 采用迭代方法, 设计滑模增量反馈控制器, 无需对AUV模型参数不确定部分和海流干扰进行估计, 这样避免了AUV俯仰舵的抖振现象, 并且减小了输出反馈控制的稳态误差与超调问题. 仿真实验表明, 所设计的控制器对AUV系统的模型参数摄动及海流干扰变化不敏感, 所设计的参数易于调节.

摘要:

为了降低对于网络传输的要求, 针对具有固定时延和随机丢包情况的网络系统, 采用状态增广以克服时延对网络控制系统分析的影响, 进而考虑随机丢包情况, 将增广系统转化为切换系统. 以此为基础, 提出网络鲁棒控制器设计方法. 该控制器仅仅基于被控对象的反馈状态, 因此对于网络传输的要求较低. 最后, 通过一个仿真算例验证了该系统的有效性.

摘要:

加热炉的作业效率直接影响企业的最终效益. 由于加热炉的复杂性, 其作业计划仍然处于手动操作状态. 针对加热炉这样一个复杂工业过程, 提出一个优化作业计划与调度的编排方法, 用于加热炉在正常和异常生产的优化排产. 利用最短时间和最早缴期算法进行加热炉正常作业排序. 采用蚁群算法搜索异常情况下的最优解, 通过跟踪形成作业计划闭环控制, 从而实现加热炉作业优化的实时控制. 该方法在某钢铁公司进行了实际应用, 效果良好.

摘要:

针对纯方位多目标航迹起始中的NP-hard 难题, 提出一种基于蚂蚁规则库的航迹起始方法. 首先, 利用蚁群优化算法获取分类规则并形成规则库; 然后, 利用规则库将来自不同传感器的扫描量测所产生的候选点进行分类, 提取出最有可能源自真实目标的候选点, 并将这些候选点运用逻辑法进行航迹起始; 最后, 仿真实验和不同方法的性能比较结果表明了该方法的有效性.

摘要:

为了适应航天制造企业对生产调度系统的要求, 提出了新型的制造资源组织模型—–基于虚拟制造单元的制造资源组织模型, 探讨了此模式的理论思想以及基于此模型构建的生产调度系统. 首先构建了基于虚拟制造单元的资源组织模型结构, 并给出虚拟制造单元构建的详细过程; 然后, 建立了基于此制造资源组织模型的生产调度系统模型; 最后, 通过应用实例表明了该系统能够有效地简化生产调度过程, 提高生产效率.

摘要:

以GM(1, 1) 模型为代表的灰色预测模型实际上是对白数的建模和预测, 而不是对区间灰数的建模和预测.发展趋势和认知程度两个维度可以很好地描述区间灰数序列, 对此, 可先将区间灰数序列转化成相应的发展趋势序列和认知程度, 然后对区间灰数序列进行预测. 这样, 既避免了区间灰数预测过程中的灰数运算问题, 又充分利用了区间灰数序列自身所包含的信息. 通过具体实例验证了所建模型的有效性.

摘要:

为了提高软测量模型的泛化能力, 提出一种基于AdaBoosting 算法的组合支持向量机(SVM) 模型. 该方法在贝叶斯分析的基础上, 利用样本概率初始化惩罚系数, 依据回归过程中的损失函数更新惩罚系数权重, 使得SVM训练模型有强、弱之分, 突出一些重要样本的作用, 以提高模型的估计精度和泛化能力. 仿真结果表明, 依据该方法建立的组合模型明显改善了软测量模型的估计能力和泛化能力.