摘要:计算机博弈是人工智能的果蝇和通用测试基准.近年来,序贯不完美信息博弈求解一直是计算机博弈研究领域的前沿课题.围绕计算机博弈中不完美信息博弈求解问题展开综述分析.首先,梳理计算机博弈领域标志性突破的里程碑事件,简要介绍4类新评估基准,归纳3种研究范式,提出序贯不完美信息博弈求解研究框架;然后,着重对序贯不完美信息博弈的博弈模型和解概念进行调研,从博弈构建、子博弈和元博弈、解概念以及评估3方面进行简要介绍;接着,围绕离线策略求解,系统梳理算法博弈论、优化理论和博弈学习3大类方法,围绕在线策略求解,系统梳理对手近似式学习、对手判别式适变和对手生成式搜索3大类方法;最后,从环境、智能体(对手)和策略求解3个角度分析面临的挑战,从博弈动力学和策略空间理论、多模态对抗博弈和序贯建模、通用策略学习和离线预训练、对手建模(剥削)和反剥削、临机组队和零样本协调5方面展望未来研究前沿课题.对于当前不完美信息博弈求解问题进行全面概述,期望能够为人工智能和博弈论领域相关研究带来启发.

摘要:在基于数据的复杂系统建模过程中,各种不确定性信息普遍存在.一般而言,客观系统的随机性与人类认知的模糊性构成了不确定性的最基本内涵.为了对不确定性信息进行形式化的描述,促进人类对实际系统的理解,近年来各种不确定性理论得到极大发展.基于此,首先给出不确定性的来源、分类及特点;然后,从随机性、模糊性及混合不确定性3方面系统梳理贝叶斯推理、模糊推理、粗糙集、灰色理论和证据理论等方法在不确定性信息表示与推理方面的研究,同时总结分析上述理论在可靠性工程、信息融合和决策支持等方面的典型应用;最后,在对现有工作简要总结的基础上,提出不确定性理论在未来发展中面临的三大挑战,并给出潜在的解决思路,以期为该领域的研究者提供一定的参考.

摘要:为了进一步提升粒子群算法在离散优化问题中的性能,针对粘性二进制粒子群算法缺乏全局搜索能力、容易陷入局部最优和收敛速度慢的缺点,提出一种新的自适应参数策略和粒子散度指标,并结合模拟退火机制改善该算法的寻优能力.为了检验算法性能,通过选取不同维数的背包问题算例库以及不同规模的UCI特征选择问题算例库进行仿真实验,并对实验数据进行统计分析.实验以及分析结果表明,所提算法在寻优精度、算法稳定性和收敛速度上均优于对比算法.

摘要:针对传统鲸鱼优化算法全局探索能力不足、收敛精度低、速度慢等问题,提出一种基于围攻机制的改进鲸鱼优化算法.首先,使用Tent混沌映射和非线性参数,使种群的分布更均匀,并且协调了鲸鱼优化算法的探索与开发能力;其次,考虑算法适应度在寻优中的重要作用,提出限制适应度控制和高斯检测机制;最后,结合哈里斯鹰优化算法的围攻机制,提升鲸鱼优化算法的全局探索和局部寻优的能力.将改进的算法与多种算法在13个可变维基准函数上进行仿真测试,结果表明,基于围攻机制的改进鲸鱼优化算法,在拥有较好鲁棒性和稳定性的同时,能够保证收敛精度与速度.

摘要:尽管直流微电网内新能源的分布式电流均衡控制已经得到了广泛的研究,但实际直流微电网中的通信线路往往是不可靠或者不存在的.基于此,提出一种在无传统通信网络环境下的多母线直流微电网的电流边缘控制策略,以实现电流均衡.首先,设计面向直流微电网的信息-能量复合调制(information-energy dual modulation, IEDM)策略,消除传统的通信设备和通信网络线路,实现新能源电源之间的信息交互.其次,构建多母线直流微电网的状态方程模型,进而将其转化为标准的异构多智能体模型.基于此模型,提出直流微电网内二级控制器的多智能体H_∞边缘协同控制策略,同时基于IEDM策略,设计周期性动态事件触发通信协议.最后,通过半实物仿真测试系统验证所提出的基于信息-能量复合调制的多母线直流微电网的电流边缘控制策略的有效性.

摘要:转炉炼钢终点控制作为吹炼末期重要操作的关键是碳含量准确实时预测,而熔池中碳含量的氧化速率能够反映在炉口火焰纹理变化上,因此提取火焰纹理的准确特征是终点碳含量预测的关键,但是火焰纹理具有多方向多尺度不规则的特征描述难点.鉴于此,提出一种导数非线性映射方向加权多层复杂网络彩色纹理描述符,符合火焰不规则纹理的多尺度多方向特点.首先,将HSI空间下火焰图像映射至相位空间以增强空间位置关联信息;然后,基于复杂网络给出一种反映不同尺度顶点间连续变化的导数关系权重公式,结合方向信息构建炉口火焰图像的多尺度不规则方向加权彩色纹理复杂网络;最后,计算顶点方向加权度特征量化复杂网络拓扑连接模式,构建火焰彩色纹理特征,建立KNN回归模型预测终点碳含量.实验结果表明,所提出算法满足实际转炉炼钢吹炼过程实时性要求.

摘要:尽管许多高维多目标进化算法已被提出,但平衡种群收敛性与多样性的困难仍然存在.对此,提出一种基于指标选择和密度评估删除的高维多目标进化算法(indicator selection and density estimation deletion-based many-objective evolutionary algorithm,MaOEA/IS-DED).该算法在环境选择过程中采用基于$I_{\varepsilon+

摘要:复值有限内存BFGS(CL-BFGS)算法能有效用于求解复数域的无约束优化问题,但其性能容易受到记忆尺度的影响.为了解决记忆尺度的选择问题,提出一种基于混合搜索方向的CL-BFGS算法.对于给定的记忆尺度候选集,采用滑动窗口法将其划分成有限个子集,将各子集元素作为记忆尺度计算得到一组混合方向,选择使目标函数值最小的混合方向作为当前迭代的搜索方向.在迭代过程中,采用混合搜索方向的策略有益于强化对最新曲率信息的利用,便于记忆尺度的选取,提高算法的收敛速度,所提出的CL-BFGS算法适用于多层前向复值神经网络的高效学习.最后通过在模式识别、非线性信道均衡和复函数逼近上的实验验证了基于混合搜索方向的CL-BFGS算法能取得比一些已有算法更好的性能.

摘要:早期诊断轻度认知障碍是干预阿尔茨海默症的有效途径.目前常使用静息态功能磁共振成像和机器学习方法进行轻度认知障碍的辅助诊断,其关键是使用血氧水平依赖(blood oxygenation level dependent,BOLD)信号构建大脑的功能性连接.针对大脑静息态BOLD信号中存在各种外界噪音干扰的问题,提出结合多元经验模态分解与皮尔逊相关的重构方法与极正极负重构准则,将大脑默认模式网络的中心节点后扣带回皮层作为模板,重构BOLD信号以降低外界噪音干扰.实验结果表明,基于极正极负重构准则降噪后的BOLD信号构建功能性连接,相较降噪前的数据,在分类性能方面可以提高数据的差异性,在特征选择性能方面可以对数据集降维的同时进一步提升分类性能.此外,以上性能均优于传统重构准则.最后,对降噪后的最优特征子集进行统计性分析,发现脑岛可能是默认模式网络的相关脑区,小脑蚓体与后扣带回皮层可能构成一种认知功能补偿网络,这是以往研究中少有提出的结论.

摘要:频繁高效用项集挖掘是数据挖掘的一项重要任务,挖掘到的项集由支持度和效用这2个指标衡量.在一系列用于解决这类问题的方法中,进化多目标方法能够提供1组高质量解以满足不同用户的需求,避免传统算法中支持度和效用的阈值难以确定的问题.但是已有多目标算法多采用0-1编码,使得决策空间的维度与数据集中项数成正比,因此,面对高维数据集会出现维度灾难问题.鉴于此,设计一种项集归减策略,通过在进化过程中不断对不重要项进行归减以减小搜索空间.基于此策略,进而提出一种基于项集归减的高维频繁高效用项集挖掘多目标优化算法(IR-MOEA),并针对可能存在的归减过度或未归减到位的个体提出基于学习的种群修复策略用以调整进化方向.此外还提出一种基于项集适应度的初始化策略,使得算法在进化初期生成利于后期进化的稀疏解.多个数据集上的实验结果表明,所提出算法优于现有的多目标优化算法,特别是在高维数据集上.

摘要:提出一种改进$\varepsilon$约束法的飞蛾火焰优化算法($\varepsilon$ improved moth-flame optimization algorithm, $\varepsilon$IMFO)求解约束优化问题.该算法采用$\varepsilon$约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值$\varepsilon$计算公式;改进火焰种群的更新方法,首先,根据种群中个体的约束违反度与$\varepsilon$的关系将其分为两类:一类是约束违反度小于等于$\varepsilon$的个体,按照目标函数值排序,另一类是约束违反度大于$\varepsilon$的个体,按约束违反度排序;然后,先选择第1类中的个体,若数量没有达到种群数量的要求,继续从第2类中选取个体形成新一代火焰种群;最后,提出一种改进的飞蛾变异策略,在原始飞蛾变异策略的基础上引入2个随机火焰个体影响飞蛾变异,并增加优秀火焰个体对飞蛾变异的指导作用.通过25个测试函数以及2个实际的工程优化问题分别与其他13种算法进行的算法性能测试对比表明, $\varepsilon$IMFO算法在求解精度和稳定性等方面具有优势.

摘要:情感作为人类的高级认知,在环境学习和环境理解方面具有重要意义.将情感引入机器人搜索任务,同时结合记忆机理,提出一种具有情感和记忆机制的认知模型,由内部状态、感受器、环境状态系统、情感系统、动态知识库、行为决策系统以及执行器7部分组成.情感系统包含情感生成、情感状态以及情感记忆3个模块,其中,情感记忆用于提供内部奖励.记忆功能在动态知识库中实现.基于强化学习理论框架,将情感内部奖励与记忆进行融合,形成新的奖励机制,并设计相关认知学习算法.以需要“能量补给”的迷宫机器人搜索任务对所提出认知模型进行验证,结果发现,当面对不同情境时,机器人会产生不同的情感.结合前期记忆,机器人所作决策更“拟人”,表明情感和记忆机制设计的有效性.将所提出认知模型、无情感决策认知模型、基于$\varepsilon$-greedy策略的Q学习算法进行对比,结果表明,情感和记忆的引入,能够提高机器人的学习效率,同时学习过程更稳定.

摘要:针对机械臂在非结构环境中对未知物体抓取位姿生成困难及抓取稳定性差的问题,提出一种基于点云采样权重估计的抓取位姿生成方法.首先通过移动深度相机的方式拼接得到较完整的物体点云信息,并对物体的几何特性进行分析,有效避开物体不宜抓取的位置进行抓取位姿样本生成;然后结合几何约束条件实现抓取位姿搜索,并利用力封闭条件对样本稳定性进行评估;最后为了对实际的抓取位姿进行评价,根据其稳定性、夹取深度、夹取角度等设定抓取可行性指标,据此在工作空间输出最佳抓取位姿并完成指定的抓取任务.实验结果表明,采用所提方法能够高效生成大量且稳定的抓取位姿,并在仿真环境中有效实现机械臂对单个或多个随机摆放的未知物体的抓取任务.

摘要:针对当前抓取检测模型对密集遮挡物体的检测效果差以及人工数据标注工作量大的问题,提出基于RGB-D图像融合的目标检测与抓取检测分步骤进行的改进方案.新方案支持将单物体图像训练的抓取检测模型直接应用于密集遮挡的多物体图像场景中.首先,考虑到密集遮挡场景下抓取物具有多尺度的特点,提出子阶段路径聚合(SPA)的多尺度特征融合模块,用于丰富RGB-D特征级别融合的目标检测模型SPA-YOLO-Fusion的高维语义特征信息,以便于检测模型定位所有的抓取物;其次,使用基于RGB-D像素级别融合的GR-ConvNet抓取检测模型估计每个物体的抓取点,并提出背景填充的图像预处理算法来降低密集遮挡物体的相互影响;最后,使用机械臂对目标点进行抓取.在LineMOD数据集上对目标检测模型进行测试,实验结果表明SPA-YOLO-Fusion的mAP比YOLOv3-tiny与YOLOv4-tiny分别提高了10%与7%.从实际场景中采集图像制作YODO_Grasp抓取检测数据集并进行测试,结果表明增加背景填充预处理算法的GR-ConvNet的抓取检测精度比原模型提高了23%.

摘要:研究面向移动目标的移动机器人机载视觉云台跟踪控制系统.首先,对视觉云台跟踪控制系统进行数学建模;然后,为提高移动目标的跟踪快速性和精度,基于有限时间控制技术提出一种新的有限时间视觉跟踪控制算法.严格的理论分析证明即使系统存在外部干扰也可以在有限时间内跟踪上目标,即通过控制云台转动能够保持在机器人运动过程中移动目标始终在相机视觉中心.仿真结果表明,所提出的有限时间控制算法可以实现移动目标的有限时间跟踪.

摘要:为了使移动机器人获得高精度和快速收敛的跟踪性能,设计一种基于积分终端滑模和滑模观测器的轨迹跟踪控制方法.首先,考虑到移动机器人在实际运动过程中会受到地面湿滑、摩擦等原因引起的侧滑扰动的影响,建立其在该扰动影响下的运动学模型;然后,利用该动态模型设计滑模观测器来估计系统受到的扰动;接着,将估 计的扰动值前馈至反馈控制器,用来抑制扰动对系统控制性能的影响,从而达到削弱抖振的目的;同时,基于跟踪 误差设计积分终端滑模面,并结合滑模面和扰动估计设计新型积分终端滑模控制器;最后,基于Lyapunov稳定性理论对整个闭环系统进行稳定性分析.仿真实验结果表明,所设计的控制器具有更高的跟踪精度和更强的鲁棒性.

摘要:考虑网联车辆队列在路段通信资源受限下的协同自适应巡航控制(CACC)问题,提出一种联合通信资源分配的网联车辆协同自适应巡航时滞反馈控制方法.首先,在头车-前车跟随的通信拓扑结构下,通过网联车辆队列中各车辆间的通信链路数量、该路段可使用的通信资源和当前时刻车辆间的间距误差建立二分图,根据车辆间的间距误差来调度有限的通信资源,将通信资源合理分配给有较大间距误差的跟随车辆;其次,利用非对称PD控制协议和网联车辆队列时滞纵向模型,应用线性矩阵不等式技术计算网联车CACC控制器,进一步得到车辆队列弦稳定性的充分条件;最后,通过Matlab/CarSim联合仿真验证该方法的有效性.

摘要:现有的基于矩阵分解的协同过滤推荐算法主要从定量的角度,利用用户的评分信息评估模型表现,而并未从定性的角度描述用户的不确定偏好信息.鉴于此,从用户偏好模糊概率的角度提出一种基于直觉模糊集的伯努利矩阵分解推荐算法为目标用户进行Top-n推荐.首先,根据用户偏好特征和直觉模糊集定义,将用户评分矩阵划分为隶属度矩阵、非隶属度矩阵和犹豫度矩阵;然后,借助伯努利矩阵分解模型对矩阵并行拟合,得到最优的潜在特征向量对,并将其内积按比例划分,从而获得目标用户对未评分项目偏好程度的直觉模糊数;最后,根据直觉模糊数排序规则确定最终推荐列表.在公开数据集上的实验结果显示,所提出方法在项目排序指标上均优于其对比方法,能够有效提高推荐质量.

摘要:声波具有良好的穿透性与较广的波长范围,能够突破传统光镊、磁镊、微流控技术的操控颗粒尺寸限制,因此非接触超声操控技术成为研究热点之一.为克服传统驻波声镊的应用局限性,深入探讨基于单面全息声镊系统实现的毫米级颗粒轨迹操控技术.根据Twin声阱模型提出求解相应相位矩阵的快速实现算法,以保证后续轨迹操控的实时性;根据被控颗粒受力模型及自平衡时长设定轨迹操控策略,以保证操控的稳定性;为确保声镊系统驱动信号的同步性,基于处理器FPGA设计相应复用电路;为提升实际轨迹的准确性,基于FPGA实时视觉测量功能实现闭环反馈.实验通过所设计的声镊系统成功完成直径3mm聚苯乙烯小球的正方形轨迹移动操控.结果表明,所提出系统声场生成和视觉检测计算效率高,轨迹操控快速同步,实时可靠,轨迹形状与目标轨迹一致性好.

摘要:针对负载为超级电容的并联DC-DC变换器系统,为了在固定时间内实现电流输出均衡目标,提出固定时间分布式协同控制方法.将耦合子系统之间的通信拓扑,利用无向图进行刻画.借助输入输出反馈线性化技术,将并联DC-DC变换器系统的电流均衡控制设计难题转化为固定时间内一阶多智能体系统的一致性跟踪问题.借助符号函数、拉普拉斯矩阵、牵制增益矩阵,基于最近邻原则,设计参数可调的固定时间电流均衡分布式协同控制律.利用李亚谱诺夫函数严格证明整个闭环系统的稳定性,并推导出收敛时间的上界.所提出的固定时间电流均衡分布式协同控制方法,可以克服有限时间协同控制方法对初始状态依赖性强的缺点,同时改善了系统的收敛性.借助仿真,验证了所提出方法的有效性和可行性.

摘要:宽度学习系统(broad learning system,BLS)因其特征提取能力强、计算效率高而被广泛应用于众多领域.然而,目前BLS主要用于单输出回归,当BLS存在多个输出时,BLS无法有效发掘多个输出权重之间的相关性,会导致模型预测性能的下降.鉴于此,通过Frobenius和$L_{2,1

摘要:提出一种基于最大均值差异(maximum mean discrepancy,MMD)的故障可诊断性定量评价方法.该方法无需构建任何系统模型,通过度量不同故障模式下测量数据之间的距离定量评价故障可诊断性,适用于结构复杂、不易于建模且能够获取测量数据的复杂系统.首先,将测量数据通过特征核映射到可再生核希尔伯特空间(reproducing kernel Hilbert space,RKHS)中,以MMD作为多元分布距离度量指标,将故障可诊断性定量评价问题转换为多元分布在RKHS中的距离度量问题;然后,利用数学推导分析测量噪声强度对故障可诊断性评价结果的影响;最后,通过仿真实例验证所提出方法的有效性.

摘要:气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.

摘要:针对现有的深度学习方法对小样本情况下的故障诊断精度不佳和图神经网络构造图的方式依赖其他算法的问题,提出一种图的构造方法,并基于该方法提出一种基于图注意力机制与先验知识库的PGAT(prior knowledge-graph attention network)模型.将有标签样本和无标签样本按照固定的方式连接在一起,通过引入图注意力机制计算出样本之间的相似程度,使得新加入的样本不依赖于图的拓扑结构,解决图卷积神经网络不易于扩展的问题.在基准数据集和氧气顶吹转炉数据集上的实验表明,在只有少量有效数据的条件下,所提模型相较于其他模型具有更好的故障诊断精度.

摘要:针对风力发电机组数据采集与监视控制系统(supervisory control and data acquisition,SCADA)监测参量间的耦合关联性,提出基于多参数耦合关联互信息编码的风电机组故障检测方法.该方法构建了SCADA数据的耦合关联矩阵,采用互信息变分自编码器对关联矩阵进行编码重构;将SCADA参量关联矩阵的重构误差作为机组健康评估指标,结合指数加权移动平均模型的迭代更新,对机组实时故障阈值进行自适应设置.两个风场的风电机组SCADA数据分析结果表明,所提方法充分利用了SCADA数据的耦合关联结构信息,能有效提高风电机组故障检测的准确性及对环境工况的鲁棒性.

摘要:现有基于控制信号编码的信息物理系统重放攻击检测方法主要是通过判断检测函数值的大小是否超出给定阈值来实现检测,这类方法普遍存在检测率与系统控制性能损失之间的矛盾.鉴于此,提出一种基于伪周期控制信号编码的检测方法.首先,在控制信号中加入预先设计的伪周期随机编码信号,并构造与之对应的伪周期测量值补偿信号,验证当系统矩阵稳定时,补偿信号的周期性;然后,对接收到的测量值信号,利用不同补偿信号进行补偿,获得检测函数最小时对应的补偿信号在周期中的位置;最后,通过比较该补偿信号与实际控制量水印信号在周期中的位置实现对重放攻击的检测.仿真实验结果表明,采用所提出方法,只需比较采用不同补偿信号下检测函数值的相对大小,便能够在有效地检测重放攻击的同时,降低控制编码信号的方差并减小系统控制性能损失.

摘要:受模型偏差和系统扰动等影响,复杂系统难以获得准确的状态估计,往往仅能确定状态的区间,即设计区间观测器.通常,考虑单一性能指标的区间观测器难以获得较好的观测效果.对此,研究一种$H_2/H_{\infty

摘要:实际工程中的多目标优化问题往往具有黑箱特性且需要耗时的功能性评估,采用传统的进化优化方法求解,存在计算成本高昂且难以实现的问题.考虑代理优化方法在处理需要功能性评估工程设计问题中的高效性,提出一种小样本数据驱动下的贝叶斯SVR自适应建模及昂贵约束多目标代理优化方法.该方法在实现过程中选取贝叶斯SVR模型以减少功能性评估过程的昂贵仿真成本,利用最大化约束期望改进矩阵聚合策略进行新设计方案选取,并通过小样本信息的不断更新实现数据驱动下的贝叶斯SVR模型自适应更新和逐步优化.贝叶斯SVR模型具有强的边界刻画能力及预测不确定性度量功能,可为新样本挑选提供预测精度保障及潜在的改进方向.所提出的切比雪夫距离和曼哈顿距离聚合策略从样本填充的改进范围考虑,使其具有较强的改进边界探索能力,在多变量优化问题中具有计算复杂度低、适用性强的特点.测试函数及工程实例结果表明:1)所提出的方法可在小样本条件下有效减少昂贵仿真成本,提升昂贵约束多目标问题的优化效率;2)获取昂贵约束多目标问题的Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.

摘要:为了在社交网络中选择高价值代言人以达到尽可能好的移动优惠券投放效果,首先,根据粉丝数量和活跃状态对代言人社会传播能力进行建模,并利用移动优惠券类型的偏好程度和移动优惠券转发率对代言人个体分享意愿进行建模;然后,基于社会传播能力和个体分享意愿提出代言人价值的概念,设计代言人价值排序算法(endorser value rank algorithm);接着,在考虑代言人价值的基础上,针对企业利润和代言人收益最大化的多目标优化问题,建立移动优惠券投放模型,并设计基于遗传算法的HFNSGA算法,据此实现社交网络中基于代言人价值的移动优惠券投放;最后,通过在GitHub上的真实用户数据集对EVRank算法进行实验.实验结果表明,EVRank算法在准确率和匹配率上均优于其他相关算法,同时,算例分析表明,HFNSGA算法不仅可有效地求解高维多目标优化问题,且其解集有较好的分布性和均匀性,能够有效指导企业进行移动优惠券投放决策.

摘要:部分分量一致指的是多智能体系统中所有状态变量的一些分量渐近趋于恒同这样一种现象,它是一种比恒同一致弱的群体动力学行为.基于二阶多智能体系统的动力学模型,设计一种自适应间歇牵制控制协议,通过置换矩阵方法将原偏差系统中待研究的状态分量转换为新偏差系统中前面部分的状态分量,并运用矩阵理论和部分变元稳定性理论,导出部分分量一致性准则,从而确保在指数稳定意义下该多智能体系统的部分分量一致性得以实现.最后,通过数值模拟验证理论分析结果.

摘要:针对传统基于前向欧拉近似的离散趋近律存在数值抖振的问题,首先,提出一种衍生于后向欧拉积分的广义离散趋近律,该广义离散趋近律具有全局无抖振收敛特性,并释放更多的参数设计自由度;然后,揭示趋近律参数对滑模变量收敛速率的影响关系,为参数整定提供理论依据;最后,在考虑系统不确定性时,给出滑模面最终的边界层,验证所设计的趋近律可同时确保系统的快速瞬态响应和高精度控制.数值仿真验证了所提出算法的有效性.