带ε误差限的近似最优控制

近似动态规划方法求解非线性系统最优控制, 需要迭代无限步才能得到最优控制律. 本文提出了一种ε–近似最优控制算法, 选择ε误差限, 通过自适应迭代不断逼近哈密顿– 雅可比– 贝尔曼(HJB)方程的解, 应用神经网络实现在有限步迭代后得到带ε误差限的近似最优控制律. 计算机仿真结果表明了该算法的有效性.     

未固定初始状态的ε误差限最优控制

为有效控制离散非线性系统,使系统控制策略能够应对状态域的所有初始状态,在近似动态规划方法的基础上,提出一个未固定初始状态的带ε误差限的离散非线性系统优化控制算法。研究初始状态对离散系统控制策略的影响,确定在初始状态域边界上寻找最优初始点的方法。所求控制策略使初始状态域的所有性能指标函数在最大迭代步数内收敛,使性能指标与最优性能指标保持在精度ε内。为了易于实现算法,使用神经网络来近似性能指标函数和最优控制策略。结合实例,对该算法进行仿真分析,分析结果表明了算法的有效性。     

基于评价网络近似误差的自适应动态规划优化控制

为了求解有限时域最优控制问题,自适应动态规划(ADP)算法要求受控系统能一步控制到零。针对不能一步控制到零的非线性系统,提出一种改进的ADP算法,其初始代价函数由任意的有限时间容许序列构造。推导了算法的迭代过程并证明了算法的收敛性。当考虑评价网络的近似误差并满足假设条件时,迭代代价函数将收敛到最优代价函数的有界邻域。仿真例子验证了所提出方法的有效性。     

非线性离散时间系统带ε误差限的自适应动态规划

为了获得非线性离散时间系统的最优控制策略,基于自适应动态规划的原理,提出了一种带误差限的自适应动态规划方法.对于一个任意的状态,用一个有限长度的控制序列近似最优控制序列,使性能指标与最优性能指标的误差在一个较小的范围内.选取一个非线性离散时间系统对算法的性能进行数值实验,结果验证了该算法的有效性,用较少的计算代价获得了近似最优的控制策略.     

带有持续扰动非线性系统的前馈-反馈最优控制

研究具有外界持续扰动作用下非线性系统的最优控制问题,提出了一种设计前馈一反馈最优控制器的逐次逼近算法．利用该算法可将在扰动作用下的非线性系统的最优控制问题转化为求解线性非齐次两点边值序列的问题．得到的最优控制律由解析的线性前馈-反馈项和伴随向量序列极限形式的非线性补偿项组成．通过截取非线性补偿序列的有限项,可得到前馈-反馈次优控制律．仿真结果表明,该方法抑制外部持续扰动的鲁棒性优于经典反馈最优控制．     

一类双线性系统的最优跟踪控制问题

针对一类具有二次型性能指标的双线性系统的最优跟踪控制问题,提出了一种通过逐次逼近法设计最优控制律的近似方法。首先将状态向量含有时滞的双线性系统的最优跟踪问题转化为最优调节问题;然后利用逐次逼近算法,将既含有时滞项又含有超前项的两点边值问题转化为不含时滞项和超前项的线性两点边值问题族,得到调节系统的最优控制律,并可以通过截取最优控制序列的有限项得到调节系统的前馈-反馈次优控制律。最后,将最优控制问题转化为最优跟踪问题。仿真结果表明,此方法达到了较好的跟踪效果。     

具有持续扰动的时滞系统前馈2反馈最优控制

针对外部持续扰动下的线性时滞系统，提出一种前馈-反馈最优控制的逐次逼近算法．利用逐次逼近算法，将既含有时滞项又含有超前项的两点边值问题转化为不合时滞项和超前项的线性两点边值问题族，并证明了线性两点边值问题族的解序列一致收敛于原系统最优控制律．得到的最优控制律由解析的无时滞前馈-反馈控制部分和伴随向量序列极限形式的时滞补偿控制部分组成．通过截取时滞补偿序列的有限项，得到系统的前馈-反馈次优控制律．仿真示例表明，该方法对外部持续扰动具有良好的鲁棒性．     

受正弦扰动时滞非线性系统的近似最优减振控制

研究时滞非线性系统在正弦扰动作用下的最优减振控制问题，给出一种无时滞近似最优减振控制律的迭代方法．通过假设Lagrange算子，将由原系统最优控制问题得到的既含时滞项又含有超前项的非线性两点边值问题转换为新的有利于求解的形式，再通过构造序列将其转化为不舍时滞项和超前项的线性非齐次两点边值问题序列．证明了该序列的收敛性．通过交替迭代序列得到了系统最优减振控制律．仿真结果表明，该方法在不同时滞下对扰动都具有很好的鲁棒性．     

一类非线性奇异摄动系统的近似最优控制

针对一类非线性奇异摄动系统,基于自适应动态规划算法提出了一种新型的近似最优控制设计方法.该方法基于奇异摄动系统的快、慢Hamilton-Jacobi-Bellman(HJB)方程,从初始性能指标开始,通过神经网络的近似和控制律与性能指标的逐步更新迭代,最终收敛到最优的性能指标,而不用直接求解复杂的HJB方程.同时给出了...     

含正弦扰动的离散时滞系统的次优减振控制

研究状态变量含有时滞的线性离散系统在正弦扰动下的前馈-反馈最优减振控制问题．将系统的最优控制问题转化为非齐次线性两点边值问题族,利用逐次逼近法得到了系统的最优控制律．该控制律由解析的前馈。反馈控制律和补偿序列的极限组成．通过截取补偿序列的有限项,得到了系统的前馈一反馈次优减振控制律．仿真结果表明,该方法对抑制正弦扰动的鲁棒性优于经典反馈最优控制．     

输入饱和的双积分系统的复合时间最优控制

针对典型的有输入饱和的双积分环节或系统的时间最优控制问题,建立了双积分环节的传递函数和状态空间方程两种数学模型,设计双积分环节的闭环时间最优控制律;对时间最优控制在系统存在干扰和不确定性存在条件下出现的振颤现象进行分析;基于对振颤问题的分析,提出一种对时间最优控制的改进,即一种复合控制方法,当输入作用时,系统先由时间最优控制律控制,当误差达到预定值限,控制律由时间最优控制律切换到另一种线性控制律。采用了比例微分控制律,来解决时间最优控制的振颤问题,响应时间达到最优,并解决振颤问题。     

基于积极集策略的最小闭包球问题算法研究

首先,基于每次迭代计算距离当前球心最远的两个点,提出一种求解n维空间中m个点的最小闭包球问题的(1+ε)-近似算法.对于ε∈(0,1),建立了该算法的核心集大小和计算复杂度,分别为O(1/ε)和O(mn/ε).然后,给出一种积极集策略,每次迭代计算距离当前球心最远的N个点.将该策略结合到提出的算法中,得到一个基于积极集策略的算法.最后,实验结果表明基于积极集策略的算法能够快速、有效地求解m》n的大规模数据集的近似最小闭包球.     

具有正弦扰动的时滞系统前馈-反馈次优控制:灵敏度法

研究线性时滞系统在外部正弦扰动作用下的前馈-反馈最优减振问题,提出了一种最优控制律的灵敏度设计方法．通过引入灵敏度参数并围绕它展开幂级数,将系统的最优控制问题简化为不含超前项和时滞项的两点边值问题族．通过截取最优控制级数的有限和获得原系统的前馈-反馈次优控制律．仿真结果表明,与经典状态反馈最优控制相比,本文的算法更加鲁棒,能更加有效地抑制正弦扰动．     

求解三对角线性方程组的迭代对角占优算法

针对并行求解三对角线性方程组的对角占优(PDD)算法,在系数矩阵为弱对角占优时,近似处理引入误差较大的问题,提出了一种PDD算法的迭代方案。该方案在解的修正值计算中采用迭代方法,计算精度得到了提高;通过对算法的误差分析,导出了算法在给定误差下迭代次数的估算式;数值实验说明了算法的有效性。通过对迭代与非迭代的PDD算法的复杂性分析,迭代算法的计算复杂性增加很小,但通信复杂性随迭代次数成倍增加。     

求矩阵方程AXB=C的双对称最小二乘解的迭代算法

基于求解线性代数方程组的共轭梯度法的思想,通过特殊的变形与近似处理,建立了求矩阵方程AXB=C的双对称最小二乘解的迭代算法,并证明了迭代算法的收敛性.不考虑舍入误差时,迭代算法能够在有限步计算之后得到矩阵方程的双对称最小二乘解;选取特殊的初始矩阵时,还能够求得矩阵方程的极小范数双对称最小二乘解.同时,也能够给出指定矩阵的最佳逼近双对称矩阵.算例表明,迭代算法是有效的.     

受扰线性离散系统的前馈2反馈最优控制

研究具有已知动态特性但未知初始条件的持续外界扰动的线性离散系统最优控制问题。给出了前馈一反馈最优控制律的存在唯一性条件，并提出了最优控制律的设计算法．通过降维扰动观测器解决了前馈一反馈最优控制律的物理不可实现问题．对近海结构物振动控制的实例仿真表明，该设计算法易于实现，在抑制外部持续扰动和鲁棒性方面优于经典的状态反馈最优控制。     

基于数据自适应评判的离散2-D系统零和博弈最优控制

提出了基于一种迭代自适应评判设计(ACD)算法解决一类离散时间Roesser型2-D系统的二人零和对策问题. 文章主要思想是采用自适应评判技术迭代的获得最优控制对使得性能指标函数达到零和对策的鞍点. 所提出的ACD可以通过输入输出数据进行实现而不需要系统的模型. 为了实现迭代ACD算法, 神经网络分别用来近似性能指标函数和计算最优控制率. 最后最优控制策略将应用到空气干燥过程控制中以证明其有效性.     

严格反馈随机非线性系统的鲁棒自适应逆最优跟踪

针对具有未知定常参数和标准Wiener噪声扰动的严格反馈非线性系统,结合参考信号,构造了误差系统,使用Backstepping算法设计了误差系统的自适应逆最优控制律和参数自适应律,进而解决了原系统的鲁棒自适应逆最优跟踪.     

一类控制受约束非线性系统的基于单网络贪婪迭代DHP算法的近似最优镇定

提出一种贪婪迭代DHP (Dual heuristic programming)算法, 解决了一类控制受约束非线性系统的近似最优镇定问题. 针对系统的控制约束, 首先引入一个非二次泛函把约束问题转换为无约束问题, 然后基于协状态函数提出一种贪婪迭代DHP算法以求解系统的HJB (Hamilton-Jacobi-Bellman)方程. 在算法的每个迭代步, 利用一个神经网络来近似系统的协状态函数, 而后根据协状态函数直接计算系统的最优控制策略, 从而消除了常规近似动态规划方法中的控制网络. 最后通过两个仿真例子证明了本文提出的最优控制方案的有效性和可行性.     

受扰奇异摄动时滞组合大系统的近似最优控制

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．