PSO算法的稳定性分析及算法改进

种群多样性的缺失是导致PSO算法易陷入早熟早收敛的重要原因,因此对基于线性定常离散系统的PSO算法的稳定性作了理论分析,并分析了种群多样性缺失的原因,根据此特性提出了一种·贯r}权重因子在一定范围内随机取值且学习因子取恒定常数的改进Pso算法,该算法可以使粒子速度具有一定的概率发散,以保持种群的多样性。通过对3个约束优化问题的仿真实验表明,该算法跳出局部极值的概率很大,可有效地避免早熟早收敛。     

基于随机过程的PSO收敛性分析

分析了粒子群优化算法 (PSO) 的全局收敛性. 在已有文献的假设前提下和随机系统理论基础上, 对 PSO 进行算法分析推导, 给出了其动力学系统依均方收敛的一个充分条件, 从而有效地避免了已有文献基于线性时变离散系统研究 PSO 收敛性的不足. 通过对所得的粒子运行轨迹图和已有文献相比较, 得到了更好的结果和判据. 通过仿真实验分析研究, 验证了该结论的有效性.     

具有迭代初始误差的高相对度线性离散系统的迭代学习控制

本文针对具有迭代初始误差的高相对度线性多变量离散系统,提出了一种P型的迭代学习控制算法.通过将迭代学习控制系统的二维运动过程描述为一维的线性离散系统,证明了该迭代学习控制算法的收敛性及其收敛的充要条件.该迭代学习控制算法通过对系统前次重复运动过程中的输入和跟踪误差信号进行学习,来不断地调整输入量,使得系统在经过一定次数的学习以后,在初始时间点以外的实际输出趋于期望输出.数值仿真结果表明了所提出算法的有效性.     

线性定常系统仿真的两种新算法

本文提出了两种适合于对线性定常系统进行仿真的新算法,它们不仅保持了改进转移矩阵法和拟Adams法的A-稳定性、计算量较小和精度较高等优点,而且弥补了这两种方法在理论上的不严密性和截断误差较大等缺陷,因而具有更好的数值特性,仿真结果表明,文中提出的算法是有效可行的。     

乘性随机离散系统的最优控制

基于对系统随机不确定因素的分析,文中定义了一种新型随机离散系统--乘性随机 离散系统,并研究该类系统的线性二次型(LQ)最优控制问题.首先给出了该类系统的有限时间 和无限时间LQ最优控制律,并着重分析、证明了无限时间LQ最优控制问题的Riccati方程的 正定矩阵解的存在性及相应数值求解算法与收敛性,以及闭环系统的稳定性等问题.仿真结果 表明了该方法的有效性.     

线性离散系统稳定化控制器的统一代数刻划

本文研究稳定离散控制系统的代数结构问题，即期望给出线性离散系统稳定化状态反馈控制器的统一代数刻划。本文结果对离散状态反馈控制系统的设计具有理论指导意义，同时也提供了线性稳定系统结构分析的一种新方法。     

一阶线性定常分布参数系统的小波预测控制

研究了离散时间分布参数系统的预测控制问题，对一阶线性分布参数系统用正交小波基进行了逼近，将Haar正交小波应用于一阶线性定常系统的预测控制研究。应用小波分析，在DPS预测控制方面找到了一条新途径。仿真实例说明了所提出的算法的有效性。     

多变量系统鲁棒性复数极点配置的一种新方法*

本文对线性定常多变量系统的鲁棒性极点配置问题,给出了一种算法。这个算法对指定闭环极点中含共轭复极点的情形,用起来十分方便,它把一个带约束优化问题变成了一个无约束优化问题求解,本文末还给出了一个数值例子。     

基于粒子群优化的有约束模型预测控制器

研究了模型预测控制(MPC)中解决带约束的优化问题时所用到的优化算法,针对传统的二次规划(QP)方法的不足,引入了一种带有混沌初始化的粒子群优化算法(CPSO),将其应用到模型预测控制中,用十解决同时带有输入约束和状态约束的控制问题.最后,引入了一个实际的带有约束的线性离散系统的优化控制问题,分别用二次规划和粒子群优化两种算法去解决,通过仿真结果的比较,说明了基于粒子群优化(PSO)的模型预测控制算法的优越性.     

二次型最优离散系统的两个必要条件

本文给出了线性定常二次型最优离散系统的两个必要条件,得到了单输入单输出系统开环特征多项式系数a_i和最优闭环特征多项式系数b_i与权阵Q之间的直接关系,所得结论有益于设计一个具有指定闭环极点的最优控制系统。     

Further results on iterative learning control with convergence conditions for linear time-variant discrete systems

This article is concerned with some further results on iterative learning control (ILC) algorithms with convergence conditions for linear time-variant discrete systems. By converting two-Dimensional (2-D) ILC process of the linear time-variant discrete systems into 1-D linear time-invariant discrete systems, this article presents convergent ILC algorithms with necessary and sufficient conditions for two classes of linear time-variant discrete systems. Main results in (Li, X.-D., Ho, J.K.L., and Chow, T.W.S. (2005), ‘Iterative Learning Control for Linear Time-variant Discrete Systems Based on 2-D System Theory’, IEE Proceedings, Control Theory and Applications, 152, 13–18 and Huang, S.N., Tan, K.K., and Lee, T.H. (2002), ‘Necessary and Sufficient Condition for Convergence of Iterative Learning Algorithm’, Automatica 38, 1257–1260) are extended and generalised.     

参数化模型预测空间实现及递推预测算法

本文给出线性时不变离散系统的参数化模型的预测空间实现的表达式，利用该表达式将传统的参数化模型预测算法化为状态空间递推形式，可大大减小参数化模型预测的在线计算量。为工程上实现自适应参数化模型预测控制带来很大方便。     

高阶参数优化迭代学习控制算法

针对线性时不变离散系统的跟踪问题提出一种高阶参数优化迭代学习控制算法.该算法通过建立考虑了多次迭代误差影响的参数优化目标函数,求解得出优化后的时变学习增益参数.从理论上证明了:对于线性离散时不变系统,该算法在被控对象不满足正定性的松弛条件下仍可保证跟踪误差单调收敛于零.同时,采用之前多次迭代信息的高阶算法具有更好的收敛性和鲁棒性.最后利用一个仿真实例验证了算法的有效性.     

Robust iterative learning control for linear systems with multiple time-invariant parametric uncertainties

This article presents a novel robust iterative learning control algorithm (ILC) for linear systems in the presence of multiple time-invariant parametric uncertainties.The robust design problem is formulated as a min–max problem with a quadratic performance criterion subject to constraints of the iterative control input update. Then, we propose a new methodology to find a sub-optimal solution of the min–max problem. By finding an upper bound of the worst-case performance, the min–max problem is relaxed to be a minimisation problem. Applying Lagrangian duality to this minimisation problem leads to a dual problem which can be reformulated as a convex optimisation problem over linear matrix inequalities (LMIs). An LMI-based ILC algorithm is given afterward and the convergence of the control input as well as the system error are proved. Finally, we apply the proposed ILC to a generic example and a distillation column. The numerical results reveal the effectiveness of the LMI-based algorithm.     

分数阶线性定常系统的稳定性及其判据

介绍了分数阶微分方程和分数阶系统 ,给出分数阶线性定常系统的传递函数描述和状态空间描述 .给出了分数阶线性定常系统的稳定性条件 ,并结合分数阶状态方程给出定理的证明 .直接从复分析中的辐角原理出发 ,推导出分数阶线性定常系统 2个有效的稳定性判据 :分数阶系统奈奎斯特判据和分数阶系统对数频率判据 .通过实例验证了其有效性     

控制幅值受限下定常离散线性系统最小拍控制序列的一种综合方法

控制幅值受限下离散线性系统的最小拍控制问题与连续线性系统的快速控制问题是有很 大差别的,主要是它的非唯一性与非bang-bang性.文中用凸集的支撑超平面等方法研究了 能控域及其边界面的结构特性,给出了求解最小拍最小幅值控制序列综合解的一种计算方法, 该方法计算量较小,有实用价值.     

线性广义系统P型迭代学习控制离散频域收敛性

针对一类线性广义系统,研究其P型迭代学习控制在离散频域中的收敛性态。在离散频域中,对广义系统进行奇异值分解后,利用傅里叶级数系数的性质和离散的Parseval能量等式,推演了一阶P型迭代学习控制律跟踪误差的离散能量频谱的递归关系和特性,获得了学习控制律收敛的充分条件;讨论了二阶P型迭代学习控制律的收敛条件。仿真实验验证了理论的正确性和学习律的有效性。     

分数阶线性系统的内部和外部稳定性研究

介绍了分数阶线性定常系统的状态方程描述和传递函数描述．运用拉普拉斯变换和留数定理，给出并证明了分数阶线性定常系统的内部和外部稳定性条件，并讨论了其相互关系．以一个粘弹性系统的实例验证了上述方法的正确性．