双线性系统多目标控制问题研究

研究了双线性系统的多目标控制问题. 首先把多目标控制问题, 通过效用函数技术转化为一个单目标最优控制问题, 其中, 效用函数是多个二次型性能指标的非线性函数, 因此, 在动态规划的意义下是不可分的. 然后, 为了克服不可分对求解带来的困难, 提出了一种两级最优控制算法. 下级用动态规划求解一个参数化的具有双线性---二次型结构的辅助 Lagrangian 问题；上级迭代调整辅助 Lagrangian 问题中的参数向量. 不断重复这个过程, 直至最优性条件被满足.     

基于两级算法的对偶控制

考虑具有未知参数的随机系统的最优控制问题.采用包含新息方差指数项的损失函数优化系统的性能.新的损失函数由两部分组成:第一部分反映了对输出的调节作用;第二部分反映了辩识系统中未知参数应尽可能多地收集系统信息的需求.提出了一种两级优化算法.该算法首先把不可分问题转化为可分的两目标优化问题,再从两目标优化的非劣解集中挑出原问题的最优解.该控制律易于实施且具有对偶特点.仿真结果表明本文所得的控制律的有效性.     

基于最大互信息指标的对偶控制研究

针对参数未知但恒定的随机系统, 研究了基于最大互信息指标的对偶控制. 运用了Kalman滤波器估计随机系统未知参数的方法; 研究了最大互信息指标所具有的对偶特性, 即跟踪理想的目标以及探测未知参数的不确定性; 采用了两级优化算法获得次优对偶控制律. 算例验证了此算法的有效性和可行性.     

具有未知参数的LQG对偶控制算法研究

对于具有未知参数的LQG（Linear quadratic Gaussian）问题,提出了一种次优对偶控制方法,用Kalman滤波处理过程噪声和测量噪声,用前一时刻的后验概率对Cost-to-go进行线性近似,然后,用动态规划获得了次优控制律.最后,用一个例子说明了本文设计的控制器的实施过程.结果表明,该控制律具有良好的对偶性质,并能在学习和控制之间实现较好平衡.     

利用混沌搜索全局最优的一种混合算法

把共轭梯度法与混沌优化方法相结合，提出了一种混合优化算法，该算法能使共轭梯度法跳出局部最优，最终获得全局最优，算法的收敛性也进行证明，仿真表明算法是有效的。     

基于支持向量机模糊推理的二级倒立摆控制

本文提出了一种用于非线性系统控制的支持向量机模糊推理模型.该模型利用支持向量机回归的原理,从训练数据中提取模糊规则并进行简化;采用核函数来描述模糊推理系统,该模糊推理系统具有不必事先确定模糊规则数目、良好的泛化能力等优点.使用该模型对直线二级倒立摆系统构造模糊控制器并进行了实验研究,研究结果表明这种新的模糊规则提取方法对于非线性系统的控制是有效的,由支持向量确定的模糊规则不会出现规则数目"爆炸"的问题,该方法在不便事先确定模糊规则的复杂非线性系统控制中有着重要的应用价值.     

新型非线性退化建模与剩余寿命预测

鉴于数据驱动的寿命预测方法多采用线性退化模型建模,而实际退化数据多呈现为非线性形式,为此,提出一种新型非线性退化模型,利用首达时间原理推导出模型剩余寿命概率密度函数的解析表达式,采用极大似然法估计模型中的未知参数,并用AIC准则检验了模型的准确性。通过仿真数据与激光发生器的性能退化数据对模型进行了验证分析,结果表明了新型非线性退化模型的准确性和实用性。     

基于滚动优化的对偶控制策略

考虑具有未知参数的随机系统的最优控制问题.提出了一种新的基于滚动优化的对偶控制算法.在动态规划泛函方程中,用Kalman滤波对系统的状态进行估计;用线性化方法对阶段损失函数中的后验概率进行近似,然后,用滚动优化策略对控制与学习之间的耦合关系进行解耦.从而获得了原不可解泛函方程的解析递推表达式和一个易于实施的控制律的解析解.用一个例子说明了控制律的性能,仿真结果表明:该控制律具有良好的对偶性质,在学习和控制之间实现了较好的平衡.     

一类随机系统完全统计特征控制

非线性随机系统完全统计特征控制优于低阶矩控制,但往往因为算法的复杂性难以实际应用.本文针对受高斯白噪声激励的标量非线性随机系统,针对状态响应提出了一种完全统计特征控制方法.首先将刻画完全统计特征的概率密度函数表示成指数函数,利用FPK(Fokker-Planck-Kolmogorov)方程求出概率密度函数的各阶导数,进而建立指数函数Taylor展开的系数与待求反馈控制增益间的关系.然后,依据控制目标给出了求解反馈增益的优化问题.针对目标概率密度函数的不同情况,分别给出了跟踪控制策略:对于指数函数Taylor展开为有限项形式的情况,能够直接得到控制增益并完全跟踪目标概率密度函数;其他情况下,也能够达到较好的控制效果.仿真验证了本文方法的有效性.