一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．     

一类非线性时滞广义系统的状态反馈控制

利用线性矩阵不等式（ＬＭＩ）,讨论了一类非线性时滞广义系统的状态反馈控制问题．通过对非线性映射Ｆｒｅｃｈｅｔ导数的逆矩阵的估计,给出了系统渐近稳定的充分条件．这一条件与时滞相关,可归结为一个线性矩阵不等式的可解性．在ＬＭＩ有解的条件下,可得到系统状态反馈控制器的参数表示．数值实例表明该方法是有效的．

     

一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．

     

多个未知时延的ＭＩＳＯ系统的递推辨识

对于未知时延的多输入单输出（ＭＩＳＯ）系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘（ＳＮＬＳ）辨识方法．为降低收敛于局部最小的可能性,利用全局优化理论,推导了全局可分离的非线性最小二乘（ＧＳＮＬＳ）辨识方法;为消除强观测噪声所引起的参数估计的偏差,将ＧＳＮＬＳ方法调整为一新颖的全局可分离的非线性多新息递推最小二乘（ＧＳＮＭＩＲＬＳ）辨识方法,仿真实验验证了算法的有效性．

     

不确定广义系统的输出反馈鲁棒预测控制

针对一类具有范数有界不确定性的广义系统,当系统状态不可测时,提出了一种基于输出反馈的鲁棒预测控制器综合算法．采用ＬＭＩ方法以及变量变换思想,将无限时域“最小 最大”优化问题转化为线性规划问题．确定出一组分段连续的输出反馈控制序列,给出了输出反馈控制律存在的充分条件,证明了优化问题在初始时刻的可行解可以保证广义闭环系统是渐近稳定且正则无脉冲的．仿真实例验证了所提出方法的有效性．

     

支持向量机和一类模糊推理系统的等效性及其应用

支持向量机（ＳＶＭ）和模糊推理系统（ＦＩＳ）分别源于统计学习理论（ＳＬＴ）和认知学两个不同的领域．在一定约束条件下,提出并证明了ＳＶＭ 和一类基于规则的ＦＩＳ的函数等效性定理．在此基础上,提出基于ＳＶＭ 学习过程的ＦＩＳ（ＭＢＦＩＳ）的设计方法．ＭＢＦＩＳ继承了ＳＶＭ 良好的泛化能力和对“维数灾难”的避免能力,也继承了基于规则的ＦＩＳ的显式推理能力．Ｂｅｎｃｈｍａｒｋ数据实验表明,ＭＢＦＩＳ具有良好的分类性能．

     

分数阶混沌系统同结构与异结构广义同步

基于分数阶拉普拉斯变换理论,提出设计合适的新型非线性反馈控制器,分别实现分数阶混沌系统的同结构广义同步和异结构广义同步.以分数阶Liu混沌系统和分数阶Lu混沌系统为例进行数值仿真,仿真结果表明了该方法的有效性.该方法灵活且适用范围广,具有潜在的应用前景.

     

离散线性周期系统的模型匹配

考虑离散线性周期系统的模型匹配问题, 提出一种基于参数化极点配置的模型匹配方法. 该方法从时域的角度出发, 采用周期状态反馈, 使得闭环系统充分接近目标系统. 由于所采用的参数化极点配置算法提供了充分的自由度, 所提出的方法能够实现零误差匹配. 数值算例验证了所提出算法的有效性.

     

不确定离散时间系统积分滑模保性能控制

针对不确定离散时间系统,研究其积分滑模（ＩＳＭ）保性能控制的设计问题．将最优保性能积分滑模面设计问题,转化为一个具有线性矩阵不等式（ＬＭＩ）约束的目标函数凸优化问题,给出了最优保性能积分滑模面存在的充分条件,并结合干扰估计器设计相应的保性能控制器．与传统滑模控制相比较,积分滑模保性能控制系统具有全阶滑动模态,系统的鲁棒性得到加强,消除了控制抖振和稳态抖振．仿真结果验证了该方法的有效性．

     

RBF神经网络参数估计的两种混合优化算法

基于全局搜索的进化算法和一种局部搜索算法———结构化的非线性参数优化方法（ＳＮＰＯＭ）,提出两种混合的优化算法来估计ＲＢＦ神经网络中的参数：１）初始化一定数目的种群作为ＳＮＰＯＭ 的初始值得到其适应值,通过选择、交叉和替换策略来更新种群;２）采用进化算法运行一定的代数,从最终群体中选取一些个体进一步用ＳＮＰＯＭ来优化．这两种混合优化算法的本质是用进化算法为ＳＮＰＯＭ 搜寻最优初始值,以得到全局最优解．仿真实验结果表明,该混合算法比单独使用进化算法或ＳＮＰＯＭ 更优,且优于其他一些算法．

     

基于Ｔ-Ｓ模型的非线性网络控制系统的量化保成本控制

研究一类非线性网络控制系统的量化保成本控制问题．首先在考虑量化因素的影响下,基于Ｔ-Ｓ模糊模型方法建立包含时延、丢包和量化信息的新的非线性网络控制系统模型;其次运用Ｌｙａｐｕｎｏｖ稳定性理论和并行分布式补偿（ＰＤＣ）方法给出系统稳定性条件,运用锥补方法和线性矩阵不等式（ＬＭＩ）技术求解量化保成本控制器．仿真结果和横向比较结果验证了该方法的有效性．

     

基于网络控制系统平均时延的模糊控制器设计

针对网络控制系统（ＮＣＳ）中的随机时延问题,根据实际网络时延的分布情况,提出一种新的具有随机时延的网络控制系统的建模方法———离散Ｔ Ｓ模型,并在此基础上应用并行分布补偿原理（ＰＤＣ）设计模糊控制器．同时提出一种新的模糊控制系统隶属函数的确定方法,利用Ｌｙａｐｕｎｏｖ定理和线性矩阵不等式（ＬＭＩ）研究系统的稳定性问题,给出了基于ＬＭＩ的模糊控制器的设计方法．最后通过仿真实例验证了该控制方法能使具有时延的网络控制系统稳定．

     

不确定离散时滞系统的时滞相关非脆弱H∞ 控制

讨论不确定离散时滞系统非脆弱控制器的设计问题．利用Ｌｙａｐｕｎｏｖ-Ｋｒａｓｏｖｓｋｉｉ稳定性理论和有限和不等式方法,获得了不确定时滞系统在非脆弱控制器作用下不仅内部渐近稳定,而且具有给定的H_∞ 扰动抑制水平γ 的时滞相关有界实条件．采用迭代算法分别给出了控制器具有加法不确定性和乘法不确定性两种情况的非脆弱控制器参数的设计方法,借助于Ｍａｔｌａｂ的ＬＭＩ工具箱可以方便求解．数值仿真实例表明了该方法的有效性．

     

一类区间时变输入时滞与状态时滞线性系统的稳定性研究

研究一类具有区间时变输入时滞与状态时滞线性系统的稳定性问题．通过选择合理的Ｌｙａｐｕｎｏｖ Ｋｒａｓｏｖｓｋｉｉ函数,基于积分等式方法（积分等式由自由权矩阵构造而成）,以ＬＭＩ的形式给出时滞相关的稳定性充分条件,并进行了相关控制器的设计．所得结论对时滞导数没有任何限制,可用于快时变时滞系统．同时,积分等式方法较积分不
等式方法更优,保守性更低．最后,通过数值比较及仿真表明了所提出方法的有效性和优越性．

     

一类高阶非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统,利用参数重组技巧,提出了一种自适应重复学习控制方法 .该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性,快时变的非线性系统. 通过引进微分 -差分参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零. 通过构造Lyapunov 泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的可行性和有效性.

     

冗余系统的生存能力分析与评估

立足于任务这个高层次的用户需求,通过对系统持续执行任务能力的参数分析,给出了应用美国工业界武器系统效能委员会（ＷＳＥＩＡＣ）提出的效能评估方法来分析和评价系统生存能力的方法．在此基础上,针对应用广泛的犽／犖热备份冗余结构,给出了具体系统生存能力的分析和评估方法．仿真实验表明,该分析方法有助于分析冗余技术对生存能力的影响,以便系统设计者合理应用冗余技术,在有限的资源下尽可能增强系统的生存能力．

     

带传输滞后的离散系统的观测器及输出动态反馈

针对带输出传输滞后的线性离散系统,讨论了其状态观测器设计问题. 利用滞后输出信息,给出了状态观测器的设计方法,并得到状态观测器存在的充要条件,进而设计出基于观测器的输出动态反馈控制器,证明了闭环系统满足极点分离原理 .数值仿真验证了所提出方法的有效性.

     

基于GPS的NCS非整数倍采样周期时延补偿方法

研究具有非整数倍采样周期时延的网络控制系统（ＮＣＳ）的时延补偿问题．针对ＮＣＳ中的非整数倍采样周期时延,基于广义预测控制算法并结合线性插值方法,提出一种新的网络时延补偿方法．该方法能得到非整数倍采样周期的控制预测值,同时通过减小执行器读取缓冲区的周期,可有效减少由于执行器时间驱动而引起的等待时延,解决了非整数倍采样周期时延的补偿问题．最后通过仿真验证了该方法的有效性．

     

基于博弈论和VMI共享机制协调模型

以供应商和零售商组成的二阶段供应商管理库存（ＶＭＩ）供应链系统为研究对象,考虑随机需求下的ＶＭＩ系统中可能存在的滞销成本或缺货惩罚,建立了传统、Ｓｔａｃｋｅｌｂｅｒｇ博弈、Ｎａｓｈ协商的３种收益共享机制的协调模型,并得出Ｎａｓｈ协商能完美协调分散式ＶＭＩ供应链的结论．最后,通过数值算例对相关结论进行了验证和分析．

     

基于混沌的弹性粒子群全局优化算法

为了克服粒子群优化容易陷入局部极小的缺陷,利用粒子速度不依赖于其与最优粒子之间距离的大小,而仅依赖其方向信息的特点,采用自适应策略弹性地修正粒子速度的幅值．同时,充分利用混沌运动的遍历性、随机性及对初值的敏感性等特性,提出一种基于混沌的弹性粒子群优化（ＣＲＰＳＯ）算法,并将其成功用于典型多极点函数优化．仿真结果表明,该算法增强了摆脱局部极值点的能力,提高了收敛速度和精度．