非凸稳态大系统的递阶优化

本文讨论了非凸稳态大系统最优控制的OPBM递阶算法,在此算法的基础上,讨论了通过加入位移因子,对实际系统施加全局反馈或局部反馈,从而克服了模型与实际系统有差异的影响,由于OPBM法应用了加入罚系数项的增广拉格朗日函数,对问题进行凸化,所以它可应用于一类非凸的问题。     

大系统的递阶辨识

大系统的特点是维数高、待估计的参数数目多,使得辨识方法的计算量和存储量急剧增加,以致常规辨识算法难以实现.为了减少大系统辨识的计算量,提出了计算量较小的递阶辨识算法,并用鞅超收敛定理证明了它的收敛性.结果说明该算法可以给出大系统参数的一致估计.     

一类非线性大系统递阶优化的神经网络方法*

本文给出了一种求解一类非线性大系统递阶优化问题的神经网络模型,克服了非线性大系统优化中的对偶间隙与不可分性问题,并且该神经网络具有全集成化的特点,易于硬件实现,其协调网络和局部优化网络同步工作,具有很高的求解效率,适宜于系统实时优化应用。     

基于神经网络的一类大系统动态递阶优化方法

提出了一种用于求解离散时间大系统动态递阶优化问题的神经网络模型(LHONN),该网络以全集成化为特征:1)各子系统的动态方程嵌入相应的局部优化网络中,使得网络结构具有较低的维数,易于硬件实现;2)其上级协调网络和局部优化网络的求解过程同时进行,优化求解速度高,适宜于实时系统优化.     

递阶智能控制系统的一般结构

研究递阶智能控制系统的结构问题,介绍了递阶智能机器的一般结构,讨论了与组织级模型有关的决策段结构,并研究了协调级和执行级的控制结构模型。     

多变量系统状态空间模型的递阶辨识

研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.     

机器人的一种大系统递阶协调的自适应控制方法

本文提出了一种用于机器人的大系统递阶协调自适应控制方法.一方面补偿机器人因建模的不准确以及负载的未知带来的误差;另一方面引入大系统的递阶协调控制实现系统控制算法的并行性,为机器人的在线控制研究提供了一条途径.本文最后给出的例子证明了该方法是可实现的.     

Composing Specific Domains for Large Scale Systems

DSM （domain-specific modeling） offers many advantages over general purpose modeling, but this type of modeling is effective just in narrow domains. The recent MDE （model driven engineering） approaches seek to provide a technology to compose different specific domains in order to cover large scale systems. In this context, this article proposes a new approach for composing specific domain models. First, we analyze some related works. On the basis of the key findings and conclusions drawn from the analysis, we propose a multidimensional approach based on the composition of crosscutting concerns contained in the source domain models. The approach is illustrated by a composition of service domains.     

连续系统鲁樟约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差方差稳态值都不大于预先指定值，并举例说明这种设计方法的直接性与简单性．     

线性时变脉冲扰动大系统的稳定性

本文运用比较原理和向量Ｌｙａｐｕｎｏｖ函数相结合等方法，首次讨论了具有脉冲扰动的线笥时变测度大系统的稳定性，给出了若干全局指数稳定的判据。     

含结构参数摄动的线性离散系统的鲁棒约束方差状态估计

考虑状态矩阵中含不确定性的线性离散随机系统的鲁棒约束方差状态估计问题,即设计滤波增益,使摄动系统每个状态分量的估计误差方差的稳态值不大于各自预先给定值。给出了期望鲁棒滤波增益的存在条件及其解析表达式,并以数值算例说明了设计方法的直接性与有效性。     

Sliding Mode Control and State Estimation for a Class of Nonlinear Singularly Perturbed Systems

This paper is concerned with the design of a controller-observer scheme for the exponential stabilization of a class of singularly perturbed nonlinear systems. The controller design uses a sliding mode technique and is divided in two phases: slow feedback control and fast feedback control so that a final composite control is obtained. Assuming that only the fast state is available and the system's output is a function of the slow state, an observer design is presented. A stability analysis is also made to provide sufficient conditions for the ultimate boundedness of the full order closed-loop system when the slow state is estimated by means of the observer. An application to the model of a permanent magnet stepper motor is given to show the controller-observer methodology and stability analysis.     

线性多级动态结构大系统的反馈镇定

本文研究一类由Ｎ个子系统组成的具有多级动态结构线性大系统的多级反馈镇定问题，这类系统的多级反馈可镇定性与相应地导出系统分散反馈可镇定性等价。利用这种等价性以及系统本身的结构特征，给出了这类大系统可多级反馈镇定的充分条件。对于给定系统，应用本文的结论判别其多级反馈可镇定性是比较容易的。     

Verification of Hierarchical State/Event Systems using Reusability and Compositionality

We investigate techniques for verifying hierarchical systems, i.e., finite state systems with a nesting capability. The straightforward way of analysing a hierarchical system is to first flatten it into an equivalent non-hierarchical system and then apply existing finite state system verification techniques. Though conceptually simple, flattening is severely punished by the hierarchical depth of a system. To alleviate this problem, we develop a technique that exploits the hierarchical structure to reuse earlier reachability checks of superstates to conclude reachability of substates. We combine the reusability technique with the successful compositional technique of J. Lind-Nielsen, H.R. Andersen, G. Behrmann, H. Hulgaard, K. Kristoffersen, and K.G. Larsen, 1998. In: Tools and Algorithms for the Construction and Analysis of Systems, Vol. 1384 of Lecture Notes in Computer Science, pp. 201–216, and investigate the combination experimentally on industrial systems and hierarchical systems generated according to our expectations to real systems. The experimental results are very encouraging: whereas a flattening approach degrades in performance with an increase in the hierarchical depth (even when applying the technique of J. Lind-Nielsen et al. (1998)), the new approach proves not only insensitive to the hierarchical depth, but even leads to improved performance as the depth increases.     

基于Legendre多项式的随机连续系统的Markov参数估计

本文在讨论连续Ｗｉｓｅｎｒ过程的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性和Ｗｉｅｎｅｒ过程扰动下连续线性系统基于该正交多项的最小二乘估计有偏性后，提出了无偏一致的且数估计误差方差最小的Ｍａｒｋｏｖ估计（最小方差估计）算法，并给出本文方法的仿真结果。     

多组时滞大型控制系统的镇定

给出了由无时滞线性定常闭孤立控制子系统的渐近稳定性推出多组时滞线性定常闭环大型控制系统的渐近稳定性的充分条件，并说明了所得结果可以推广到多组时滞线性时变闭环大型控制系统与多组时滞线中立型定常（或时变）闭环大型控制系统，所得结果改进了前人的结果，通过参数镇定域的比较知，可使参数镇定域扩大为原来的６倍。     

网络化控制系统中状态估计策略的进展

在网络化控制系统(Networked Control Systems,简记为NCSs)中,由于网络的介入使控制系统的规模和复杂性显著增加,且产生了各种新问题,为了使控制更加容易,需要设计合理的估计策略.主要从控制和通信2个角度出发,集中考虑了在量化影响、时延与丢包、不确定性等通信受限因素下状态估计策略的研究与进展.一直以来,状态估计都是诸如过程监控、故障诊断等控制领域中不可缺少的重要部分,当前已成为网络化控制系统研究的热点和准点,为抵消网络环境不确定性对闭环系统性能的影响,设计最优的状态估计策略必将成为不可缺少的因素之一.