非一致采样状态反馈预测控制

针对输入更新不等间隔的非一致采样系统,提出一种基于状态观测器的状态反馈预测控制算法。通过提升控制信号,设计了输入输出同周期的非一致采样系统的状态观测器,并且给出了提升控制信号前后观测器系数矩阵的关系。运用线性矩阵不等式方法,解决无穷时域二次型性能指标下的优化问题,给出了状态反馈预测控制器存在的充分条件。仿真结果表明控制算法的有效性。     

基于社区度的边界节点影响力最大化算法

通常跨社区的信息传播更具有现实意义,而且大范围的信息传播往往也是跨社区的。为此提出一种基于社区度的边界节点影响力最大化算法,利用社会网络中的社区结构对社区中与其他社区有连接边的边界点进行研究,从而缩小选择初始节点的范围,降低时间复杂度。同时为更准确地评估边界节点的影响力,综合节点度、节点所直接相连社区数以及相应社区的规模作为社区度来衡量节点在信息传播中的重要性。最后通过实验验证了本算法相比其他算法具有更大的影响传播范围和更低的时间复杂度。     

基于链路状态和节点状态信息的DSR增强算法

本文利用链路和节点发送缓存的状态信息对DSR协议进行优化和改进，提出了一种Performance—DSR（PDSR）协议。文中对PDSR协议的路由更新和路由选择机制进行了介绍，并对PDSR协议和DSR协议在节点不同移动速度下的性能进行了分析比较，结果表明PDSR协议比DSR协议更能适应网络拓扑变化快的MANET网络。     

边界节点对无线传感器网络连通性的影响

无线传感器网络的连通性是确保节点成功组网的基础,相对于内部节点,边界节点对无线传感器网络的连通性有着更大的影响.本文以节点的有效通讯面积为基础,通过理论推导,分析了边界节点的连通性和网络的整体连通性,而后通过仿真研究,分析了存在边界节点与消除边界效应后的网络连通度分布、连通度期望和网络是κ点连通的概率,从而说明了边界节...     

基于链路状态和节点状态信息的DSR增强算法

本文利用链路和节点发送缓存的状态信息对DSR协议进行优化和改进,提出了一种Performance-DSR(PDSR)协议。文中对PDSR协议的路由更新和路由选择机制进行了介绍,并对PDSR协议和DSR协议在节点不同移动速度下的性能进行了分析比较,结果表明PDSR协议比DSR协议更能适应网络拓扑变化快的MANET网络。     

基于方案选择一致的指控节点间协同决策模型

针对指控节点的协同决策难以量化描述的问题,将该协同决策简化为对多个决策方案进行择优选取的过程.通过改进的Logistic方程对信息、决策主体能力和系统辅助能力对指控节点的态势感知质量影响进行描述,建立了指控节点的独立决策质量模型.遵循指控节点方案选择的一致性要求,综合考虑了影响协同决策的诸多因素,以影响单个指控节点在经过一次协同之后的决策结果状态为决策度量指标,构建了多指控节点的协同决策模型.通过多组随机试验,测试了该模型在各因素作用下的决策结果,为指控节点间的协同决策研究提供一种新的分析思路.     

基于内流动力学的海洋输油柔性立管鲁棒边界控制

海洋输油柔性立管的振动是引起立管疲劳破坏的主要原因,对其研究边界控制是消除振动疲劳、减少断裂的有效方法.本文引入内流动力学,完善了立管原始无穷维分布参数模型,更好地表达了柔性立管的动力学响应.为抑制柔性立管在内外流激励下的振动奠下基础,本文用Lyapunov直接法对柔性立管系统的稳定性和状态一致有界性进行了证明,设计了边界控制器调节柔性立管的振动,其中控制器使用了符号函数来消除不确定性环境扰动对振动控制效果的影响,提高了系统的鲁棒性.仿真实验表明本文所设计的控制算法有效地减少了柔性立管的振动偏移量.     

基于干扰抑制控制的飞行器姿态跟踪

本文针对飞行器姿态跟踪控制问题, 考虑系统的内部模型不确定性和外界扰动, 设计了使跟踪误差一致最终有界的控制器. 以四元数为姿态参数, 建立系统的非线性误差模型; 将控制系统分为内环观测器和外环控制器分别设计, 其中, 线性扩张状态观测器作为系统内环将实际系统补偿为标称模型, 而外环非线性控制器则用于镇定非线性标称系统. 最后, 利用Lyapunov理论得到了一致最终有界的稳定性结论, 并基于频域理论, 分析了线性扩张状态观测器阶次对系统性能的影响. 姿态跟踪实验表明, 本文设计的控制系统能够有效实现飞行器的姿态跟踪控制.     

海洋柔性立管输出反馈边界控制

针对耦合内流动力学的海洋柔性立管系统,为了提高其振动控制品质,结合Lyapunov直接法和高增益观测器理论设计了输出反馈边界控制和干扰观测器,用以抑制结构振动偏移量和减弱外部环境干扰载荷的影响.其后,证明了闭环系统解的存在性、唯一性和收敛性及闭环状态的一致有界性.此外,本文的控制设计和稳定性分析是基于立管的原始无穷维动力学进行的,因此关于模型截断法产生的控制溢出问题将不会产生.最后仿真结果验证了本文所提出的输出反馈边界控制器能有效抑制柔性立管的振动.     

基于关键节点控制的网络控制方法

传统的网络控制理论在研究网络规模较大,链路权重巨大的网络时计算量过于庞大,对有向网络的研究也是难点之一。文章通过研究结构上可控制的理论,提出基于关键节点控制整个有向网络的方法。找出具有某种特性的关键节点集,用数学方法证明了控制该关键节点集等价于控制了整个网络。该方法较大程度地减少了计算量。实验结果证明了该方法的有效性,具有一定的实践意义。     

路网分区的树生长算法*

分析和定义了面向城市交通控制系统交通控制方案制订的路网分区需要解决的问题,设计了动态路网分区概念模型。针对路网交通小区根生节点问题的解决,设计了路网节点重要度判断算法;以根生节点为中心,采用逐层扫描技术对节点交通流作用路径进行搜索,形成路网小区的拓扑结构图。以一个实际城市交通网络为例,利用提出的模型及算法进行分区,结果表明了算法的有效性和可行性。     

一种面向城市复杂路网最短路径提取的定向收敛算法*

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与Dijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。     

基于路网可达性的交通控制子区划分方法研究

为了提高子区划分的效率,保证子区划分结果的合理性,提出了一种基于路网可达性的子区划分方法。以路口为顶点,路段为边,修正的路段阻抗为边权得到路网加权网络,通过权系数开关化转为非加权网络;采用[K]步可达矩阵来分析网络的可达性,以可达性最好的顶点为核心顶点,求解核心顶点的[K]步可达顶点群得到子区划分结果;以子区路网路段占有率方差为评价指标,对子区划分结果进行优化。以北京市亦庄林肯公园地区路网为例的仿真结果表明：基于路网可达性的子区划分,可以找到路网中关联最为紧密的顶点群,且以子区内部路段的占有率方差作为评价指标可以保证子区内部路段状态的相似性,为子区划分的优化提供指导。     

动力线载波传感控制网络的权值分簇组网

为提高动力线载波传感控制网络拓扑结构的可靠性和稳定性,讨论并提出一种改进的基于加权的交叠分簇算法。该算法集合节点的节点度、信号衰减强度两种因素计算各个节点的权值。通过比较入簇节点的权值大小,选择退出或者加入簇来对网络进行动态分簇。实验结果表明,该算法减小了网络的路由开销,缩短了组网总时间,提高了负载均衡度,在动力线载波传感控制网络组网上具有一定的有效性。     

Control-affine fuzzy neural network approach for nonlinear process control

An internal model control strategy employing a fuzzy neural network is proposed for SISO nonlinear process. The control-affine model is identified from both steady state and transient data using back-propagation. The inverse of the process is obtained through algebraic inversion of the process model. The resulting model is easier to interpret than models obtained from the standard neural network approaches. The proposed approach is applied to the tasks of modelling and control of a continuous stirred tank reactor and a pH neutralization process which are not inherently control-affine. The results show a significant performance improvement over a conventional PID controller. In addition, an additional neural network which models the discrepancy between a control-affine model and real process dynamics is added, and is shown to lead to further improvement in the closed-loop performance.     

Control-affine neural network approach for nonminimum-phase nonlinear process control

The design of controllers for nonlinear, nonminimum-phase processes is very challenging and remains as one of the more difficult control research problems. Most currently available control algorithms rely implicitly or explicitly upon an inverse of the process. Linear control methods for nonminimum-phase processes are typically based on a decomposition of the process into a minimum-phase and a nonminimum-phase part, and subsequent inversion of the minimum-phase component. A similar scheme for nonlinear systems is still an open problem. In this work, an internal model control strategy employing a minimum-phase model is proposed. The minimum-phase model is first-order, minimum-phase and control-affine but statically equivalent to the original process. Because the model is identified directly from input-output data, a first principles model of the process is not required. The inverse of the process is obtained through analytical inversion of the process model. The proposed control scheme is applied to a van de Vusse reactor and a complex continuous stirred tank bioreactor.     

面向大规模工控网络的关键路径分析方法

针对大规模工控网络攻击图的量化计算耗时高、消耗资源大的问题,提出了一种大规模工控网络的关键路径分析方法。首先利用割集思想结合工控网络中的原子攻击收益,计算贝叶斯攻击图关键节点集合,解决目前割集算法只考虑图结构中节点关键性的问题。其次,提出一种只更新关键节点攻击概率的贝叶斯攻击图动态更新策略,高效计算全图攻击概率,分析攻击图关键路径。实验结果表明,所提方法在大规模工控攻击图的计算中,不仅可以保证计算结果的可靠性,而且能够大幅度降低方法耗时,显著提升计算效率。     

Discrete-time neural network output feedback control of nonlinear discrete-time systems in non-strict form

An adaptive neural network (NN)-based output feedback controller is proposed to deliver a desired tracking performance for a class of discrete-time nonlinear systems, which are represented in non-strict feedback form. The NN backstepping approach is utilized to design the adaptive output feedback controller consisting of: (1) an NN observer to estimate the system states and (2) two NNs to generate the virtual and actual control inputs, respectively. The non-causal problem encountered during the control design is overcome by using a dynamic NN which is constructed through a feedforward NN with a novel weight tuning law. The separation principle is relaxed, persistency of excitation condition (PE) is not needed and certainty equivalence principle is not used. The uniformly ultimate boundedness (UUB) of the closed-loop tracking error, the state estimation errors and the NN weight estimates is demonstrated. Though the proposed work is applicable for second order nonlinear discrete-time systems expressed in non-strict feedback form, the proposed controller design can be easily extendable to an nth order nonlinear discrete-time system.     

基于预处理的城市路网拓扑结构构建算法

路网拓扑结构构建是最优路径规划的基础。针对MapInfo数据格式电子地图不具备拓扑结构,且现有拓扑结构构建算法精度低、效率差等不足,提出在路网拓扑结构构建前,应用缓冲区分析技术和计算区域质点等预处理方法,对原始路网不规则的关系进行分类和道路信息补充,以此为基础创建路段和节点图层,建立路网拓扑关系。应用该算法,在VB6.0开发环境和MapInfo二次开发控件MapX支持下,实现了重庆市路网拓扑结构的构建。实验结果表明,该算法构建精度和效率明显提高。     

城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。