两类阶次分布参数系统的控制研究

来源 :江南大学 | 被引量 : 1次 | 上传用户:peggy721
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
一般而言,整数阶分布参数系统可以描述扩散过程,分数阶分布参数系统可以描述反常扩散过程和分数阶反应扩散过程。这两类阶次系统广泛应用于工程、生态、社会、环境等领域,因而受到了人们的关注。本文主要研究整数阶分布参数系统(通常简称为分布参数系统)和分数阶分布参数系统这两类阶次分布参数系统的控制问题,具体的研究工作如下:1.借助于静态传感器网络和PI控制器,研究了带有静态或移动污染源的扩散系统的控制问题。通过构造优化执行器位置的目标函数和质心化的Voronoi剖分(centroidal Voronoi tessellations,CVTs)获得了执行器移动的路径。基于Lyapunov稳定性理论证明了执行器位置的收敛性,也就是在带有PI控制器的控制输入的作用下执行器位置收敛到各自Voronoi单元的质心。另外,再构造优化喷洒作用的目标函数来确立用于喷洒控制的PI控制器,使得喷洒量与污染物量的差异最小且避免喷洒过量造成二次污染。最后建立了修正的整数阶仿真平台(Diff-MAS2D-PID仿真平台),并借此验证了PI控制器对扩散过程的控制效果优于P控制器效果。2.针对加权调和反常扩散系统的控制问题,将分数阶PI控制器引入系统的控制过程中用于移动执行器的运动控制和喷洒控制。首次应用Lyapunov稳定性理论证明了移动执行器在带有分数阶PI控制器的控制输入作用下分别收敛到各自Voronoi区域的质心。进一步而言,建立了一种基于分数阶PI控制器的新型CVT算法和一种修正的分数阶仿真平台(FO-Diff-MAS2D-FOPI仿真平台)。最后,给出该反常扩散过程的数值仿真验证了所提分数阶PI控制器的有效性。3.将反步法引入到具有混合或Robin边界条件的分数阶反应扩散系统,探讨了该系统的边界反馈控制问题。这里系统的扩散率是不依赖于空间的,即扩散系数为常数。基于反步法设计了Dirichlet,Neumann和Robin三种边界反馈控制器。通过积分变换将在设计的控制器作用下的系统转化为Mittag-Leffler稳定的目标系统,控制问题转化为求解积分变换的核函数问题。应用分数阶Lyapunov方法证明了设计的边界反馈控制器可以使得闭环系统Mittag-Leffler稳定。数值仿真表明了所提方法的有效性。4.考虑了仅在边界可测量具有混合边界条件的分数阶反应扩散系统的输出反馈控制问题。在传感器和执行器同位和异位(即传感器和执行器在边界同一端和不同端)两种情形下,分别设计了在Dirichlet执行力作用下的状态观测器,再结合前面设计的基于反步法的边界反馈控制器得到了输出反馈控制器。借助分数阶Lyapunov方法证明了该输出反馈控制器可以使得闭环系统Mittag-Leffler稳定。数值仿真进一步验证了理论结果。5.研究了含有空间依赖(非常数)扩散率的分数阶分布参数系统(原系统)的边界镇定性问题。该问题可以视为常数扩散率问题的推广,且更加符合实际情况。通过变量变换将该系统转化为更具一般性的非常数扩散率的分数阶反应扩散系统(新系统)。利用反步法、积分变换设计新系统的边界反馈控制器,再根据给定的变量变换得到原系统的边界反馈控制器。基于分数阶Lyapunov方法获得了在该边界反馈控制器作用下的原系统Mittag-Leffler稳定的充分条件。数值仿真验证了该闭环系统的Mittag-Leffler稳定性。
其他文献
分布参数系统的状态同时依赖于时间和空间,因此是一类无穷维的动力系统,其广泛应用于工程、社会、生态、环境等领域.研究基于传感器/执行器网络的分布参数系统控制问题具有重要的理论意义和应用价值.本文在传感器/执行器网络环境下,针对n-维空间上的扩散系统,研究利用移动智能体协同控制,以提高系统的控制性能.针对n-维耦合分数阶反应扩散系统,研究利用传感器/执行器网络对系统进行边界控制的方法.主要研究工作如下
近年来,机器学习随着人工智能的火热得到了如火如荼地发展,在推荐系统、机器翻译、语音识别等领域得到了广泛而成功应用。但是,随着应用场景的不断扩大,数据的规模和形式也变得复杂,多样化的数据场景,例如含有噪音特征和噪音标签的训练数据等,给传统的机器学习方法带来了巨大的挑战。在有监督机器学习中,经典的神经网络和TSK模糊系统在面对这些复杂的数据场景时,往往会遇到如下问题:由于技术的限制,采集到的数据不可避
尽管实际工业系统中存在许多可测变量,但也经常出现一些变量不可得到的情况.论文利用辅助模型来估算这些不可测变量,研究一类存在未知变量的多变量输出误差系统的辅助模型递推辨识算法及其收敛性问题.选题具有理论意义和学术价值,主要工作如下.(1)针对白噪声干扰下的多元输出误差系统,运用辅助模型辨识思想,分别推导了基于分解的辅助模型随机梯度算法和辅助模型最小二乘算法,借助于随机鞅理论分析了算法的收敛性问题.进
近年来,人工智能技术在人类生活中的各个领域都得到了广泛地应用。特别是机器学习技术在分类、聚类以及回归等众多知识任务中都取得了突破性进展。其中,分类是目前机器学习中重要的研究方向之一,它广泛应用于语义解析、图像识别、文本分类以及辅助医学诊断等实际应用场合。Takagi-Sugeno-Kang(TSK)作为人工智能的一个重要研究分支已被应用到多个领域,怎样提高它的分类性能和增强可解释性仍然是一个十分具
活动边界分布参数系统是一类无穷维系统,具有广阔的应用背景,其边界的时变特性会影响系统的性能。而移动控制相当于对系统增加了一个控制维度,能有效提升系统的性能。因此,对活动边界分布参数系统的移动控制与估计研究具有重要的理论和实际意义。本文基于活动边界分布参数系统,利用算子半群理论、Lyapunov稳定性判据以及随机分析等方法,通过移动传感器/执行器网络对几类活动边界分布参数系统进行移动控制与估计,主要
目的探讨优化绩效考核以促进临床医疗专科质量管理提升的方法。方法运用PDCA循环法分析影响临床专科绩效考核指标差异变化的因素,以此制定相应的整改措施并进行效果评价。结果通过在临床专科绩效考核中实施一系列管理措施,优化了专科绩效考核指标,规范了医疗行为,控制了费用过快增长,提高了运营效率。结论应用PDCA循环法改进临床专科绩效考核管理,可提高管理的科学性和有效性,有利于提高医院精细化管理水平。
由于工业生产过程受到多种因素的干扰,使得有色噪声干扰系统的辨识变得更加困难.论文通过极大化似然函数,结合信息滤波技术研究一类有色噪声线性系统和非线性系统的参数辨识问题,选题具有理论意义和应用前景.取得了如下的成果.(1)针对标量方程误差ARMA系统,提出了基于信息滤波的极大似然增广梯度算法;为了加快梯度算法的收敛速度,引进新息,提出了基于信息滤波的极大似然多新息增广梯度算法.为了提高参数估计精度,
未来智能网联新能源汽车将集成智能电驱动动力单元、轮毂电驱动、可变结构智能线控底盘、全气候电池、可更换式智能车舱等子系统,并由多域智能控制器通过车载高速网络实施对整车的智能驾驶与安全控制。绿色低碳发展成为世界可持续发展的必由之路,全球已有127个国家承诺碳中和,其中包括全球10大煤电国家中的5个。我国低碳转型任务艰巨,能源结构持续低碳转型是基础支撑,终端部门节能提效升级是主要途径。
期刊
因为具有大的发展潜力和广阔的应用前景,多智能体系统受到越来越多的关注,并成为当前控制领域的一个研究热点。由于其分布式网络结构和监控中心实体的缺失,多智能体系统很容易受到故障或外部攻击的影响。当其中一个智能体受到攻击或发生故障时,这种影响会通过网络传递到其它智能体,从而导致整个系统性能的急剧衰减甚至系统的崩溃。因此,有必要研究多智能体系统的安全问题。本文主要利用观测器技术,研究多智能体系统的故障检测