本文针对一类双入双出时延系统进行了模型辅助自抗扰控制设计.通过静态解耦矩阵矩阵可以将双入双出系统解耦,同时两回路间的干扰作为“总扰动”的一部分,可以由模型辅助的扩张状态观测器进行估计补偿.将可以获得的模型信息加入到控制器中,可以减少状态观测器的估计负担和相应的带宽需求,从而提高系统抗干扰以及时延的能力.本文通过对3种典型双入双出系统进行仿真研究,验证了所提方法的有效性.
帕金森病是一种在老年人中常见的神经系统疾病,它影响患者的说话、写字和平衡能力.根据声学特征对帕金森病进行诊断可以尽早发现病情,有利于早日介入治疗.基于神经动力学方法,本文提出了一种动态收敛微分神经网络(dynamic convergent differential neural network,DCDNN),利用帕金森病的声学特征进行识别诊断.此前,对样本进行标准化、统计池特征增强和主成分分析.数值仿真实验表明所提出方法获得97.22%的准确率,比现存最好方法高斯支持向量机(Gaussian SVM)高约
本文研究了一个具有时滞的分数阶SEIR传染病模型,并且着重研究了时滞的引入对模型的动力学行为的影响.首先,建立了分数阶SEIR传染病模型并给出了无时滞情况下地方病平衡点稳定的充分条件,以此来确保时滞的引入具有实际意义.其次,结合分岔理论求得了Hopf分岔发生的条件以及分岔阈值的表达式.研究发现,系统的动力学行为依赖于分岔的临界值.在此基础上,研究了分数阶阶次的变化对分岔阈值的影响,发现随着阶次的增加系统的Hopf分岔将会提前.最后用数值仿真结果来验证理论推导的正确性.
本文针对一类具有非严格反馈形式的非线性切换系统,在输出只在采样点可获得的情况下,提出了一种基于模糊采样观测器的自适应输出反馈控制方法.该方法降低了现有任意切换控制研究结果中因共同控制思想导致的控制器设计的保守性,避免了迭代过程对虚拟控制的反复求导引发的计算爆炸现象及控制器高增益的弊端.切换的自适应律突显了每个子系统的特性,建立的采样控制器节约了信息传输资源.共同Lyapunov函数理论确保了相应闭环切换系统所有变量在任意切换信号下的一致有界性.
多目标优化算法是近年来进化计算研究领域的一个热点,大多数的多目标优化算法试图找到问题的完整的Pareto前沿.然而,随着待优化问题目标个数的增加,算法需要更大的种群规模才能合理地描绘出完整的Pareto前沿.显然这样不仅增加了算法的运行时间,更增加了(决策者)最终解的选择难度.因此,聚焦于搜索Pareto前沿上的特定区域显得尤为重要,近年来也得到了越来越多学者的关注.Knee点指的是Pareto前沿上具有最大边际效用的点,在这个点附近,一个目标值的微小提升将带来至少一个其他目标值的巨大衰退,因此该点通常被
微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范变量残差d
1,d
2.其次,考虑数据的时间序列特性,提出了基于规范变量残差的两个加权平均统计量W
D1,W
D2
本文针对一类具有非参数不确定性和输出约束的非线性系统,提出一种双迭代优化学习控制策略,将复杂的迭代学习过程简化为两个相对简单的迭代控制器.首先引入一类饱和非线性函数不仅可以满足系统的位置约束,同时能够保证系统跟踪误差收敛于给定的邻域,然后针对每次迭代初始误差设计参考轨迹自修正策略,在每个迭代周期上设置一个固定的调整时间域,根据上次迭代的输出调整下一次迭代的参考轨迹.双迭代的控制结构可以同时更新两个迭代控制器的参数,来处理系统的非参数不确定性.进一步利用Barrier复合能量函数证明双迭代控制策略的收敛性和
针对有向切换拓扑条件下多航天器分组姿态协同控制问题,提出一种基于变量代换和矩阵分解的控制方法.首先,给出分组情况下系统Laplacian矩阵特征值的性质,并对航天器姿态模型
针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(multiple kernel learning,MKL)与一类超限学习机(OC-ELM)相结合,提出lp-范数约束下
针对智能车辆队列横纵向控制及误差快速收敛问题,本文提出一种分布式横纵向有限时间滑模控制策略.首先,考虑跟踪误差的连锁反应及横纵向耦合效应,利用投影变换建立车辆队列横纵向误差模型,提出一种车辆队列横纵向控制框架.而后,针对误差快速收敛问题,设计非奇异积分终端滑模面(NITSM)与自适应幂次积分趋近律(APIRL),通过构造Lyapunov函数分析系统的有限时间稳定性与队列稳定性.最后,基于Trucksim/Simulink联合仿真以及实车实验进一步验证了本文方法的有效性.结果表明,本文所提方法能保证队列稳定