非线性多自主体系统的抗饱和一致性研究

来源 :华中科技大学 | 被引量 : 1次 | 上传用户:birdwy
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
多自主体系统在工业、军事、医疗和交通运输等诸多领域有着广泛引用。由于实际中的多自主体系统往往具有非线性特性,并且因空间、能量以及执行器和传感器结构的限制使得系统通常受饱和约束,因此,开展非线性多自主体抗饱和一致性策略研究具有重要理论意义和潜在应用价值。鉴于此,本文针对受饱和约束的非线性多自主体系统,基于脉冲、模糊和神经网络等先进控制理论开展一致性控制策略研究。主要研究内容包括:
  针对一类具有执行器饱和的非线性多自主体系统,在领导-跟随通信模式下,提出了抗饱和一致性脉冲控制策略。通过建立领导者和跟随者的误差脉冲微分方程模型,基于凸包性质得到了不变集条件,所设计的脉冲控制策略能实现多自主体领导-跟随指数一致性。进而将不变集条件转化为一个优化问题,在估计吸引域大小的同时可求得脉冲控制增益。仿真结果验证了所设计控制策略的有效性。
  针对一类具有执行器饱和的非线性多自主体系统,在无领导者通信模式下,设计了分布式抗饱和一致性脉冲控制策略。该控制策略仅在脉冲时刻采集邻居信息并施加控制,具有降低系统通信能耗和控制能耗的优势。借助时变李雅普诺夫函数法,充分利用多自主体系统脉冲时刻信息,得到了保守性较低的一致性不变集条件,实现了抗饱和动态一致性,该结论适用于无向图和有向图。仿真结果验证了所设计控制策略的有效性。
  针对一类同时具有执行器饱和以及时变时延的非线性多自主体系统,在无领导者通信模式下,设计了分布式抗饱和一致性脉冲协同控制策略。借助脉冲微分方程的比较原理,解决了非线性项中的时变时延问题,建立了时延无关的动态一致性充分条件。通过对铅蓄电池多自主体系统的仿真研究,验证了所设计控制策略的有效性。
  针对一类具有执行器饱和的非线性多自主体系统,在领导-跟随通信模式下,基于模糊模型方法设计了分布式协同控制策略。借助T-S模糊模型方法建立了时变领导者与受执行器饱和约束的跟随者之间的误差模型。借助凸包性质得到了以线性矩阵不等式表达的不变集条件,实现了系统的抗饱和一致性。进而将吸引域大小的估计问题转化为优化问题,将待设计的控制增益作为决策变量,同时实现了控制器参数的设计和吸引域大小的估计,得到了使吸引域尽可能大的控制器参数。数值仿真验证了理论结果的有效性。
  针对一类具有传感器饱和的未知非线性多自主体系统,在无领导者通信模式下基于神经网络设计了分布式事件触发一致性控制器。所设计的控制器仅在事件触发时刻采集邻居信息并且更新自身的神经网络权重,具有通信负荷低的优势。基于混杂系统理论和比较原理,得到了事件触发时间间隔下界,建立了自触发的神经网络权重自适应更新策略,实现了多自主体系统的抗饱和实用一致性。多自主体系统的数值仿真验证了所设计控制策略的有效性。
其他文献
非线性现象普遍存在于实际生产和生活中,所有的实际工程控制系统都是非线性的.因此,对非线性系统的反馈控制问题研究是控制理论领域的一个热点,具有重要的理论指导意义和实际应用价值.在实际工程中,系统状态往往并非全状态可测,这就需要研究输出反馈控制问题.本文针对几类不同的非线性系统,利用Lyapunov泛函方法、齐次方法、压制方法和采样控制方法等,设计出相应的输出反馈控制器和采样控制器,研究输出反馈镇定跟
近几十年来,随着数字计算机技术、通信技术和网络技术的快速发展,网络化控制系统因其便于维护和安装、拓展性好、各个环节信息交互可靠等优点,在许多实际工业生产中(如移动传感器网络、分布式电力系统、智能交通系统等)具有广泛的潜在应用价值。网络化控制可以通过有线/无线网络、智能传感器、数字技术、通信技术等手段将系统之间的各个环节通过计算机网络连接起来,从而实现高效的信息交互,更好地完成控制任务。与此同时,网
在互联网飞速发展的今天,网络在给人们提供丰富信息资源的同时,也给海量图像数据的整理和归类带来了空前的难度。为此,各种图像分类技术应运而生,其中场景图像分类是该研究领域的一个重要分支。场景图像分类是通过计算机将表达场景属性的各种信息转化为具体的特征描述,并构建合适的特征表达模型,进而实现场景图像的自动标注和分类,广泛地应用在图像分析、整理、视频摘要及机器人导航等机器视觉应用领域中。  场景图像是多个
学位
随着三维扫描技术与计算机图形图像技术的发展,三维体数据模型的数量迅速增长,并广泛应用于医学虚拟手术规划、三维地质体建模、机械CAD设计、气象预测以及流体力学模拟等领域。因此,如何实现体数据模型快速而有效的检索具有重要的理论意义和实际应用价值。目前体数据检索方法多是基于体数据切片的几何与非几何特征进行,其实质是基于二维切片的颜色、纹理及形状等特征进行的,这势必会丢失体数据的三维空间特征,诸如空间形状
大数据环境的需求下,研究对象一般具有非线性、非凸、高维、超多目标等多种性质或者其中一种。如何对具有高维甚至超高维特征的优化问题进行有效求解,成为目前计算智能领域的一个严峻挑战。受物质在不同相态下丰富运动规律的启发,通过对其运动特性的观察和分析,抽象出自然现象中所蕴含与之相关联的搜索特性及其内在信息处理机制,提出了一种基于物态运动原理的计算模型,在此基础上设计了几种不同类型的优化算法,以解决传统智能
不确定性广泛存在于各类系统中,自动控制系统也不例外。这些不确定性来自于系统外部扰动、内部联结与耦合、子系统故障、参数波动等,不确定性的存在严重影响着系统的正常运行。自从有了控制理论以来,对不确定性的研究就从未停止,反馈控制、自适应控制、鲁棒控制与系统辨识都是解决不同类不确定性的典型代表。试图通过控制与辨识的方法使系统目标间的指标达到某种平衡,这种方法被称之为对偶自适应控制,在千禧之年其被IEEE
随着科技的发展,现实中的优化问题越来越复杂,采用传统优化方法已难以进行有效求解,故而迫切需要探索一些高效的智能优化方法。受自然界中某些现象或过程的启发,研究人员提出了多种演化算法(Evolutionary Algorithms,EAs)范例,为复杂优化问题的求解提供了新的途径。然而,随着迭代的进行,演化算法的种群多样性难以维持,从而易导致全局勘探与局部搜索的失衡。此外,在求解不同类型的优化问题时,
学位
与传统悬架相比,空气弹簧的独特性赋予了汽车空气悬架更多性能优势,通过调节车身高度和对阻尼实现自适应控制,空气悬架不仅可以有效改善车辆在行驶过程中的乘坐舒适性、操作稳定性和行驶安全性,而且能够在一定程度上提高车辆的燃油经济性,已成为汽车工程界的研究热点之一。  车高调节以及其过程中的整车姿态控制是电控空气悬架(Electronically Controlled Air Suspension,ECAS
优化问题是科学研究和工程实践领域中的热门问题。经过近几十年的发展,群体智能优化算法以其简单、灵活、高效等特点,已成为解决全局优化问题的主要技术。经典的群智能优化算法有粒子群算法(PSO)和蚁群算法(ACO)。一方面,这些算法主要是在搜索过程中引入了随机性,能够有效的避免陷入局部解。另一方面,大多数需要优化的实际工程问题都伴随着大量的局部解。因此,采用群智能优化算法来获得全局优化问题中的最优解具有重
学位
在经济系统、飞行控制系统、机器人操作系统等实际应用中,由于子系统间耦合的变化、环境的突然干扰或其它原因,系统的参数和结构都可能发生突变。为了更加贴切的对突变系统进行描述,一般采用兼有离散和连续变量两种运行机制的混杂动态系统进行建模,模态之间的转换有多种表示形式,其中由于Markov链具有特殊的Markov性,因此通常使用具有Markov切换的微分方程来解决。在过去的几十年里,这一领域的主要成果已经