非线性重复运动系统的双迭代优化学习控制

来源 :控制理论与应用 | 被引量 : 0次 | 上传用户:hlg1205
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
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
其他文献
通过优化成分设计以及轧制、热处理工艺,成功开发出8 ~ 80 mm厚度的免涂装低屈强比耐候桥梁钢.针对免涂装低屈强比耐候桥梁钢的工艺、金相组织和焊接性进行分析研究,结果表明:
北京地铁昌平线南延工程06标上清桥站深基坑在存在2层承压水的复合地层中开挖施工,风险极高。采用Midas GTS NX软件进行数值模拟,研究了无地下水、含2层承压水条件下及不同承压水高度情况下基坑的变形规律。研究结果表明:相较于无地下水工况,2层承压水的存在,导致基坑周围地表沉降显著增大,大致为无地下水工况的3倍,存在承压水部位的地下连续墙变形显著;在深基坑分步开挖期间进行多次降水能够确保施工的安全性;不同承压水高度下,基坑地表沉降表现为随承压高度不断增加的趋势;基坑东西两侧地下连续墙刚度较南北两侧小,因
介绍了下沉式绿地、海绵城市的概念,并结合某具体项目的实际建设需要,提出创新方案,对下沉式绿地的造型设计进行研究分析,将绿地建设为带有雨水收集作用的城市森林、城市湿地,使其总体布局契合海绵城市、雨水花园的建设理念。结合下沉式绿地在城市景观中的应用,充分体现了下沉式绿地的实践价值,对环境保护、景观品质提升有重要的作用。
本文基于马尔科夫决策过程提出一种燃料电池汽车最优等效氢燃料消耗控制策略.控制策略以部分观测量为基础,以马尔科夫转移概率矩阵为条件,采用基于蒙特卡洛马尔科夫(MCMC)算法的Metropolis-Hastings采样方法,获得平均奖励输出,进而通过最优氢燃料消耗代价函数的优化以控制在氢燃料电池系统和动力电池系统间进行能量分配.该策略避免了目前燃料电池汽车控制策略过度依赖未来需求功率的预测以及预测模型的准确性.在建立燃料电池汽车动力模型,燃料电池系统和动力电池系统模型的基础上,进行了包含自学习系统、基于MH采
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d1,d2.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WD1,WD2