【摘 要】
：
研究一类不确定离散时间系统的有限时间鲁棒预见控制问题.与以往对误差信号和系统方程取差分不同,通过引入辅助变量,并用系统状态向量及输入向量与相应辅助变量之差代替通常的状态差分,避免对时变的系数矩阵取差分,使得扩大误差系统的构造成为可能.另外,所推导的扩大误差系统不再包含误差向量,这不仅能降低系统的阶数而且能推广适用对象.针对所求得的不确定系统的扩大误差系统,分别引入状态反馈和静态输出反馈,并利用Lyapunov函数方法导出闭环系统渐近稳定的充分条件,该条件可以通过求解一个LMI问题而实现.所得控制器回到原系
【机 构】
：
湖北经济学院信息管理与统计学院,武汉430205;湖北经济学院湖北数据与分析中心,武汉430205;山东建筑大学理学院,济南250101
论文部分内容阅读
研究一类不确定离散时间系统的有限时间鲁棒预见控制问题.与以往对误差信号和系统方程取差分不同,通过引入辅助变量,并用系统状态向量及输入向量与相应辅助变量之差代替通常的状态差分,避免对时变的系数矩阵取差分,使得扩大误差系统的构造成为可能.另外,所推导的扩大误差系统不再包含误差向量,这不仅能降低系统的阶数而且能推广适用对象.针对所求得的不确定系统的扩大误差系统,分别引入状态反馈和静态输出反馈,并利用Lyapunov函数方法导出闭环系统渐近稳定的充分条件,该条件可以通过求解一个LMI问题而实现.所得控制器回到原系统即可得到带有预见作用的预见控制器.数值仿真验证了研究结果的有效性.
其他文献
为了提高多目标优化问题非支配解集合的分布性和收敛性,根据不同差分进化策略的特点,基于切比雪夫分解机制,提出一种基于多策略差分进化的分解多目标进化算法(MOEA/D-WMSDE).该算法首先采用切比雪夫分解机制,将多目标优化问题转化为一系列单目标优化子问题;然后引入小波基函数和正态分布实现差分进化算法的参数控制,探究一种基于5种变异策略优势互补的最优变异策略,提出一种基于参数控制和最优变异策略的多策略差分进化(WMSDE)算法;在此基础上,实现一种基于WMSDE的分解多目标进化算法.采用ZDT和DTLZ测试
针对一类不确定离散时间系统,提出一种新型两相幂次吸引律.在吸引律设计中,通过将跟踪误差收敛过程划分为两个不同阶段,增加误差收敛幅度并提高误差收敛速度.构造离散形式的扩张状态观测器有效补偿系统干扰,基于观测值设计两相幂次形式的离散时间控制器,提高系统鲁棒性并减小稳态误差.此外,推导出跟踪误差绝对吸引层和稳态误差带的具体表达式,并给出最大收敛步数分析用于刻画系统稳态和瞬态性能.最后通过仿真结果验证所提方法的有效性.
近年来,离散事件系统故障诊断研究引起国内外学者广泛关注.鉴于此,研究动态观测下随机离散事件系统的故障诊断.首先引入一种动态观测,使事件的可观测性随着系统的运行而动态变化;然后分别对基于动态观测的随机离散事件系统的单故障可诊断性和模式故障可诊断性进行形式化;最后通过构造相应的诊断器,分别得到关于单故障可诊断性和模式故障可诊断性的充分必要条件,实现动态观测下随机离散事件系统的故障诊断.
针对传统支持向量机在封装式特征选择中分类效果差、子集选取冗余、计算性能易受核函数参数影响的不足,利用元启发式优化算法对其进行同步优化.首先利用莱维飞行策略和模拟退火机制对秃鹰搜索算法的局部搜索能力与勘探利用解空间能力进行改进,通过标准函数的测试结果验证其改进的有效性;其次将支持向量机核函数参数作为待优化目标,利用改进后的算法在封装式特征选择模型中搜寻最优核函数参数,同时获得相对应的最优特征子集;最后对UCI存储库的12个标准数据集进行特征选择仿真实验,在平均分类准确率、所选特征个数及适应度值上进行综合评估
随着新型基础设施建设(新基建)的加速,云计算将获得新的发展契机.数据中心作为云计算的基础设施,其内部服务器不断升级换代,这造成计算资源的异构化.如何在异构云环境下,对作业进行高效调度是当前的研究热点之一.针对异构云环境多目标优化调度问题,设计一种AHP定权的多目标强化学习作业调度方法.首先定义执行时间、平台运行能耗、成本等多个目标,其中定义服务延迟成本以描述用户对服务质量的满意程度;然后设计面向异构资源的多目标调度综合评价方法,利用层次分析法(analytic hierarchy process,AHP)
非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function,RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mod
集值信息系统中的对象的属性值多值化,可以实现对复杂信息更全面的刻画.在传统的集值信息系统中,每个属性只有一个尺度.但在具体应用中,人们往往需要在不同的尺度上处理和分析数据.为此,将多尺度信息系统的粒度转换函数引入集值信息系统中,建立多尺度集值信息系统的理论框架,并讨论该系统的不同尺度间信息粒、粗糙集的关系.在此基础上,建立多尺度集值决策信息系统的粒计算模型,并讨论该模型不同尺度间协调性的传递性质.最后,讨论了协调和不协调的多尺度集值决策信息系统的最优尺度选择方法.所提出的改进型多尺度决策信息系统的粒计算模
针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,
针对属性权重未知、评价信息为毕达哥拉斯模糊数的多属性决策问题,对毕达哥拉斯模糊集的得分函数进行深入分析,为解决现有得分函数中存在的不足,提出一种新得分函数,通过证明其相关定理,分析新得分函数的性质.将新得分函数运用到毕达哥拉斯模糊多属性决策问题中,以帮助决策者更好地处理模糊的决策信息.此外,针对现有大多数毕达哥拉斯模糊多属性决策方法基于决策者是完全理性的假设,忽略决策者在面临风险时的不同主观价值感受,引入累积前景理论,提出基于新得分函数和累积前景理论的毕达哥拉斯模糊TOPSIS法.该方法利用前景价值代替各
针对蓄意攻击样本有限不均衡而引起无法有效识别关键危险源少数类样本的问题,提出多分类器集成加权均衡分布适配的关键危险源识别方法.首先,在保证少数类样本被充分选择的前提下随机抽取多数类样本,构成源域多样本训练集合,在目标域上直接预测伪标签并给样本赋予不同的权重,让少数类样本可以得到充分的训练;然后,训练源域样本集的分类器,经过多次迭代优化目标域伪标签并更新权重矩阵;最后,通过多分类器集成的策略将筛选出的基分类器集成为强分类器,采用宏平均和微平均两个评价指标来评价分类器的识别性能.利用全球恐怖主义数据库(GTD