【摘 要】
:
随着线性系统理论的日臻完善和应用的日趋成熟,控制理论学界逐渐将越来越多的精力转移到非线性系统理论和应用的研究上来。本论文将围绕非线性系统中的一个理论问题,按照提出问题、发展工具、解决实际问题的路线展开。众所周知,非线性系统理论的一个基本问题是稳定性分析,因为完备的稳定性分析往往是保障各类应用的基本前提。不同于线性系统,尽管经过了几十年的发展,非线性系统稳定性分析的手段依然以提出于19世纪的李雅普诺
论文部分内容阅读
随着线性系统理论的日臻完善和应用的日趋成熟,控制理论学界逐渐将越来越多的精力转移到非线性系统理论和应用的研究上来。本论文将围绕非线性系统中的一个理论问题,按照提出问题、发展工具、解决实际问题的路线展开。众所周知,非线性系统理论的一个基本问题是稳定性分析,因为完备的稳定性分析往往是保障各类应用的基本前提。不同于线性系统,尽管经过了几十年的发展,非线性系统稳定性分析的手段依然以提出于19世纪的李雅普诺夫函数法为事实上的标准。简而言之,只需求取一个标量李亚普诺函数使得它随着系统的运行按照一定的速率减小,就可以获得系统平衡点的稳定性特征。通常,稳定性分析都不加说明地指平衡点的稳定性分析。虽然大多数稳定性分析问题都能归结于此类,但近20年来,越来越多的证据表明,需要发展一种下述意义下的‘‘稳定性理论”—即本文的主题,收缩分析—它保证系统的任意两个解都能以某种速率收敛到一起。这种所谓的‘‘增量稳定性’’可见于许多重要的应用场合,包括观测器设计、同步和轨迹跟踪等。考虑到这些实际问题的重要性,该领域逐渐吸引了不少控制学者的注意,无论是基础理论还是应用研究都得到了很大的发展。不过,至于用来什么方法来进行收缩分析,学术界尚无统一意见,换言之,还不存在像李雅普诺夫函数法那样通用而又行之有效的分析方法。特别是,对于一类本文着重关注的系统,即流形上的系统,收缩分析的手段还十分缺乏。流形上的系统包括诸如建模于特殊正交群的姿态系统、非欧氏构型空间上的拉格朗日系统和密度矩阵描述的量子控制系统等。这类系统的控制、观测问题很多都不能转化为欧氏空间中的问题。因此,本文针对这一类系统提出了一套几何的收缩分析方法。目的是为收缩系统提供更深刻的认识、提供几何的收缩分析工具并展示如何使用这些工具。本文的主要研究内容包括:(1)引入微分几何中完全提升的概念,建立收缩分析的基本工具。该工具使得我们可以不必在局部坐标系下完成收缩分析。此外,所提出的工具揭示了收缩系统的几何特征,阐明了收缩分析与稳定性的对应关系。(2)证明了芬斯勒-李雅普诺夫函数对收缩分析至关重要:它扮演着如同李雅普诺夫函数在稳定性分析中的角色。特别是,在文中证明了收缩系统一定存在芬斯勒-李雅普诺夫函数,这验证了芬斯勒-李雅普诺夫函数的确是收缩的正确量度。(3)提供了收缩系统的一些新的见解。首先,证明收缩系统可以由切丛的一个管型邻域完全刻画,这放松了(1)中的要求。其次,建立收缩与李雅普诺夫稳定性之间的关系,这通过所谓的Krasovskii定理完成。具体来说,证明了可以由收缩的信息,直接构造出系统的李雅普诺夫函数,前者是切丛上的量而后者是基流形上的量。(4)研究了流形上非平凡解的局部指数稳定性。解释了局部指数稳定性和收缩的密切联系,证明了两者在某种意义的等价性。因此可以作为收缩分析的候选方法,并且在一些场合,这种分析方法更方便使用。作为例子,研究了拉格朗日系统观测器设计、同步问题。(5)在前文的基础上,研究了收缩系统的鲁棒性质。这通过将收缩问题转化为横截稳定性问题。证明了系统在具有一定的双曲特性时,鲁棒性可以由完全提升系统的指数稳定性保证。
其他文献
强化学习是机器学习的重要分支,是实现通用人工智能的重要手段。与其他机器学习方法的不同之处在于,强化学习是一个主动学习的过程。智能体通过与环境交互来获得经验,通过最大化奖励来学习值函数和策略。强化学习的核心问题是如何提升智能体对环境的探索效率。在有限状态空间中,探索方法使用状态计数和值函数置信区间的估计来获得高概率近似正确的理论保证,然而这些方法并不能直接应用于高维状态空间的深度强化学习任务中。在高
无线传感器节点能够从物理世界中采集温度、湿度、图片等数据,并将这些数据以一跳或多跳的方式传到服务器(也叫汇聚节点或sink节点)上。无线传感器网络在实时监测、异常检测、目标追踪等方面具有广泛的发展和应用前景。传统的无线传感器节点依靠电池供电,而电池电量十分有限,需要频繁地更换电池。但是,传感器网络常常被部署在森林、大型设备内部、污水过滤系统等恶劣的环境中,这使得频繁的电池更换是非常困难甚至是不现实
文本语义匹配是自然语言处理中一个基础且重要的研究方向,其目的是判断两段文本是否符合给定的语义关系,其包含了大量的下游任务,如自然语言推理、复述识别、答案句选择等等。任务不同,文本语义匹配所需判断的语义关系也不一致。然而无论哪一种语义关系,判断文本间语义是否匹配都需要研究:(1)如何表示文本语义?(2)如何判断文本间语义关系?针对这两个核心研究点,研究者们将文本语义匹配研究分为基于表示和基于交互的文
高速铁路是国家经济发展的支柱产业与交通命脉,也是高端装备制造业的标志性产品,它的发展与可靠运营惠及国计民生。在铁路逐渐向高速化、重载化发展的背景下,钢轨作为高铁系统内最重要的支撑部件之一,保障其长期安全也逐渐成为铁路发展规划的重要议题。在新兴无损检测技术中,声发射技术凭借其动态特征、高灵敏度、可及早发现内部裂纹等优势在工业探伤中得到了广泛应用。但在对动辄万余里的钢轨健康状态监测中,声发射传统的定点
传统的机器学习要求训练数据和测试数据服从独立同分布的假设,且需要大量有标注的数据才能训练出较理想的模型。在实际应用中,环境的变化或采集条件的限制使得采集的数据不能满足独立同分布的假设,导致模型的泛化能力显著下降。在这种数据存在分布差异的场景下,需要重新收集、标注数据并构建新的模型。然而,采集并标注业务场景数据是非常昂贵的,在某些场景中甚至是不可能的。域适应的出现正是为了解决上述数据分布存在差异的学
随着航天技术的高速发展,在轨服务任务也日趋多样化和复杂化。通过服务航天器对目标进行有效姿态接管操控是后续在轨加注、在轨维修、碎片清除等任务的基础。对于传统的合作目标的接管控制技术已十分成熟,并已实现了在轨应用。但针对结构复杂、质量特性未知、姿态机动能力不明的空间非合作目标的接管操控问题,往往面临着目标信息不完全以及精确辨识困难等诸多挑战。本论文致力于解决在轨服务航天器捕获目标后的组合体航天器姿态接
随机动态系统的状态滤波与平滑问题广泛存在于各种工程应用与科学研究领域。粒子滤波与平滑作为一类处理非线性非高斯随机动态系统的状态滤波与平滑问题的强有力算法正在被广泛使用。现有的粒子滤波与平滑算法通常假设系统不存在非独立噪声和多步随机量测延迟。然而,在一些实际工程应用中,如目标跟踪、定位、导航、网络控制系统等,非独立噪声或多步随机量测延迟是不可避免的。在此情形下,由于忽略了非独立噪声和多步随机量测延迟
作为高端精密制造业中最核心、应用最广泛的部件之一,双边直驱龙门系统一直是国内外学术界的研究热点,其运动控制的性能直接影响各种精密元器件的生产加工质量和效率。然而,随着现代工业在产品加工精度、生产速度以及设备运行安全等方面的需求不断提高,双边直驱龙门系统的精密运动控制性能需求也愈加苛刻,特别是在高速、大跨距、大推力工作环境下的系统控制精度。系统中非线性动力学以及不确定性是影响双边直驱龙门系统控制性能
在现代工业系统中,系统控制器的设计通常都是基于被控过程的数学模型实现的,而该数学模型需要准确地描述被控过程的稳态和动态特性。此外,被控过程的数学模型还可以用来辅助系统的其他功能性设计,例如,过程监控与故障诊断、软测量预测等。对于物理定律清晰的系统,可以利用微积分等数学运算通过理论建模的方式推导得到系统的数学模型。然而,据此建立的数学模型通常比较复杂,需要基于特定假设适当简化模型,以便于实际应用,因
随着信息科学技术的不断发展,工业系统的规模与复杂程度在不断扩大,生产系统在实际运行过程中对系统的性能以及节能需求也日益增加,因此最优控制越来越成为控制领域的一个研究热点。在求解系统最优控制问题的过程中,传统动态规划方法往往受到“维数灾”问题的困扰,为了克服这一问题,学者们提出了自适应动态规划技术。自适应动态规划技术是一种融合了动态规划、强化学习、自适应控制、最优控制等理论与方法的新兴控制技术。该方