不确定复杂网络系统自适应同步控制研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:okmijnuhbygvtfcrdx
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
复杂网络是一个有着庞大数量个体并且各个个体之间相互作用的系统集合,它广泛存在于自然界和社会中。不确定复杂网络同步是复杂网络典型的动力学行为之一,分析和探索不确定复杂网络的同步规律是复杂网络研究的一个重要方向,相关研究成果已经被广泛应用于飞行器姿态设计、机器人队列、信息传输等多个领域,成为现在理论与实践研究的重点。本文利用现代控制理论,结合复杂网络相关知识,李雅普诺夫稳定性理论等研究了具有多重复杂因素影响的复杂网络的同步问题,给出了基于自适应控制、牵制控制以及有限时间控制的网络同步控制策略,为不确定复杂网络在工程中的应用打下理论基础。本文首先介绍了不确定复杂网络系统自适应同步控制相关的基础理论,包含全文证明所需要的复杂网络动力学模型、假设、定义、引理和定理。其次,基于相邻耦合节点信息设计自适应控制器,该控制器的自适应参数能够在线估计参考信号以补偿外界扰动的影响,使不确定复杂网络达到弱同步。基于李雅普诺夫稳定性定理,证明了不确定复杂网络在该弱同步控制器的作用下能够达到稳定。MATLAB下的仿真结果验证了该方法的有效性。然后,对受到非线性干扰和时变扰动的复杂网络,设计相应的自适应控制算法,实现该网络的强同步。节点都以目标节点为领导者,通过自适应控制器在线实时调整,最终达到与目标节点状态信息同步的状态。通过设计李雅普诺夫函数,证明了系统的稳定性,并通过仿真结果验证了该方法的有效性。最后,使用牵制技术、自适应技术以及有限时间控制技术实现不确定复杂网络的有限时间广义同步控制。将节点分成固定节点与非固定节点,利用自适应方法来估计依赖率和边界值,使用控制器对固定节点强化控制,使用耦合调整策略来消除未固定节点所受的干扰。上述控制器结合了有限时间控制技术,使系统在有限时间内达到同步,既实现了减少控制器控制节点个数的目标,又获得了更好的动态性能。理论证明和仿真结果均验证了该方法的有效性。
其他文献
随着科技水平的提高,人类已经拥有探索和开发海洋的能力,并逐渐的将它作为资源的战略性开发基地。水下机器人作为探索海域必不可少的工具,它的研究和发展已经得到世界各个国家的重视。智能控制方法是实现水下机器人智能化以及提高水下机器人自主性的重要基础,通过对它不断的改善,提高水下机器人在完成作业时的鲁棒性和稳定性,对于探索海洋事业具有重要的意义。研究非线性系统首先需要建立能够准确描述被控对象运动的数学模型,
学位
在“中国制造2025”计划,人口老龄化等大背景下,国内机器人行业需求潜力巨大,随之而来的是机器人控制研究的需求增加。轨迹规划作为机器人控制研究的一部分,其对机器人系统的运动控制精度和运行时间等方面起着重要作用。传统的轨迹规划方法存在奇异构型、运动轨迹难以拟合、运行不平稳等问题,因此本文以YJSC-604机器人为研究对象,对六轴机器人的轨迹规划技术展开研究应用工作,主要研究内容如下:针对基于笛卡尔空
学位
近年来四旋翼飞行器因可垂直起降、可靠性高及易操作等特性被广泛用于军事、民用、国防技术和其他领域中。四旋翼飞行器作为一种典型的欠驱动、强耦合、非线性系统,在具有灵活性的同时十分依赖有效的控制算法才能保证其稳定性。由于四旋翼飞行器的工作环境复杂,因此需要考虑模型的不确定性及外部扰动的影响。基于上述问题,本文首先研究了四旋翼飞行器自适应抗干扰控制算法。在此基础上研究了事件触发控制策略和多四旋翼飞行器的位
学位
电力系统中调度计划的制定是电网稳定运行的核心环节,负荷及风电预测的不确定性对制定安全经济的调度计划提出了更高的要求。一方面,由于预测数据的误差随时间尺度的缩小而减小,制定日内调度计划应前瞻性的考虑未来时段预测误差带来的影响。另一方面,考虑未来时段预测信息将带来求解变量维数增加的问题,传统求解方法面临着在线决策效率的挑战。而基于强化学习的人工智能方法依靠快速处理高维数据、适应复杂场景的能力正逐渐成为
学位
图像识别是当前农作物病虫害识别的重要方法,广泛应用于农作物病虫害的早期防治工作中。传统方法识别农作物病虫害图像既要经过大量背景,病斑区域的分割等繁琐的预处理,又要人为选取图像特征,这样工作量大且效果不佳,因此通常使用深度学习的方法来识别农作物病虫害图像,而普通卷积神经网络在面对具有细微差别的农作物病虫害图像分类问题时,难以关注到所需细节特征。网络层次的一味加深无法确保希望关注细节特征的获取,反而导
学位
随着科学技术的快速发展,自动化制造领域朝着高精尖技术发展的需求逐步提升。中国制造业是国民经济的主体,推动制造业走向智能化发展,以机器代替人工参与到工业生产过程中是现代化生产的必然选择。在工业生产的质量检测环节中,传统人工目检存在效率低下、易受主观影响、无法长时间连续工作等现实问题,而基于光学成像以及数字图像处理技术的智能检测系统具备高精度、无接触、高效率等优点。得益于深度学习技术的高速发展,机器视
学位
永磁同步电机具有高密度、高效率、高可靠性等优点,得到了广泛的应用和研究。永磁同步电机控制系统具有时变参数、强耦合、不确定参数以及未知负载扰动等特性,它属于复杂非线性系统,这使得永磁同步电机高精度闭环控制具有一定研究难度。电机闭环控制需要转子位置和转速信号反馈,常见的方法通过编码器来获得,给电机控制系统增加了机械复杂性以及成本。为了避免电机控制系统使用编码器带来的问题,如何设计高精度的无速度传感器吸
学位
传统机器人视觉伺服高度依赖对系统相机模型和机器人模型参数的精确标定,难以应对复杂多变的实际工作环境。因此,本文围绕图像雅可比矩阵估计建立了机器人的无标定视觉伺服系统,并设计机器人无标定路径规划方法,主要工作如下:(1)分析了机器人无标定视觉伺服的发展,介绍了基于图像的无标定视觉伺服技术及理论基础,确定伺服系统的总体设计思路。(2)针对无标定视觉伺服的核心问题:图像雅可比矩阵在线估计,采用改进的卡尔
学位
<正>《中国制造2025》指出,全球制造业格局面临重大调整,国内经济发展环境发生重大变化,我国制造业发展必须紧紧抓住历史机遇,积极稳妥应对内外部挑战。一、新一代信息技术与制造技术融合,将给世界范围内的制造业带来深刻变革,同时也给我国的制造业发展带来重要机遇。当今,我国在相当一些领域与世界前沿科技的差距都处于历史最小时期,
期刊
结构光三维重建技术作为非接触式三维测量的一个具有代表性的方法,在多个领域(如工业测量,人体测量,娱乐行业)中应用广泛。得益于深度学习技术的发展,相移条纹结构光技术也迎来了新的发展机遇。近期的研究成果表明,深度学习方法可以有效地提高相移法的精度。然而,这些方法需要通过更高精度的结构光系统收集大量的训练数据来监督网络,耗时费力。为了解决上述问题,本文试图寻求一种能够高效生成大规模数据集的方法,且可以用
学位