【摘 要】
：
提出了具有时延和数据包丢失的无线网络控制系统的模型，以此模型为基础，通过时变卡尔曼滤波器方法设计了最优状态预估器，提出了最优状态反馈控制器的设计方法，通过在数据包中携带附加信息的方法保证了状态反馈控制器和状态观测器分离原理的存在性，通过马尔可夫跳变线性系统理论证明了闭环系统的稳定性。
【机 构】
：
河北工业大学自动化系，天津 300130 辽宁工业大学计算机科学学院，锦州 121001 河北工业
论文部分内容阅读
提出了具有时延和数据包丢失的无线网络控制系统的模型，以此模型为基础，通过时变卡尔曼滤波器方法设计了最优状态预估器，提出了最优状态反馈控制器的设计方法，通过在数据包中携带附加信息的方法保证了状态反馈控制器和状态观测器分离原理的存在性，通过马尔可夫跳变线性系统理论证明了闭环系统的稳定性。
其他文献
为实现例外处理的模块化,可扩展性以及适应性,提出一种基于元流程的Web服务组合例外处理模型,并对该模型的元素及其关系的语义进行了详细说明.模型中的规则基于事件,状态以及基础流程案例数据。当例外事件发生时,若有规则被满足,则相应的元流程启动,并由元流程对基础流程进行协调和控制。实例分析表明该方法不仅支持错误恢复,同时也支持流程修改等复杂状况。
为了对内燃机气门及活塞-连杆组故障进行有效地诊断,通过实验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度-小波能量谱.其能量主要分布于尺度范围1~32,且相同故障模式下的尺度-小波能量谱呈现出相似性,不同故障模式之间的尺度-小波能量谱存在很大的差异性。利用粗糙集简化理论提取出对信号特征敏感性最强的尺度小波能量,以此作为不同故障模式的信号特征,结合BP
基于群体的增量学习算法(PBIL)是一种将遗传算法和竞争学习相结合的新型进化优化算法。本文针对PBIL算法仍然存在的问题,将精英策略引入PBIL算法,提出了一种对当前种群最优解集和至今算法最优解同时进行学习的改进PBIL算法。通过对测试函数的实验表明,改进算法具有比标准PBIL算法更好的优化性能。
网络控制系统中,通讯网络会引起控制环路时延,网络带宽分配(调度)技术引起采样速率改变,不规则采样和时延抖动会影响闭环系统稳定性能。本文将在有界区间范围内抖动引起的时变不确定性描述为系统的离散时间闭环区间状态矩阵,通过对单个时不变矩阵范数的判断,导出区间系统鲁棒稳定的充分条件,仿真算例表明该判据简单易实现.
模拟退火和隔离小生境技术是两种较好的改进遗传算法性能的方法。本文将这两种思想有机地结合起来,并借助正交试验法的全局均衡设计思想和二元变异操作对初始种群产生方式、交叉算子和变异算子进行了改进,提出了一种基于模拟退火机制的隔离小生境混合遗传算法。研究结果表明,该算法不仅能增强遗传算法的全局收敛性,而且计算速度也得到了显著提高。
将生物学的小生境概念引入到基本遗传算法(GA)中,并对编码方法和遗传操作等方面作了改进,形成了可用于配电网电容器优化配置的小生境遗传算法。应用此算法时,可用共享度改变个体的适应值,同时加速淘汰适应值低的个体,提高每一代个体的平均适应值水平,以减少迭代的次数.给出的算例验证了算法的有效性。
中长期负荷预测是电力工业健康发展的保证。本文运用多种预测效果作为单一预测方法的评价指标,利用熵权法形成综合评价指标来建立遗传算法的目标函数,最后运用遗传算法计算每种预测方法的权重,从而使得对于组合预测结果的预测效果最优。实例表明,本方法将在提高预测精度的同时减小预测的风险.
无线传感器网络由于其广泛的应用领域而成为研究的热点。本文提出了一种自适应非同步的无线传感器网媒体访问控制协议-A2FMAC(Adaptive and Asynchronous Medium Access Protocol with FRTS)。A2FMAC改善了PMAC中的工作模式产生机制和帧中时隙调度方法,使得节点的工作-休眠状态能够根据自身和网络流量状况自适应变化。Quorum 矩阵表格非同步
本文由两个线性时滞子系统构成的切换系统,分析其在任意切换序列作用下保持指数稳定性的条件。利用二次型与逐段二次型的Lyapunov函数构造方式,并结合Halanay微分不等式,给出以线性矩阵不等式所表述的稳定性判据；进而证明了指数衰减率对于所有切换序列一致成立,即其完全取决于系统的结构特征.算例证实了本方法的有效性。
针对CAN网下的网络控制系统(Networked Control Systems,NCSs),提出了一种基于网络运行状态的动态调度策略,通过在线调整控制系统的采样周期以适应网络中信息流的变化。采用动态调度策略的NCS 为一变采样周期系统,将存在时延和数据包丢失的变采样周期NCS建模为一类具有参数不确定性的离散切换系统,利用Lyapunov方法研究了系统的鲁棒稳定性和控制器的设计方法。仿真结果表明所