一类具稀疏效应生态系统的极限环

研究如下一类具稀疏效应的生态系统模型。 应用微分方程定性理论，对该系统的平衡点进行了分析，给出了极限环存在唯一性及不存在的参数范围．

基于神经网络的不确定随机非线性时滞系统自适应有界镇定

针对一类不确定严格反馈随机非线性时滞系统的自适应有界镇定问题,利用神经网络参数化和Backstepping方法,提出一种新的且含较少学习参数的神经网络自适应控制策略,以保证系统半全局随机有界.稳定性分析证明闭环系统的所有误差信号概率意义下有界.仿真结果表明所提出控制器设计方法的有效性.

时变时滞随机非线性系统的自适应神经网络跟踪控制

针对一类具有时变时滞的不确定随机非线性严格反馈系统的自适应跟踪问题,利用Razumikhin引理和backstepping方法,提出一种新的自适应神经网络跟踪控制器.该控制器可保证闭环系统的所有误差变量皆四阶矩半全局一致最终有界,并且跟踪误差可以稳定在原点附近的邻域内.仿真例子表明所提出控制方案的有效性.

一类时滞神经网络系统的指数稳定性

利用矩阵测度研究了一类时滞神经网络系统的指数稳定性,给出保证神经网络系统指数稳定的充分条件.输出函数不需要满足Lipschitz条件,且也不要求它们可微或严格单调递增.在关联矩阵不对称的情况下,所得到的结论仍然成立.最后一个数值例子验证了判据的有效性.

食饵具常数存放率的食—捕系统极限环的唯一性

研究一类食饵具常数存放率的食饵—捕食系统ｄｘ／ｄｔ ＝ ｘ２（ａ － ｃｘ２） － ｘφ（ｙ） ＋ ｈｄｙ／ｄｔ ＝ － ｃｙ ＋ ｄｘｙ式中ａ，ｃ，ｄ，ｈ 均为正参数，且满足φ（０） ＝ ０ ，φ′（ｙ） ≥δ＞ ０（ｙ ＞ ０） 。利用常微分方程定性理论，对该系统进行平衡点分析，得到了极限环存在唯一性的充分条件。

变时滞关联大系统的镇定控制

基于Liapunov理论 ,针对关联矩阵的不同分解 ,建立了变时滞线性关联大系统分散镇定的充分条件· 同时 ,还给出了一种局部无记忆状态反馈控制律的设计方法 ,所考虑的时滞皆为变时滞·

基于模糊逻辑的高速网络自适应拥塞控制研究

基于模糊逻辑 ,利用自适应拥塞控制机制来预测高速网络 (如Internet中 )的拥塞问题 .把路由器的缓冲系统看作一个非线性离散动态系统 ,利用基于模糊逻辑的控制器来预测源端发送速率的确切值以防止拥塞的发生 .通过对参数向量的调节来估计无法预测的和具有统计波动性的网络通信量 ,并利用Lyapunov分析方法来验证闭环系统的稳定性 .最后 ,以一个仿真例子说明了所提出方法的有效性 .

时变滞后摄动不确定线性系统鲁棒稳定性分析

基于稳定性理论 ,导出了具时变滞后摄动的不确定线性系统二次稳定的充分条件。然后根据该充分条件 ,通过求解一个具线性矩阵不等式约束的凸优化问题 。

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界,并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。

一类稀疏效应下食饵-捕食系统极限环的存在唯一性

本文研究如下一类具有稀疏效应的食饵－捕食模型ｄｘ／ｄｔ＝ｂｘ２（ｋ－ｘ）－ｂｘｙ，ｄｙ／ｄｔ＝－ｃｙ＋（βｘ－γｙ）ｙ。应用常微分方程定性理论，对该系统的平衡点进行分析，得到了该系统极限环存在唯一的充分条件，并给出了生态解释．

污水处理过程的多目标优化

为了在保证污水处理厂出水质量达标、控制日常运营成本的同时尽量减少温室气体(GHG)的排放,将温室气体的排放纳入了污水处理的性能评价范畴,并与出水质量(EQI)、操作成本指数(OCI)等传统性能评价指标构成了污水处理过程的多目标优化问题。为研究此性能指标的多目标优化问题,构建了简化的污水处理仿真平台BSM2-e,此平台包括初沉池、活性污泥反应器、二次澄清池和浓缩单元。针对多目标优化问题的求解,采用多目标进化算法NSGA-II对该算法的精英选择策略做了改进,算法在拥挤距离选择的基础上增加了筛选步骤,以改善算法的分布性,将该算法应用于BSM2-e多目标优化问题,取得了较好的仿真结果。优化结果表明,GHG排放指标与EQI有冲突,提高出水质量可增加温室气体的排放,而GHG排放指标与OCI无冲突,在不增加操作成本的情况下可有效降低温室气体的排放。

一类仿射非线性系统的自适应神经网络输出反馈变结构控制

本文研究了一类仿射非线性系统的输出反馈控制问题.在介绍文献[4～6]的基础上,提出一种基于神经网络参数化技术的自适应变结构输出反馈控制方案,该方案能够避免使用严格正实(SPR)条件,它不仅能够保证收缩条件的可行性,而且还可以分析闭环系统的稳态和暂态的一致有界性,并能够对观测增益和控制参数的选取进行清楚地分析.

变时滞不确定关联系统的分散鲁棒无记忆控制

针对一类不确定项具有数值界的变时滞不确定关联系统 ,主要运用线性矩阵不等式 (LMI)方法对其分散鲁棒无记忆控制问题进行了研究 .首先 ,通过构造适当形式的Lyapunov泛函数 ,运用LMI方法与矢量不等式方法 ,提出了以一组LMIs有解作为系统可分散鲁棒无记忆控制的充分条件 ,并给出了系统在此条件下的控制律 .然后 ,将求解一个具有LMIs约束的凸优化问题作为设计尽可能小反馈增益的分散鲁棒无记忆控制律的系统化方法 ,从而可以得到更符合实际的满意的分散无记忆控制律 .

稀疏效应下一类生态系统的数学研究

针对一类稀疏效应下的生态系统模型 x =x2 (1 -Ax) (1 +Bx2 ) -x2 y y =y(Dx2 - 1 )进行了数学研究 ,得出了一些重要性质的判别准则 。

基于TimeGAN-CNN-LSTM模型的河流水质预测研究

为精确预测河流水质中的铵离子(NH_(4)^(+))浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型。使用TimeGAN对河流水质历史数据进行数据增强,生成合成时间序列数据;采用CNN对输入的数据进行特征提取,并通过全连接层将数据输入到LSTM中得到预测值,从而建立TimeGANCNN-LSTM河流水质预测模型。试验结果表明,模型预测效果良好,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))分别为0.07、0.08和0.97,比CNN-LSTM模型分别提高了45.45%、47.06%和19.75%,比LSTM模型分别提高了50%、50%和21.25%。TimeGAN-CNN-LSTM既解决了训练模型时数据不充分的问题,又能够充分提取水质数据在时间和空间上的特征,具有较高的应用价值。

非仿射多智能体系统的自适应神经网络控制

针对有向拓扑图下一类控制方向未知的非仿射非线性多智能体系统的输出一致性问题,综合运用中值定理、RBF神经网络及其特性、Nussbaum增益函数方法和动态面控制技巧,提出一种分布式自适应神经网络控制协议,保证跟随者的输出能与领导者的输出同步,跟踪误差能保持在零点的小邻域内。采用新的非线性滤波器代替传统动态面控制方法(CDSC)的一阶线性滤波器,改善控制性能。通过一致性分析及仿真例子验证了所提控制方法的有效性。

智能阀门定位器的仿人智能PID控制策略研究

阀门定位器是气动调节阀的一种辅助配件,对于调节阀的过程控制性能起到至关重要的作用。在一些应用领域,对阀门的控制不仅是普通的开关控制,同时涵盖了开度大小的调节以及频繁的控制动作。这对阀门定位器的智能性和适应性提出了更高的要求。由于气动调节阀系统具有非线性、大惯性、大滞后等特点,常规比例积分微分(PID)算法不能对调节阀进行有效、精确的控制。提出了一种新的智能阀门定位器的仿人智能PID控制方法,设计了仿人智能控制规则,并通过MATLAB进行仿真验证。仿真结果表明,仿人智能PID控制方法能有效地提升调节阀的快速性,具有更好的鲁棒性,可优化系统性能。所设计的控制性能更优的智能阀门定位器控制算法,为进一步优化阀门定位器先进控制算法提供了条件。

DECENTRALIZED STABILIZATION OF LARGE-SCALE LINEAR INTERCONNECTED SYSTEMS WITH TIME-VARYING DELAYS

The decentralized stabilization conditions for large-scale linear interconnection systems with time-varying delays were established by using some different decomposition cases of interconnection matrices, and a method for designing the decentralized local memoryless state feedback controllers was proposed. All of the considered delays are continuous function, and satisfy some conditions.

基于NLJ算法的污水处理过程优化控制

针对国际污水处理基准仿真1号(BSM1)模型,对第五池中氨氮浓度采用串级控制,对第二池中硝态氮浓度采用单回路控制。利用神经网络建立氨氮浓度和硝态氮浓度的设定值与能耗的神经网络模型。同样,利用神经网络建立氨氮浓度和硝态氮浓度的设定值与出水水质合格率的神经网络约束模型。优化问题的目标函数和约束条件均通过神经网络建立,并利用变搜索系数(NLJ)算法求解该优化问题。将最优解分别作为氨氮和硝态氮控制器的设定值。仿真结果表明在关键水质达标的基础上,降低了能耗。

网络攻击下非线性CPSs的事件触发自适应控制

本文研究了网络攻击下一类控制方向未知的非线性信息物理系统(Cyber-Physical Systems,CPSs)的自适应输出反馈控制问题。通过引入合适的线性状态变换,将原系统转化为便于输出反馈控制设计的新系统。采用Nussbaum增益函数方法克服未知的控制系数和网络攻击所带来的设计困难。基于观测器状态和受攻击的测量输出信号,采用神经网络逼近方法,提出了一种新的事件触发自适应输出反馈控制策略。该控制策略不但大大降低数据的传输量,而且保证闭环系统是半全局一致最终有界的。另外,采用基于非线性滤波器的动态面控制方法可以克服反步法设计中惯有的“复杂性爆炸”问题。最后,通过机械手系统验证所提出控制方法的有效性和实用性。