基于遗传算法的统一混沌系统的同步研究

混沌同步是当代非线性与控制学科中的一个热点问题。统一混沌系统为研究对象,将遗传算法和反馈同步法相结合,在同步混沌的过程中,针对反馈同步法在整定反馈增益矩阵时存在的困难,利用遗传算法对反馈增益矩阵进行动态地调整优化。还通过遗传算法使响应系统中的参数收敛于驱动系统中的未知参数。数值仿真实验表明,在驱动系统参数未知的情况下,响应系统能在短时间内或仅通过单个反馈增益变量实施反馈实现与驱动系统的同步,且其参数也能收敛于驱动系统中的未知参数。从而说明,文中所述方法的有效性。

模糊增益PD型迭代学习算法及其应用

普通PID型迭代学习控制算法由于其增益矩阵一旦确定,就不再改变,因而收敛速度较慢。为了提高收敛速度,结合模糊控制技术用于学习控制,提出一种模糊增益PD型迭代学习控制算法。该算法根据系统误差的大小,通过调整因子而改变增益矩阵大小。调整的方法是:在控制的初始阶段,增强控制输入中系统误差增益矩阵,同时保持误差微分增益矩阵不变,从而清除误差;而在控制趋于稳定时,增强控制输入中误差微分增益矩阵,同时保持系统误差部分增益矩阵不变,以减少超调量。针对一个单臂机械手模型,进行了仿真设计,仿真结果验证了方法的有效性。

一种基于柔性化数据处理模型的数据中心动环个性化运维解决方案

随着数据中心的规模日益庞大,面对海量的运维数据,维护人员个性化的数据处理及对系统功能敏捷化的开发需求愈加迫切,为此提出了柔性化数据处理模型,并以其为基础设立用户自配置功能区、用户自定义报表区和用户自编辑逻辑矩阵三个应用功能区,解决了现有动环监控系统数据处理不灵活、功能固定且开发部署周期长的问题,可快速满足数据中心(或核心机楼)动环运维人员多样化的数据分析需求。