THE DISTURBANCE LOCALIZATION PROBLEM FOR SINGULAR SYSTEMS

In this paper, we define the ({A,E},B)-invariant subspace pair contained in Ker C for singular systems, rigorously justifying the name and demonstrating the existence of the supremal ({A,E},B)-invariant;subspace pair contained in Ker C, we show how the supremal ({A,E},B)-invariant subspace pair contained in Ker C can be computed via some subspace recursions, We provide necessary and sufficient condition for the existence of a state feedback that achieves disturbance localization in a linear time-invariant singular system.

不确定性关联大系统的分散鲁棒状态反馈H_∞控制

研究同时存在系统矩阵、控制输入矩阵的不确定和系统关联不确定变化以及外界干扰的关联大系统的分散H∞ 控制问题 ,提出一种较为全面的局部状态反馈分散H∞ 控制器的设计方法 .局部控制器的求解只需递推地利用一系列局部代数Riccati方程 .

基于状态聚类的多站点CSPS系统的协同控制方法

单站点传送带给料加工站(Conveyor-serviced production station,CSPS)系统中,可运用强化学习对状态–行动空间进行有效探索,以搜索近似最优的前视距离控制策略.但是多站点CSPS系统的协同控制问题中,系统状态空间的大小会随着站点个数的增加和缓存库容量的增加而成指数形式(或几何级数)增长,从而导致维数灾,影响学习算法的收敛速度和优化效果.为此,本文在站点局域信息交互机制的基础上引入状态聚类的方法,以减小每个站点学习空间的大小和复杂性.首先,将多个站点看作相对独立的学习主体,且各自仅考虑邻近下游站点的缓存库的状态并纳入其性能值学习过程;其次,将原状态空间划分成多个不相交的子集,每个子集用一个抽象状态表示,然后,建立基于状态聚类的多站点反馈式Q学习算法.通过该方法,可在抽象状态空间上对各站点的前视距离策略进行优化学习,以寻求整个系统的生产率最大.仿真实验结果说明,与一般的多站点反馈式Q学习方法相比,基于状态聚类的多站点反馈式Q学习方法不仅具有收敛速度快的优点,而且还在一定程度上提高了系统生产率.

非线性控制系统与状态空间的几何结构

首先从整体化的观点定义了一种建立在黎曼流形上的非线性控制系统 ,给出了系统的状态方程在黎曼流形的局部坐标系下的表达式 .讨论了黎曼流形的几何结构对非线性系统的影响 ,研究了非线性系统的能控性和能观测性 .其次 ,利用对合分布与全测地子流形的性质 ,给出了建立在黎曼流形上的非线性系统的局部能控结构分解 ,局部能观结构分解和Kalman分解 .第三 ,分别利用彼此正交的对合分布族和递增对合分布族与全测地子流形族的性质 ,研究了建立在黎曼流形上的非线性控制系统平行解耦问题和级联解耦问题 ,以及仿射非线性控制系统的局部干扰解耦问题 .

基于信息反馈的任务动态管理方法研究

在分析火控系统任务管理动态特性的基础上,提出了一种基于信息反馈的任务管理方法。该方法通过采用闭环结构动态调整任务管理方案,首先设置了模糊变量和隶属度函数,然后借助模糊系统的推理规则确定局部任务管理对象,并将传感器状态的变化引入到任务管理过程中。仿真结果表明,这种方法不仅能够符合任务管理动态性的要求,而且可以有效地减少任务管理数量,提高管理的效率。

具有捕获作用的广义捕食-被捕食模型的反馈控制

应用微分代数理论和分叉理论,分析了具有捕获作用的广义捕食-被捕食模型在内部平衡点附近的局部稳定性,得到了不仅使系统在正平衡点处稳定,而且使经济利益达到理想水平的控制率.

非线性系统的H_∞局部控制问题

对于一般的非线性控制系统，用状态反馈研究了H∞局部控制问题．获得的主要定理陈述这样的事实；如果对应的线性化系统的H∞控制问题能解，则此非线性系统的H∞局部控制问题也能解．