针对模型参数在有界区域内随机变化的系统,基于平方根B样条模型,提出了输出概率密度函数(Probability density function,PDF)跟踪控制策略.目标是控制系统输出的概率密度函数跟踪给定的概率密度函数.通过B样条逼近建立了输出PDF和权值...针对模型参数在有界区域内随机变化的系统,基于平方根B样条模型,提出了输出概率密度函数(Probability density function,PDF)跟踪控制策略.目标是控制系统输出的概率密度函数跟踪给定的概率密度函数.通过B样条逼近建立了输出PDF和权值之间的对应关系,把PDF的跟踪转化为权值的跟踪,同时系统转化为MIMO系统,从而权值向量的跟踪就转化为MIMO系统的跟踪问题,接着给出了系统输出概率密度函数跟踪给定概率密度函数的控制器存在的充分条件,通过求解线性矩阵不等式完成状态反馈和输出反馈跟踪控制器的设计,得到了系统具有Hinfinity范数界Gamma鲁棒镇定的结果.仿真结果表明本文提出的控制算法是有效的.展开更多
针对传统蚁群算法在机器人路径规划中路径不是最短距离、运行时间长以及收敛速度慢等问题,提出多邻域蚁群算法(multi-neighborhood ant colony algorithm,ACO-MN)。为了解决路径不是最短距离的问题,引入多邻域搜索,使得搜索邻域扩大,机...针对传统蚁群算法在机器人路径规划中路径不是最短距离、运行时间长以及收敛速度慢等问题,提出多邻域蚁群算法(multi-neighborhood ant colony algorithm,ACO-MN)。为了解决路径不是最短距离的问题,引入多邻域搜索,使得搜索邻域扩大,机器人的路径距离减小;为了解决运行时间长的问题,在快速判断的基础上运用象限概率和象限概率控制参数,使得算法运行加快;为了解决收敛速度慢的问题,结合步长和邻域夹角改进启发函数,使得算法在后期的收敛速度加快。最后,在不同大小、不同复杂程度的栅格地图下,将ACO-MN与传统蚁群算法和其他改进算法进行仿真对比实验。实验表明,在小规模简单环境下ACO-MN的收敛速度相比于传统蚁群算法加快了76.19%,在大规模复杂环境下ACO-MN的运行时间相比于其他改进算法缩短了49.84%,最短路径缩短了5.6%,验证了该算法的有效性和优越性。展开更多
文摘针对模型参数在有界区域内随机变化的系统,基于平方根B样条模型,提出了输出概率密度函数(Probability density function,PDF)跟踪控制策略.目标是控制系统输出的概率密度函数跟踪给定的概率密度函数.通过B样条逼近建立了输出PDF和权值之间的对应关系,把PDF的跟踪转化为权值的跟踪,同时系统转化为MIMO系统,从而权值向量的跟踪就转化为MIMO系统的跟踪问题,接着给出了系统输出概率密度函数跟踪给定概率密度函数的控制器存在的充分条件,通过求解线性矩阵不等式完成状态反馈和输出反馈跟踪控制器的设计,得到了系统具有Hinfinity范数界Gamma鲁棒镇定的结果.仿真结果表明本文提出的控制算法是有效的.
文摘针对传统蚁群算法在机器人路径规划中路径不是最短距离、运行时间长以及收敛速度慢等问题,提出多邻域蚁群算法(multi-neighborhood ant colony algorithm,ACO-MN)。为了解决路径不是最短距离的问题,引入多邻域搜索,使得搜索邻域扩大,机器人的路径距离减小;为了解决运行时间长的问题,在快速判断的基础上运用象限概率和象限概率控制参数,使得算法运行加快;为了解决收敛速度慢的问题,结合步长和邻域夹角改进启发函数,使得算法在后期的收敛速度加快。最后,在不同大小、不同复杂程度的栅格地图下,将ACO-MN与传统蚁群算法和其他改进算法进行仿真对比实验。实验表明,在小规模简单环境下ACO-MN的收敛速度相比于传统蚁群算法加快了76.19%,在大规模复杂环境下ACO-MN的运行时间相比于其他改进算法缩短了49.84%,最短路径缩短了5.6%,验证了该算法的有效性和优越性。