采用社会约束自适应动态窗口法的服务机器人路径规划

针对传统动态窗口法在行人密集环境下动态路径规划存在灵活性差、效率低、安全性缺乏等问题,提出一种社会交互空间下基于社会约束自适应动态窗口法(social_DWA),并采用其解决服务机器人局部路径规划问题。首先,采用非对称高斯公式对单行人以及多人群组交互空间进行模型化描述;其次,在传统动态窗口法的基础上,采用动态行人方位角约束对动态行人进行避让;改进距离评价函数,分类决策与行人、多人群组、一般障碍物的安全距离;最后,提出速度权重自适应调整策略,优化服务机器人在途经不同密集度社会交互区域时的移动速度。为验证算法有效性,在两种模拟社会场景下,先后开展了social_DWA算法与传统DWA算法、FIDWA算法的路径规划仿真对比实验。结果表明:采用social_DWA算法所消耗的运动时间在场景1中较传统DWA和FIDWA算法分别缩短了1.53、0.43 s,在场景2中较传统DWA和FIDWA算法分别缩短了26.3、2.86 s;相较于传统DWA算法和FIDWA算法,social_DWA算法能保持有效的行人安全距离,并使运行轨迹更加合理。social_DWA算法在行人避让、环境适应能力等方面具有一定的优越性。

具有输入时滞和预设性能的非线性系统有限时间动态面控制

针对一类具有输入时滞和动态不确定性的非严格反馈非线性系统的跟踪问题,提出一种新的基于预设性能的有限时间自适应跟踪控制方案.利用Pade逼近和辅助中间变量将有时滞系统转化为无时滞系统,采用由一阶辅助系统生成的动态信号处理未建模动态,引入双曲正切函数实现预设性能跟踪控制,并给出基于动态面控制方法的稳定性分析.在MATLAB环境中,以具有未建模动态和输入时滞的二阶非线性系统为例,对所提出的控制策略进行数值仿真.结果表明:所提出的控制方案能够避免现有有限时间控制所出现的虚拟控制求导奇异性问题,所有信号有限时间有界,跟踪误差收敛到预设的时变区间,可见控制算法切实有效.

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。

基于自适应动态鲸鱼优化算法的路径规划研究

针对鲸鱼优化算法(WOA)求解路径规划问题时存在收敛慢、精度低以及局部最优等缺陷,提出一种自适应动态鲸鱼优化算法(ADWOA)来实现对路径的合理规划。首先,引入改进后的Circle混沌映射提高初始种群质量;然后,使用非线性收敛因子和自适应惯性权重平衡算法的全局寻优和局部寻优,加快算法收敛速度;最后,使用动态的螺旋更新系数,提高算法跳出局部最优的能力。通过仿真实验验证了自适应动态鲸鱼优化算法在机器人路径规划时的有效性。

非线性零和微分对策的事件触发自适应动态规划算法

针对一类非线性零和微分对策问题,本文提出了一种事件触发自适应动态规划(event-triggered adaptive dynamic programming,ET--ADP)算法在线求解其鞍点.首先,提出一个新的自适应事件触发条件.然后,利用一个输入为采样数据的神经网络(评价网络)近似最优值函数,并设计了新型的神经网络权值更新律使得值函数、控制策略及扰动策略仅在事件触发时刻同步更新.进一步地,利用Lyapunov稳定性理论证明了所提出的算法能够在线获得非线性零和微分对策的鞍点且不会引起Zeno行为.所提出的ET--ADP算法仅在事件触发条件满足时才更新值函数、控制策略和扰动策略,因而可有效减少计算量和降低网络负荷.最后,两个仿真例子验证了所提出的ET--ADP算法的有效性.

带饱和执行器非线性时滞系统的自适应动态规划

针对带饱和执行器及状态时滞的一类非线性系统最优控制问题,提出基于迭代自适应动态规划算法的控制方法。用泛函性能指标处理执行器的饱问题,推导出非线性时滞系统对应的哈密顿-雅克比-贝尔曼(HJB)方程。针对其性能指标函数含有状态时滞耦合项和抗饱和函数是非二次型,难以求解HJB方程的问题,采用自适应动态规划算法来获得最优控制。通过收敛性分析证明性能指标可迭代达到最优。对比仿真试验结果验证以上方法的有效和求解的优越性。

基于自适应动态规划的一类非线性系统的容错控制器设计

针对存在执行器故障的一类仿射非线性系统,基于自适应动态规划方法,提出了一种新型的容错控制器。利用故障观测器估计执行器故障,并利用故障信息构建一个改进型的性能指标函数,将容错控制问题转化为最优控制问题。同时使用策略迭代(PI)算法,通过构造评价神经网络来求解HJB方程,获得近似最优容错控制律,并且基于李雅普诺夫函数,证明该容错控制器可以确保闭环系统渐近稳定。最后,通过仿真验证了该方法的有效性。

近海复杂环境下UUV动态路径规划方法研究

为解决近海环境下水下无人航行器(unmanned underwater vehicle,UUV)的动态路径规划问题,本文提出一种结合全局和局部动态路径规划的算法。首先,本文提出一种基于自适应目标引导的快速拓展随机树算法,以增加随机树生长的方向性,并通过转向和重选策略减少无效拓展加快算法的收敛速度。接着,获得全局路径之后使用自适应子节点选取策略获取动态窗口法的子目标点,将复杂的全局动态任务规划分解为多个简单的动态路劲规划,从而防止动态窗口法陷入局部极小值。最后,通过UUV出港任务仿真实验验证了算法的有效性和实用性。

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法(dynamic window algorithm,DWA)在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。

基于自适应动态规划的非线性鲁棒近似最优跟踪控制

为克服现有近似最优跟踪控制方法只能跟踪连续可微参考输入的局限,本文针对一类具有未知动态的连续时间非线性时不变仿射系统,提出了一种新的基于自适应动态规划的鲁棒近似最优跟踪控制方法.首先采用递归神经网络建立系统模型,然后建立评价神经网络对最优性能指标进行估计,从而得到最优性能指标偏导数的估计值,进而得到近似最优跟踪控制器,最后利用系统输出与参考输入之间的跟踪误差设计鲁棒项对神经网络建模误差进行补偿.分别针对两个非线性系统进行仿真实验,仿真结果表明了所提方法的有效性和优越性.

基于数据驱动自适应动态规划的输入约束的非线性系统H_∞控制

提出了一种包含在线采样、离线学习两个阶段的基于数据驱动的迭代自适应动态规划(ADP)算法,仅通过在线数据,解决输入约束的连续未知模型的非线性系统的H∞控制问题。通过策略迭代(PI)和迭代强化学习(IRL)方法推导出无模型(HJI)方程。构建3个神经网络,在线采集系统数据结束后,利用离线学习方法,近似求解无模型HJI方程,进而得到值函数、控制策略和扰动策略,神经网络的未知参数通过最小二乘方法求解。仿真结果验证了算法的可行性。

基于自适应动态规划的未知模型非线性系统H_2/H_∞控制

提出了一种在线的自适应动态规划算法,近似求解耦合的哈密尔顿雅可比(Hamilton-Jacobi-Isaacs,HJI)方程,获得非线性系统混合H_2/H_∞控制的纳什均衡策略。通过在控制策略和干扰策略中加入已知噪声,从而不依赖系统的模型信息,得到一个求解混合H_2/H_∞控制问题的未知模型的近似动态规划算法。分别使用2个评价神经网络和2个执行神经网络,同步在线更新2个值函数、控制策略和干扰策略,神经网络未知参数通过最小二乘法进行估计。仿真结果验证了算法的可行性。

基于自适应动态规划的非线性系统最优跟踪控制

自适应动态规划具有自适应、无模型和最优性等特点。针对一类具有不确定扰动的非线性系统跟踪控制问题,通过将原系统跟踪控制问题转化为其标称系统的最优控制问题,给出相应的理想最优控制器,并证明所提出的控制器能使得原系统跟踪给定的参考信号。然后利用神经网络分别对系统的动态特性和代价函数进行逼近,并用于所提出的最优控制器设计当中。

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.

动力学系统局部非线性参数辨识的动态规划法

根据系统辨识问题最优控制解的概念，将现代控制理论中解决最优控制问题的动态规划方法用于辨识结构动力学系统中局部非线性结构的物理参数。这类系统由模型参数已知的大的线性主结构与一个或多个非线性子结构组成。所提出的方法适用于解决航天器以及工程机械结构中的连接结构、连接部件的参数识别问题。

有未知控制系数和零动态的高阶非线性系统的自适应控制设计

主要研究一类控制系数未知和有不可测零动态的高阶非线性系统的全局自适应镇定问题.进一步放宽了对零动态的约束条件,通过定义一个恰当的未知参数,把连续自适应状态反馈控制器的动态阶数降到最低(仅一维).通过结合增加幂次积分方法,相关的自适应技术以及交换能量函数思想,给出控制器的设计步骤.所设计的控制器确保闭环系统的所有状态是全局一致有界的,且原系统的状态收敛到零.

非线性市场需求下机组优化出力的自适应动态古诺模型

该文运用博奕论及动态经济学方法首先给出了非线性反需求函数下电厂机组出力的静态古诺模型及古诺均衡的求解方法;然后引入机组自适应期望出力的概念,建立了求取下一生产周期电厂机组最佳出力的非线性自适应动态古诺模型。两种方法都反应了电厂追求利润最大化的博弈行为,因此能够作为电厂机组出力的优化决策工具。仿真结果表明自适应动态古诺模型是有效、可行的,而且其稳定值趋于古诺均衡。

WAMS中计及量测函数非线性项的电力系统自适应动态状态估计

提出两种在线辨识和修正模型误差协方差矩阵的自适应动态状态估计方法,并在这两种状态估计模型中引入量测函数的非线性项。这不仅在进行状态滤波的同时,利用观测数据提供的信息,在线辨识和估计系统中未知或不精确的噪声统计特性,而且由于计及了量测函数的非线性项,非线性系统在线性化过程中所产生的线性化误差完全得到补偿,极大地提高了算法在异常运行情况下的自适应性;并且在量测量中计入了相量测量单元(PMU)测量的电压幅值和相角,增加了系统的冗余量测,提高了滤波精度。仿真结果验证了所提方法在正常情况、负荷突变、存在坏数据、网络拓扑结构错误各种情况下具有较好的预测和滤波效果。

基于未建模动态补偿的非线性自适应切换控制方法

针对一类不确定的离散时间零动态不稳定的单输入-单输出(Single-input single-output,SISO)非线性系统,提出了一种基于未建模动态补偿的非线性控制器.采用自适应神经模糊推理系统(Adaptive-network-based fuzzy inference system,ANFIS)和一一映射相结合的方法估计未建模动态.在此基础上,提出了由线性自适应控制器、非线性自适应控制器以及切换机制组成的自适应切换控制方法.该方法通过对上述两种控制器的切换,保证闭环系统输入输出信号有界的同时,改善系统性能.本文将要求未建模动态全局有界的条件放宽为线性增长,建立了所提自适应控制方法的稳定性和收敛性分析.通过仿真比较和水箱的液位控制实验,验证了所提方法的有效性.

融合改进哈里斯鹰和改进动态窗口的机器人动态路径规划

针对动态环境的移动机器人路径规划问题,提出了一种改进哈里斯鹰算法(IHHO)与改进动态窗口算法(IDWA)的融合算法(IHHO-IDWA)。首先,针对哈里斯鹰算法后期搜索性能不足等问题,提出了融合自适应混沌和核心种群动态划分策略、融合黄金正弦策略以及动态云最优解扰动策略来提高算法的性能。其次,针对动态窗口算法存在规划的路径长和易陷入死锁等问题,提出了三个改进策略:增加子函数,保证算法能够规划出更短的路径;提出自适应权重策略,平衡算法局部避障能力和全局搜索性能;设定初始航向角,避免路径冗余。最后,通过测试函数、CEC2014函数的数值实验和静态、动态路径规划实验,验证了IHHO和IDWA性能有明显提升;通过50×50大型动态地图验证了融合算法较对照组算法规划的路径缩短了11.51%,证明了该方法的优越性。