平面阵列方向图优化的改进PSO算法

粒子群优化算法(PSO)是合成天线阵列预期方向图的有效手段。但对于某些大型平面阵列方向图复杂的非线性优化问题,该算法收敛速度慢且最优粒子易陷入局部最优解,因而使得算法失效。针对这一问题,该文提出一种改进PSO算法来提高传统PSO算法的收敛特性。该算法在初始化最优粒子时采用解析初值而不是随机初值。对于给定的预期方向图,通过矩阵运算解析对应该方向图的阵元权系数。之后将这些权系数指定为任意一个粒子的解析初值,而种群的其他粒子仍然赋随机初值,之后再衔接标准PSO算法的寻优迭代过程。这种初始化方法使得种群粒子在寻优搜索过程开始之前,即可得到最优粒子初值的有效估计。仿真结果表明,相对于全部粒子赋随机初值的标准算法而言,这种改进算法收敛速度更快,适应度值收敛得更深,因而有效提高了算法的收敛特性,从而能够得到满足预期方向图指标要求的优化结果。

前提不匹配的T-S模糊系统的时滞相关镇定

为了降低T-S模糊时滞系统稳定性条件的保守性以及提高其控制器设计的灵活性,本文提出了在前提不匹配条件下考虑T-S模糊时滞系统的时滞相关稳定性以及控制器设计问题.首次通过构造包含三重积分的增广Lyapunov泛函的方法,提出一个新的具有较小保守性的时滞相关稳定性准则;同时在前提不匹配条件下,给出了保证该系统渐近稳定的控制器设计方法,该方法提高了控制器设计的灵活性,并且对于具有不确定隶属度函数的模糊系统同样适用.最后通过两个仿真例子验证本文所提出的方法的有效性.