网络控制系统随机稳定性研究

研究了具有随机网络诱导时延及数据包丢失的网络控制系统随机稳定性问题.本文用一个具有两个状态的马尔可夫链来描述数据通过网络传输时随机数据包丢失过程,利用马尔可夫跳变线性系统理论,将网络控制系统建模为一个具有两种运行模式的马尔可夫跳变线性系统,给出了在状态反馈控制下网络控制系统随机稳定的线性矩阵不等式形式的充分条件,最后用一个仿真示例验证了该方法的有效性.

基于灰色RBF神经网络模型的电梯层间交通分布预测

为了有效预测电梯的层间交通分布状态,提出一种层间交通O-D矩阵的预测方法.该方法融合灰色预测和神经网络方法各自的优点,将灰色预测方法与RBF神经网络有机结合,构造灰色神经网络预测模型.利用灰色预测中的累加生成运算(accumulated generating operation,AGO)对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本.还提出了对不良交通需求数据的修正方法,以进一步降低观测数据的随机性.所提方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,适用于短期层间交通分布预测.仿真试验验证了该方法的有效性.