基于双模式模型预测控制算法的多智能体编队控制

在对多智能体的编队控制上,当输入和系统状态受到约束时,模型预测控制算法比传统的输入输出反馈线性化控制算法具有显著的优势,但传统的模型预测控制算法需要在线优化控制,从而导致巨大的在线负担.为减小这种在线负担,提出一种双模式模型预测控制算法.该算法使用模型预测控制器对控制变量进行在线优化,使得未来某时刻的系统状态进入终端约束集内;此时将系统状态作为输入输出反馈线性化控制器的输入,将系统状态驱动到稳定值;在目标函数中加入避碰函数来有效避免邻近多智能体间的碰撞.仿真结果表明,当输入和状态受到约束时,双模式模型预测控制算法在对多智能体编队控制上比仅使用输入输出反馈线性化控制算法具有明显的优势.     

下行多用户MIMO中基于SLNR的迭代用户功率分配

在下行多用户多输入多输出(MU-MIMO)场景下,考虑最大化信号泄漏噪声比(Max-SLNR)预编码,提出一种通过迭代方法进行用户间功率分配的算法. 通过与已有用户功率分配算法的比较,该算法进一步提高了系统吞吐量. 仿真结果表明,本算法可以通过减少迭代次数降低算法复杂度,而几乎不损失系统性能.     

基于多样本数据的子空间辨识方法研究

针对多样本数据对系统数据矩阵列向量的影响,通过调整子空间方法的辨识步骤,使得在分组采样条件下,样本数据能满足辨识系统的矩阵输入/输出方程的要求。仿真实验表明,该方法可避免多数据组时统计上的偏差,具有较高的辨识精度。     

状态空间模型在双变量时间序列分析中的推广

状态空间模型不仅能反映系统内部状态,可以将几个变量时间序列处理为向量时间序列,还能够较好地解决多输入多输出变量少情况下,应用于双变量时间序列建模具有良好的统计性质;将状态空间模型在双变量时间序列模型中进行推广,研究其统计性质及检验方法,通过实证分析验证该方法的优越性.     

一组多输入非线性系统的同时镇定(英文)

考虑设计一个控制器同时镇定一组多输入非线性系统的问题.利用李雅普诺夫函数方法, 给出了时不变同时镇定状态反馈控制器存在地充分条件,然后给出构造同时镇定一组系统的连续控制器的统一公式. 该结果是对文献[1]中讨论的单输入系统的结论的推广.     

一种多约束服务质量路由算法

下一代网络服务质量要求解决多约束服务质量路由问题.在分析了服务质量路由特点及相关工作的基础上,并提出服务质量路由新计算方法.方法基于路径计算,首先计算最少跳路径,然后利用非线性花费函数进行求解并判断约束路径,最后求出优化多约束路径。通过对网络拓扑状态仿真结果表明,该算法能快速求解在多约束条件下优化路径,约束参数扩展性好。     

MIMO下行多用户中继系统的线性收发处理设计

针对单源单中继多用户多输入多输出下行系统,提出一种基于规则块对角化的收发处理设计.考虑源端无法获得第二跳的信道信息和用户无法获得第一跳的信道信息的场景,对源-中继链路和中继-用户链路进行独立的收发处理设计.在中继处采用传统的规则块对角化方法抑制用户间干扰和噪声,并基于最小均方误差准则联合接收矩阵设计改进的迭代优化算法.仿真结果表明,该算法收敛较快,且很好地降低了低信噪比区域的误码率.     

基于BP神经网络的城市货运生成预测模型

针对传统的货运生成模型处理非线性影响因素能力差的问题,运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上,选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量,以城市公路货运量和城市货运总量为输出变量,构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系,在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比,验证了该模型在货运量预测方面的可行性。     

基于不确定度的多智能体信用分配方法

近年来,部分可观测条件下多智能体协同受到广泛关注。中心化训练分布式执行作为处理这类任务的通用范式面临信用分配这一核心问题。值分解是该范式中的代表性方法,通过混合网络将联合状态动作值函数分解为多个局部观察动作值函数以实现信用分配,在很多问题中表现很好。然而这些方法维持对混合网络参数的单一点估计,因缺乏不确定度表示而难以有效应对环境中的随机因素导致只能收敛到次优策略。为缓解这一问题,对混合网络进行贝叶斯分析,提出一种基于不确定度的多智能体信用分配方法,通过显式地量化参数的不确定度来指导信用分配。考虑到智能体之间复杂的交互,利用贝叶斯超网络隐式地建模参数任意复杂的后验分布,以避免先验地指定分布类型而陷于局部最优解。在星际争霸微操环境中的多个地图上与代表性算法的性能进行对比与分析,验证了算法的有效性。     

用实数同伦法确定机械优化问题的多个解

提出用实数同伦法[1]确定机械优化问题的多个解的方法。其核心思想是:根据K-T条件将一个非线性规划问题转化成一个非线性方程组的求解问题,并用实数同伦法在实数域上数值求解该非线性方程组,进而获得原优化问题的所有或绝大多数局部最优解。文中建立了统一的求解模型,并解决了数值计算中的若干问题,从而使本文提出的方法达到了较为实用的程度     

基于EMD的Hilbert变换的柴油机气缸套磨损故障诊断

为准确地对柴油机进行状态监测和故障诊断,运用基于经验模态分解(Empirical Mode Decomposition,EMD)的Hilbert变换,对船用低速柴油机缸盖振动加速度信号进行分析.改变柴油机的转矩和转速,测量各工况下缸盖的振动信号,并对其进行分析;将柴油机的6个缸分为3组,分别采用3种不同性能的气缸油,让柴油机在额定工况下连续运转,测取活塞环与气缸套在不同间隙时的缸盖振动信号.结果表明,当转矩和转速同时增大时,振动加速度信号特征频带变化不大,但能量相应增加;当转矩和转速保持不变,活塞环与气缸套间隙增大时,振动加速度信号特征频带发生改变,并且能量增大.与快速傅里叶变换(Fast Fourier Transform,FFT)法及功率密度谱法的对比表明,基于EMD的Hilbert变换可以有效处理缸盖的振动信号,并可以运用到气缸套磨损故障的诊断中.     

高速无线局域网媒体竞争接入优化

针对目前体育场、客运站、办公区等高密度节点环境下,无线局域网(wireless local area networks,WLAN)接入缓慢和上下行数据传输不平衡的特点,基于物理层的正交频分多址(orthogonal frequency-division multiple access,OFDMA)和多用户多输入多输出(multi-user multiple-input multiple-output,MU-MIMO)技术,提出有序混合竞争的媒体访问控制(media access control,MAC)协议。该协议通过初次随机筛选一定数量的节点完成同步上行传输,而剩余节点参加下一轮的混合竞争,增加竞争节点接入的有序性,以提高高密度节点环境下的系统性能。根据该协议特性建立一个数学模型,通过改变模型参数进行模拟,结果显示该协议能够有效改善高密度节点竞争接入WLAN的性能。     

基于多种群遗传神经网络的船舶发电机故障诊断

为及时发现船舶发电系统的早期故障,通过多种群遗传算法与反向传播（BackPropagation, BP)神经网络算法相结合,提出一种基于多种群遗传神经网络算法的船舶发电机故障诊断方法.利用该算法对实例进行故障诊断,结果证明该算法能有效克服BP神经网络收敛速度慢和易出现局部极小值的缺点.该算法有全局搜索能力强、优化速度快的特点,具有一定的应用前景.     

基于遗传算法的自动化集装箱码头多载AGV调度

为提升自动化集装箱码头的作业效率,减轻码头吞吐量增大带来的交通问题,降低自动化导引小车（Automated Guided Vehicle, AGV)的空载率,在自动化集装箱码头应用可以同时搬运不止一个集装箱的多载AGV,建立多载AGV调度问题的混合整数线性规划（Mixed Integer Linear Programming, MILP)模型,应用遗传算法进行求解.借助算例,对比遗传算法与MILP算法的求解效果,分析交叉概率和变异概率对遗传算法的影响,比较多载AGV与单载AGV的作业时间,验证遗传算法的可靠性.该方法表明,遗传算法不仅求解效率高,而且对MILP算法不适用的大、中型多载AGV调度问题,也能给出值得信赖的近似最优解.     

基于MMC的虚拟同步发电机技术在船舶与岸电无缝并网中的应用

鉴于船舶与岸电在并网时存在较大冲击电流,以及模块化多电平换流器(modular multilevel converter,MMC)控制的岸电离网运行时对突发状况响应速度较慢的问题,采用改进的虚拟同步发电机(virtual synchronous generator, VSG)技术结合模型预测控制(model predictive control, MPC)算法,对岸电电源输出电流、环流、子模块电容电压进行分层预测控制,实现船舶与岸电的无缝并网。采用MATLAB/Simulink建立MMC VSG并网仿真模型,模拟船舶与岸电并网及突加负载等工况。对所提出的控制策略和算法的有效性进行验证,结果表明,利用所提出的控制策略能实现VSG离网与并网的无缝切换;与经典控制方法相比,所提出的控制策略的动态响应速度提升了5倍。     

基于径向基函数神经网络的船舶航迹自抗扰控制

针对常规非线性自抗扰控制（nonlinear active disturbance rejection control,NLADRC）技术在船舶航迹控制中存在的参数整定难、抗干扰能力差的问题,搭建船舶三自由度MMG数学模型,设计船舶航迹NLADRC系统。利用径向基函数（radial basis function,RBF）神经网络对系统进行辨识,使网络输出逼近系统输出。根据辨识信息自适应整定对系统整体控制效果影响较大的两个参数,提出基于RBF神经网络的船舶航迹NLADRC系统。仿真结果表明,参数的自适应整定能加快系统收敛速度,大幅减小超调量,对外界环境具有更强的鲁棒性。神经网络对NLADRC的优化,使其控制性能得到提升。     

集装箱班轮服务网络优化和货运路径设计

为提高班轮公司的资源优化能力,解决航线选择、重箱运输路径、空箱调运路径、多类型船舶配置以及船速设定等问题,根据实际班轮运输组织方式的特征,构建多港挂靠和轴辐式混合网络,建立以运营总成本最小为目标的非线性混合整数规划模型。采用大M法把这个非线性模型转换成线性模型后通过CPLEX进行求解,并用中远集运在亚洲—大洋洲—欧洲区域的部分航线验证模型的有效性。通过灵敏度分析发现:港口装卸效率的提升对减少班轮公司运营成本效果显著;船舶的燃油成本与运营成本之间存在着相关性,故油价的持续上涨迫使班轮公司选择降速、配置更多的船舶来降低整体成本。     

模糊自适应PID控制在气液增力缸的位置控制中的应用

气液增力技术结合了液压和气动技术的优点,在很多场合得以应用和推广,被称为温顺的重体力劳动者。对气液增力装置进行位置控制的研究有非常重要的现实意义。通过把模糊控制和传统的PID控制相结合可以大大地提高控制的精度和速度,可以实现系统的最佳控制。     

基于改进扩张状态观测器的船舶动力定位系统控制

针对船舶动力定位系统存在的模型非线性及外扰不确定性等导致的定位误差问题,将自抗扰控制器（active disturbance rejection controller,ADRC）应用于船舶动力定位系统。建立船舶低频运动模型,并对ADRC中的扩张状态观测器(extended state observer,ESO)的非线性fal函数进行改进,构成一个faln函数,通过非线性函数组合构造误差反馈率,对船舶运动进行控制。用改进前和改进后的ESO分别对船舶的位置和速度进行观测,对改进前与改进后的控制结果进行对比。仿真结果表明,改进后的ESO比传统的ESO具有更好的抗干扰性能。     

基于线性自抗扰控制的船舶航迹积分滑模控制器

为解决欠驱动船舶航迹直线和曲线跟踪控制问题,选取能解决航向不稳定等非线性问题的Bech模型,借助双曲正切函数,构造期望艏向方程,将航迹控制问题转化为航向控制问题。设计3阶跟踪微分器,对期望艏向及其微分信号进行精确提取。采用变结构积分滑模面函数设计非线性误差反馈控制律,加快系统收敛速度,提出基于线性自抗扰控制(Linear Active Disturbance Rejection Control,LADRC)的船舶航迹积分滑模控制器。该控制器的线性扩张状态观测器对系统内外总扰动进行在线估计与实时补偿;引入Hurwitz多项式,减少需整定的参数。仿真结果表明,航迹收敛快速准确,无超调,对外界干扰具有较强的鲁棒性。控制器参数具有一定的普适性,故其适用范围广。