《隨機分布系統兩步建模及自適應、自學習控制方法研究》是依託揚州大學，由裔揚擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：隨機分布系統兩步建模及自適應、自學習控制方法研究
- 項目類別：青年科學基金項目
- 項目負責人：裔揚
- 依託單位：揚州大學
項目摘要,結題摘要,
項目摘要
項目研究了複雜非高斯、非線性隨機分布系統建模和控制的綜合問題。利用輸出統計信息集合以及隨機分布泛函設計反饋控制輸入和最佳化算法完成對機率密度函式的形狀控制，是一類從實際工程中產生的新穎的控制科學問題，稱之為隨機分布控制問題，這本質上也是一類新型的動態黑箱/灰箱模型辯識控制問題。理論研究上長期缺乏控制器設計所必要的、有效的模型辯識方法，系統也嚴重缺乏同時具有自適應、自學習調節能力以及魯棒性能的控制算法，難以工程實現。需要尋求新的建模方法和控制理論來揭示此類新型隨機控制問題的若干核心特徵。項目擬提出的動靜兩步智慧型建模方法、參數線上實時自適應自學習疊代最佳化算法以及工程上實用的多目標魯棒自適應自學習結構控制方法能夠有效解決上述一系列理論瓶頸問題。進一步擬將所提出的理論方法套用到造紙系統和火焰燃燒的實例過程中，完成理論算法的工程檢驗。
結題摘要
本課題重點研究了複雜非高斯隨機分布系統建模控制問題、隨機馬爾可夫跳變系統最佳化控制以及基於多種智慧型模型的自適應、自學習控制算法。主要研究內容包括：(1) 針對複雜非高斯隨機分布系統，基於神經網路模型和T-S模糊模型，研究兩步智慧型建模新方法，解決了隨機分布過程中存在的理論建模難題。設計結構化控制輸入，使得包括穩定性、魯棒性、跟蹤性能以及狀態約束等多目標控制要求得以實現。引入疊代學習算法調節神經網路參數，提出新的模型自由疊代學習控制算法以及魯棒跟蹤控制方案，解決了非高斯隨機分布控制中存在的參數調節難題。(2) 針對複雜非高斯、非線性隨機過程，充分利用期望、方差、高階矩和信息熵等多種統計信息量去描述機率分布函式以及隨機變數的不確定度，探索新的基於數據驅動理論的統計跟蹤控制研究架構。進一步討論帶有死區模型的統計信息集合魯棒跟蹤控制問題，完成了對統計信息分布模型可控性、穩定性、魯棒性以及跟蹤收斂性的研究。(3) 針對具有時變時滯以及未知非線性項的隨機馬爾可夫跳變系統，設計無記憶狀態反饋耗散控制器，研究系統在多種不確定性存在條件下的魯棒隨機穩定性以及嚴格耗散性能。進一步結合PI控制策略以及線性矩陣不等式凸最佳化算法，提出了具有隨機穩定性能、跟蹤性能以及L1魯棒性能的多目標控制器設計新方案。(4) 分別針對嚴格反饋非線性系統、純反饋非線性系統以及非線性時變時滯系統，基於變結構控制技術、動態面技術和後推設計方法，研究基於神經網路/模糊模型的參數自適應控制方案，有效地減少了自適應參數的調節個數，證明了閉環控制系統的所有信號半全局一致終結有界以及跟蹤誤差收斂到零的小區域內。研究結果已在國內外學術期刊及會議上發表論文35篇，分別有9篇、29篇論文被SCI、EI收錄，已培養5名碩士研究生。本項目的研究具有重要的理論意義和實用價值。
