2015年 第41卷 第7期
2015, 41(7): 1213-1234.
doi: 10.16383/j.aas.2015.c140684
摘要:
与传统的一阶马尔科夫随机场(Markov random field, MRF)相比, 高阶马尔科夫随机场能够表达更加复杂的定性和统计性先验信息, 在模型的表达能力上具有更大的优势. 但高阶马尔科夫随机场对应的能量函数优化问题更为复杂. 同时其模型参数数目的爆炸式增长使得选择合适的模型参数也成为了一个非常困难的问题. 近年来, 学术界在高阶马尔科夫随机场的能量模型的建模、优化和参数学习三个方面进行了深入的探索, 取得了很多有意义的成果. 本文首先从这三个方面总结和介绍了目前在高阶马尔科夫随机场研究上取得的主要成果, 然后介绍了高阶马尔科夫随机场在图像理解和三维场景理解中的应用现状.
与传统的一阶马尔科夫随机场(Markov random field, MRF)相比, 高阶马尔科夫随机场能够表达更加复杂的定性和统计性先验信息, 在模型的表达能力上具有更大的优势. 但高阶马尔科夫随机场对应的能量函数优化问题更为复杂. 同时其模型参数数目的爆炸式增长使得选择合适的模型参数也成为了一个非常困难的问题. 近年来, 学术界在高阶马尔科夫随机场的能量模型的建模、优化和参数学习三个方面进行了深入的探索, 取得了很多有意义的成果. 本文首先从这三个方面总结和介绍了目前在高阶马尔科夫随机场研究上取得的主要成果, 然后介绍了高阶马尔科夫随机场在图像理解和三维场景理解中的应用现状.
2015, 41(7): 1235-1243.
doi: 10.16383/j.aas.2015.c140753
摘要:
基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码. 局部约束线性编码(Locality-constrained linear coding, LLC) 因其良好的特征重构性与局部平滑稀疏性, 已取得了很好的分类性能. 然而, LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感, 随着k的增大, 编码中的某些负值元素与正值元素的差值绝对值也可能增大, 这使得LLC越来越不稳定. 本文通过在LLC优化模型的目标方程中引入非负约束, 提出了一种新型编码方式, 称为非负局部约束线性编码(Non-negative locality-constrained linear coding, NNLLC). 该模型一般采取迭代优化算法进行求解, 但其计算复杂度较大. 因此, 本文提出两种近似非负编码算法, 其编码速度与LLC一样快速. 实验结果表明, 在多个广泛使用的图像数据集上, 相比于LLC, NNLLC编码方式不仅在分类精确率上提高了近1%～4%, 而且对k的选取具有更强的鲁棒性.
基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码. 局部约束线性编码(Locality-constrained linear coding, LLC) 因其良好的特征重构性与局部平滑稀疏性, 已取得了很好的分类性能. 然而, LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感, 随着k的增大, 编码中的某些负值元素与正值元素的差值绝对值也可能增大, 这使得LLC越来越不稳定. 本文通过在LLC优化模型的目标方程中引入非负约束, 提出了一种新型编码方式, 称为非负局部约束线性编码(Non-negative locality-constrained linear coding, NNLLC). 该模型一般采取迭代优化算法进行求解, 但其计算复杂度较大. 因此, 本文提出两种近似非负编码算法, 其编码速度与LLC一样快速. 实验结果表明, 在多个广泛使用的图像数据集上, 相比于LLC, NNLLC编码方式不仅在分类精确率上提高了近1%～4%, 而且对k的选取具有更强的鲁棒性.
2015, 41(7): 1244-1252.
doi: 10.16383/j.aas.2015.c140644
摘要:
提出了特征空间本征音说话人自适应算法,该方法首先借鉴RATZ 算法的思想,采用高斯混合模型对特征空间中的说话人信息进行建模;其次利用 子空间方法实现对特征补偿项的估计,减少估计参数的数量,在对特征空间精确建 模的同时,降低了算法对自适应数据量的需求.基于微软语料库的中文连续语 音识别实验表明,该算法在自适应数据量极少时仍能取得较好的性能,配合说话人自适 应训练能够进一步降低词错误率,其实时性优于本征音说话人自适应算法.
提出了特征空间本征音说话人自适应算法,该方法首先借鉴RATZ 算法的思想,采用高斯混合模型对特征空间中的说话人信息进行建模;其次利用 子空间方法实现对特征补偿项的估计,减少估计参数的数量,在对特征空间精确建 模的同时,降低了算法对自适应数据量的需求.基于微软语料库的中文连续语 音识别实验表明,该算法在自适应数据量极少时仍能取得较好的性能,配合说话人自适 应训练能够进一步降低词错误率,其实时性优于本征音说话人自适应算法.
2015, 41(7): 1253-1263.
doi: 10.16383/j.aas.2015.c140859
摘要:
提出了一种基于约束动态更新的半监督层次聚类算法. 与现存的半监督层次聚类算法类似, 该算法也使用了必连和不连约束. 但不同的是, 该算法并不是在对满足必连约束的数据样本点进行预先划分的基础上依据不连约束进行聚合操作, 而是首先将约束扩展为一个闭包, 然后在这此基础上直接依据不连约束进行聚合操作, 并在聚合的过程中依据聚类结果动态地更新必连和不连约束, 以保证最终的聚类结果同时满足必连和不连约束. 该算法的优势在于省略了对必连约束的数据样本点进行预先划分的步骤, 这一改进能够保证数据样本点获得更为合理的聚合顺序, 从而得到更为准确的聚类结果. 本文具体给出了该算法基于Ward 层次聚类算法的实现, 提出了C-Ward算法.实验表明, 与其他同类算法相比, 无论是在人工模拟数据集还是在现实数据集上, 本文提出的算法都表现出了更高的准确性和更强的稳定性.
提出了一种基于约束动态更新的半监督层次聚类算法. 与现存的半监督层次聚类算法类似, 该算法也使用了必连和不连约束. 但不同的是, 该算法并不是在对满足必连约束的数据样本点进行预先划分的基础上依据不连约束进行聚合操作, 而是首先将约束扩展为一个闭包, 然后在这此基础上直接依据不连约束进行聚合操作, 并在聚合的过程中依据聚类结果动态地更新必连和不连约束, 以保证最终的聚类结果同时满足必连和不连约束. 该算法的优势在于省略了对必连约束的数据样本点进行预先划分的步骤, 这一改进能够保证数据样本点获得更为合理的聚合顺序, 从而得到更为准确的聚类结果. 本文具体给出了该算法基于Ward 层次聚类算法的实现, 提出了C-Ward算法.实验表明, 与其他同类算法相比, 无论是在人工模拟数据集还是在现实数据集上, 本文提出的算法都表现出了更高的准确性和更强的稳定性.
2015, 41(7): 1264-1273.
doi: 10.16383/j.aas.2015.c140748
摘要:
针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.
针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.
2015, 41(7): 1274-1282.
doi: 10.16383/j.aas.2015.c140598
摘要:
最大名词短语的识别对机器翻译等诸多自然语言处理任务有着重要的意义. 以汉语最大名词短语识别为研究任务,在分析现有方法的基础上,从汉语的语言学 特殊性以及基于支持向量机的序列标注算法的特点出发,考查了基于混合特征的融合算法的适应性. 实验证明,采用词和基本组块混合标注单元的标注方法对汉语最大名词短语的识别 是有效的,并且其正反向识别结果具有一定的互补性, 在此基础上提出的基于"边界分歧"的双向序列标注融合算法恰能发 掘双向识别的互补性,并达到较高的融合精度.
最大名词短语的识别对机器翻译等诸多自然语言处理任务有着重要的意义. 以汉语最大名词短语识别为研究任务,在分析现有方法的基础上,从汉语的语言学 特殊性以及基于支持向量机的序列标注算法的特点出发,考查了基于混合特征的融合算法的适应性. 实验证明,采用词和基本组块混合标注单元的标注方法对汉语最大名词短语的识别 是有效的,并且其正反向识别结果具有一定的互补性, 在此基础上提出的基于"边界分歧"的双向序列标注融合算法恰能发 掘双向识别的互补性,并达到较高的融合精度.
2015, 41(7): 1283-1294.
doi: 10.16383/j.aas.2015.c140678
摘要:
为提高永磁同步电机(Permanent magnet synchronous machine, PMSM)系统参数辨识与状态监测效率,利用图形处理器(Graphics processing unit, GPU)并行计算与 人工免疫技术相结合的研究方法,建立面向永磁同步电机系统基于GPU并行动态学习型 免疫进化的参数估计与状态监测模型.为提高算法的动态跟踪性能,在抗体演化进 程中,通过知识学习策略来引导算法进化过程,首先将抗体群划分为B细胞群、浆细胞 群以及记忆细胞群,对处于不同进化群体中的抗体分别设计免疫综合学习策略、免 疫反向学习策略和高斯学习策略,以增强抗体间的信息交互;接着,应用图形处 理器并行计算技术进一步加速算法求解过程;最后,将所提算法应用于永磁同 步电机系统参数辨识与状态监测中,实验表明,所提方法能同时准确地对电机的定子 电阻、dq轴电感和永磁磁链等系统关键参数进行估计.依据参数变化实现对系统 运行状态进行在线监测与预警.计算结果表明, GPU并行技术能大幅度提高计算效率.
为提高永磁同步电机(Permanent magnet synchronous machine, PMSM)系统参数辨识与状态监测效率,利用图形处理器(Graphics processing unit, GPU)并行计算与 人工免疫技术相结合的研究方法,建立面向永磁同步电机系统基于GPU并行动态学习型 免疫进化的参数估计与状态监测模型.为提高算法的动态跟踪性能,在抗体演化进 程中,通过知识学习策略来引导算法进化过程,首先将抗体群划分为B细胞群、浆细胞 群以及记忆细胞群,对处于不同进化群体中的抗体分别设计免疫综合学习策略、免 疫反向学习策略和高斯学习策略,以增强抗体间的信息交互;接着,应用图形处 理器并行计算技术进一步加速算法求解过程;最后,将所提算法应用于永磁同 步电机系统参数辨识与状态监测中,实验表明,所提方法能同时准确地对电机的定子 电阻、dq轴电感和永磁磁链等系统关键参数进行估计.依据参数变化实现对系统 运行状态进行在线监测与预警.计算结果表明, GPU并行技术能大幅度提高计算效率.
2015, 41(7): 1295-1305.
doi: 10.16383/j.aas.2015.c140503
摘要:
电力机组组合问题是在给定的计划周期内确定火电、风电和蓄 电池机组的开关机状态及发电量, 以满足系统的负荷需求、旋转备用等约束要求. 为了降低风电在电网中的供电不稳定 性, 引入蓄电池储能系统与风机进行协调调度. 由于大数量风机的介入, 明显增加了问 题处理的难度和复杂性. 本文从一个新的视角 将相近物理位置的风机进行组批, 基于批的视角对问题建立了批模型. 为 了提高批模型的性能, 提出了批模型参数的变换方法. 根据问题的NP-难特征和模 型的复杂结构, 开发了拉格朗日松弛(Lagrangian relaxation, LR)算法进 行求解. 为了加速算法的求解效率, 提出了子 问题近似求解的代理次梯度的拉格朗日松弛算法. 实验结果表明, 提出的批模型明 显优于传统的单机模型. 基于批模型开发的拉格朗日松弛算法与CPLEX优化软 件相比, 能够在较短的时间内获得高质量的解.
电力机组组合问题是在给定的计划周期内确定火电、风电和蓄 电池机组的开关机状态及发电量, 以满足系统的负荷需求、旋转备用等约束要求. 为了降低风电在电网中的供电不稳定 性, 引入蓄电池储能系统与风机进行协调调度. 由于大数量风机的介入, 明显增加了问 题处理的难度和复杂性. 本文从一个新的视角 将相近物理位置的风机进行组批, 基于批的视角对问题建立了批模型. 为 了提高批模型的性能, 提出了批模型参数的变换方法. 根据问题的NP-难特征和模 型的复杂结构, 开发了拉格朗日松弛(Lagrangian relaxation, LR)算法进 行求解. 为了加速算法的求解效率, 提出了子 问题近似求解的代理次梯度的拉格朗日松弛算法. 实验结果表明, 提出的批模型明 显优于传统的单机模型. 基于批模型开发的拉格朗日松弛算法与CPLEX优化软 件相比, 能够在较短的时间内获得高质量的解.
2015, 41(7): 1306-1314.
doi: 10.16383/j.aas.2015.c140157
摘要:
针对概率和准则值均为三参数区间灰数的多准则决 策问题,本文提出了一种基于前景理论的决策方法. 该方法首先定义了三参数区间灰数的距离和精确记分函数,并通 过讨论其性质给出了比较大小的方法; 其次,通过给出三参数区间灰数前景价值和概率权重函 数的定义,以多参考点为思路,构建前景决策矩阵, 并通过提出参考点集结算子,集结出综合前景决策矩阵. 进而,由优化模型求得的最优准则权系数加权得出方案的综合前景值及排序; 最后,通过算例对比说明了该方法的合理性和可靠性.
针对概率和准则值均为三参数区间灰数的多准则决 策问题,本文提出了一种基于前景理论的决策方法. 该方法首先定义了三参数区间灰数的距离和精确记分函数,并通 过讨论其性质给出了比较大小的方法; 其次,通过给出三参数区间灰数前景价值和概率权重函 数的定义,以多参考点为思路,构建前景决策矩阵, 并通过提出参考点集结算子,集结出综合前景决策矩阵. 进而,由优化模型求得的最优准则权系数加权得出方案的综合前景值及排序; 最后,通过算例对比说明了该方法的合理性和可靠性.
2015, 41(7): 1315-1327.
doi: 10.16383/j.aas.2015.c140680
摘要:
在差分进化算法框架下, 结合抽象凸理论, 提出一种局部抽象凸区域剖分差分进化算法(Local partition based differential evolution, LPDE). 首先, 通过对新个体的邻近个体构建分段线性下界支撑面, 实现搜索区域的动态剖分; 然后, 利用区域剖分特性逐步缩小搜索空间, 同时根据下界估计信息指导种群更新, 并筛选出较差个体; 其次, 借助下界支撑面的广义下降方向作局部增强, 并根据进化信息对搜索区域进行二次剖分; 最后, 根据个体的局部邻域下降方向对部分较差个体作增强处理. 数值实验结果表明了所提算法的有效性.
在差分进化算法框架下, 结合抽象凸理论, 提出一种局部抽象凸区域剖分差分进化算法(Local partition based differential evolution, LPDE). 首先, 通过对新个体的邻近个体构建分段线性下界支撑面, 实现搜索区域的动态剖分; 然后, 利用区域剖分特性逐步缩小搜索空间, 同时根据下界估计信息指导种群更新, 并筛选出较差个体; 其次, 借助下界支撑面的广义下降方向作局部增强, 并根据进化信息对搜索区域进行二次剖分; 最后, 根据个体的局部邻域下降方向对部分较差个体作增强处理. 数值实验结果表明了所提算法的有效性.
2015, 41(7): 1328-1340.
doi: 10.16383/j.aas.2015.c140698
摘要:
多智能体一致性问题在传感网、社交网、协同控制等诸多领域有着广泛的实际应用背景, 本文对离散线性一致性算法的噪声问题进行了研究, 证明了离散线性 一致性算法的噪声不可控性; 提出基于抑噪算子ε(t)的噪声控制策略, 指出当ε(t)为t-0.5的高阶无穷小时, 抑噪后的一致性算法噪声可控; 分析了抑噪算子对一致性 算法收敛性的影响, 证明了在无噪声条件下, 当抑噪算子ε(t为t-1的低阶无穷小时, 抑噪后的一致性算法依然可以使Agent收敛至原收敛状态x*.在上述结论基础上进一步指出, 当t→∞ 时, 若抑噪算子ε(t)的阶在t-0.5~t-1之间, 所有Agent 的状态将以原收敛状态x* 为中心呈正态分布. 最后, 以DHA 为例对相应理论结果进行了验证和讨论. 本文为线性一致性算法的噪声控制提供了理论依据, 对抑噪算s子的确定有较强的指导意义.
多智能体一致性问题在传感网、社交网、协同控制等诸多领域有着广泛的实际应用背景, 本文对离散线性一致性算法的噪声问题进行了研究, 证明了离散线性 一致性算法的噪声不可控性; 提出基于抑噪算子ε(t)的噪声控制策略, 指出当ε(t)为t-0.5的高阶无穷小时, 抑噪后的一致性算法噪声可控; 分析了抑噪算子对一致性 算法收敛性的影响, 证明了在无噪声条件下, 当抑噪算子ε(t为t-1的低阶无穷小时, 抑噪后的一致性算法依然可以使Agent收敛至原收敛状态x*.在上述结论基础上进一步指出, 当t→∞ 时, 若抑噪算子ε(t)的阶在t-0.5~t-1之间, 所有Agent 的状态将以原收敛状态x* 为中心呈正态分布. 最后, 以DHA 为例对相应理论结果进行了验证和讨论. 本文为线性一致性算法的噪声控制提供了理论依据, 对抑噪算s子的确定有较强的指导意义.
2015, 41(7): 1341-1349.
doi: 10.16383/j.aas.2015.c140624
摘要:
提出了一种基于分区控制策略的四元数姿态控制律. 其基本思想是基于姿态四元数误差分区设计目标角速度, 由此将问题降阶为一个角速度跟踪问题; 基于不同的角速度跟踪误差, 设计了切换类型的抗干扰姿态控制律. 该控制策略可以使得姿态快速收敛, 并且在合适的参数选择条件之下还能同时满足控制力矩的饱和约束. 通过综合相平面和Lyapunov函数的分析方法严格证明了闭环系统全局收敛的性质. 最后, 通过数值仿真验证了本文提出的控制方案的有效性.
提出了一种基于分区控制策略的四元数姿态控制律. 其基本思想是基于姿态四元数误差分区设计目标角速度, 由此将问题降阶为一个角速度跟踪问题; 基于不同的角速度跟踪误差, 设计了切换类型的抗干扰姿态控制律. 该控制策略可以使得姿态快速收敛, 并且在合适的参数选择条件之下还能同时满足控制力矩的饱和约束. 通过综合相平面和Lyapunov函数的分析方法严格证明了闭环系统全局收敛的性质. 最后, 通过数值仿真验证了本文提出的控制方案的有效性.
2015, 41(7): 1350-1355.
doi: 10.16383/j.aas.2015.c140833
摘要:
为了减少传统无味粒子滤波(Unscented particle filter, UPF) 算法的计算负担, 提出了最小斜度单形无味转换(Minimal skew simplex UT, MSSUT) 方法, 这种方法是用最小斜度无味卡尔曼滤波来产生粒子的重要性函数. 它不仅能够扩大重要性分布与系统状态的后验概率密度的重叠性, 而且能够通过减少Sigma 点来减少计算负担. 但是, 随着状态空间维数的增加, Sigma 点集的覆盖半径增大, 导致了Sigma 点集的聚集性变差. 辅助随机变量变尺度无味变换(Auxiliary random variable formulation of the scaled unscented transformation, ASUT) 能够克服Sigma 点集分布扩展的缺点. 所以, 提出了一种高维空间中改进的变尺度最小斜度无味粒子滤波(Scaled minimal skew simplex unscented particle filter, SMSSUPF) 算法. 仿真结果表明: 在高维状态空间中, 与传统的无味粒子滤波(UPF) 相比, 计算复杂度和计算负担显著减少. 与最小斜度无味粒子滤波(Minimal skew simplex unscented particle filter, MSSUPF) 相比, SMSSUPF 减少了系统噪声方差和测量噪声方差所带来的估计误差.
为了减少传统无味粒子滤波(Unscented particle filter, UPF) 算法的计算负担, 提出了最小斜度单形无味转换(Minimal skew simplex UT, MSSUT) 方法, 这种方法是用最小斜度无味卡尔曼滤波来产生粒子的重要性函数. 它不仅能够扩大重要性分布与系统状态的后验概率密度的重叠性, 而且能够通过减少Sigma 点来减少计算负担. 但是, 随着状态空间维数的增加, Sigma 点集的覆盖半径增大, 导致了Sigma 点集的聚集性变差. 辅助随机变量变尺度无味变换(Auxiliary random variable formulation of the scaled unscented transformation, ASUT) 能够克服Sigma 点集分布扩展的缺点. 所以, 提出了一种高维空间中改进的变尺度最小斜度无味粒子滤波(Scaled minimal skew simplex unscented particle filter, SMSSUPF) 算法. 仿真结果表明: 在高维状态空间中, 与传统的无味粒子滤波(UPF) 相比, 计算复杂度和计算负担显著减少. 与最小斜度无味粒子滤波(Minimal skew simplex unscented particle filter, MSSUPF) 相比, SMSSUPF 减少了系统噪声方差和测量噪声方差所带来的估计误差.
2015, 41(7): 1356-1364.
doi: 10.16383/j.aas.2015.c140741
摘要:
许多实际系统可用n 维超球坐标系来描述, 并且系统有球对称的性质, 因而可通过研究半径方向的状态变化, 得到系统的全局动态过程. 通过将高维的对称系统转化为等价的径向一维方程, 本文采用边界Backstepping 方法设计了球对称反应扩散方程的输出反馈控制器. 使用容易测量的边界状态值, 设计了状态观测器来估计系统在空间域的所有状态, 从而实现输出反馈控制. 本文扩展了连续Backstepping 方法,提出了n维球坐标的Volterra 积分映射, 从而求出了显式表达的控制器和状态观测器. 论文用Lyapunov 函数法证明了输出反馈系统在H1范数下指数稳定, 表明状态对初值的连续依赖, 确保控制系统具有较好的性质, 不会在空间某点发散. 最后进行了数值仿真, 仿真结果表明系统在输出反馈控制律的作用下收敛到稳态值.
许多实际系统可用n 维超球坐标系来描述, 并且系统有球对称的性质, 因而可通过研究半径方向的状态变化, 得到系统的全局动态过程. 通过将高维的对称系统转化为等价的径向一维方程, 本文采用边界Backstepping 方法设计了球对称反应扩散方程的输出反馈控制器. 使用容易测量的边界状态值, 设计了状态观测器来估计系统在空间域的所有状态, 从而实现输出反馈控制. 本文扩展了连续Backstepping 方法,提出了n维球坐标的Volterra 积分映射, 从而求出了显式表达的控制器和状态观测器. 论文用Lyapunov 函数法证明了输出反馈系统在H1范数下指数稳定, 表明状态对初值的连续依赖, 确保控制系统具有较好的性质, 不会在空间某点发散. 最后进行了数值仿真, 仿真结果表明系统在输出反馈控制律的作用下收敛到稳态值.
2015, 41(7): 1365-1372.
doi: 10.16383/j.aas.2015.c140670
摘要:
针对一类参数化高阶不确定非线性连续系统, 设计迭代学习控制算法, 以解决随机初态对系统跟踪性能产生负面影响的问题. 结合滑模控制思想以及部分限幅参数学习律, 控制算法在预设时间段内抑制随机初态偏差对系统跟踪性能的影响. 经过预设时间后, 随着迭代次数的增加, 系统的跟踪误差及其各阶导数一致收敛到零. 且在整个运行时间段内, 系统各个变量一致有界. 此外, 本文回避了非参数化不确定非线性系统在放宽迭代初值假设时常使用的Lipschitz假设条件, 而采用类Lyapunov函数分析法设计迭代学习控制器. 理论证明和仿真结果都说明了该算法的有效性.
针对一类参数化高阶不确定非线性连续系统, 设计迭代学习控制算法, 以解决随机初态对系统跟踪性能产生负面影响的问题. 结合滑模控制思想以及部分限幅参数学习律, 控制算法在预设时间段内抑制随机初态偏差对系统跟踪性能的影响. 经过预设时间后, 随着迭代次数的增加, 系统的跟踪误差及其各阶导数一致收敛到零. 且在整个运行时间段内, 系统各个变量一致有界. 此外, 本文回避了非参数化不确定非线性系统在放宽迭代初值假设时常使用的Lipschitz假设条件, 而采用类Lyapunov函数分析法设计迭代学习控制器. 理论证明和仿真结果都说明了该算法的有效性.
