一、网络化系统及其建模、分析、控制与优化（论文文献综述）
吴梦莹[1]（2021）在《基于自适应事件触发的网络化系统的输出反馈预测控制研究》文中研究说明
张雷[2]（2021）在《基于丢包补偿策略的网络化系统H∞滤波和控制》文中研究指明随着互联网的普及和通信技术的发展,极大地改变了控制系统的结构。在过去的十年中,网络控制系统（Networked Control Systems,NCS）因其在汽车自动化、智能建筑、交通网络、互联网触觉协作和无人机等多个领域的成功应用而受到越来越多的密切关注。本文主要针对网络化系统中出现的数据包丢失现象,分别给出了不同的丢包补偿方法,即冗余通道补偿、预报补偿、以及多包补偿,并在此基础上还考虑其他随机现象,基于Lyapunov稳定性分析方法和线性矩阵不等式（Linear Matrix Inequality,LMI）技术,设计了满足H∞性能的滤波器和控制器。主要研究内容如下:首先,针对一类带有数据包丢失的线性离散时间NCS,应用一种冗余通道的通讯方式来提高数据包的接收率,同时采用预报补偿策略来更好地减轻丢包对系统的不利影响。基于Lyapunov稳定性理论及LMI技术,设计的滤波器使得估计误差系统均方指数稳定并满足H∞性能。其次,研究了一类通讯拓扑随机变化的离散时间传感器网络系统分布式一致性H∞滤波问题。在统一框架下利用一组服从Bernoulli分布的随机序列对传感器网络中发生的丢包、非线性干扰和时变拓扑现象进行建模。根据二维（two-dimensional,2-D）系统理论,提出一种具有一致性更新的非线性两步滤波器结构,同时采用多个观测数据补偿策略来提升系统性能。滤波器参数可以通过LMI方法获得,使得估计误差系统是均方渐进稳定的,并满足给出的平均H∞性能水平。最后,研究了一类由T-S模糊模型描述的非线性离散时间NCS H∞控制问题。由于网络堵塞,数据包在传输的过程中会发生丢失。为了提高通讯质量,采用一种冗余通道的方法来降低丢包产生的消极影响。应用Lyapunov稳定性分析方法,确定了控制器存在的充分条件,使得闭环系统随机稳定并且达到规定的H∞性能指标。
刘保菊[3]（2021）在《智能电网通信网中业务驱动的高可靠路由算法研究》文中研究表明智能电网是将信息通信、传感测量等多种技术与物理电网高度融合的新型电网。智能电网通信网主要负责电能生产过程中的测量、调节、控制、保护、调度等信息的可靠传输。在智能电网通信网中,调度中心站结合所采集的物理电网状态信息与所辖厂、站节点定期信息交互并,并将综合分析后的决策信息下发至各通信子站或终端站点,从而实现电网智能化管理与调度。智能电网通信网承载的典型电力业务包括继电保护、安稳控制、系统保护、调度自动化、变电站视频监控以及随着新应用兴起和增值服务出现而衍生的新型电力业务,这些业务具有异构性强、QoS需求差异大及行业特色明显等特点。端到端电力业务的可靠传输是确保通信网络对智能电网调度、保护及控制的关键。结合网络运行实际、多维参数约束及网络资源使用情况,本文从业务角度研究高可靠路由算法设计对优化网络资源配置、提升全局网络资源利用率、实现网络负载及风险均衡对确保智能电网稳定运行具有重要意义。在智能电网通信网中,高可靠路由算法的研究已引起学术界和产业界广泛关注,但由于智能电网通信网结构及承载业务的特殊性,仍存在以下问题需要解决:大多数路由算法没有考虑因业务汇聚而造成的局部网络风险扩大问题;针对关键电力业务,缺乏将网络特点与业务性能相结合的双路由规划算法;进行业务恢复时的路由重构模型目标函数与约束条件设定相对简单,对智能电网通信网适用性有限。针对以上问题,本文结合不同业务类型及智能电网通信网络特点,开展基于风险感知和QoS保障的业务双路由规划算法、基于链路带宽可用性的业务路由恢复算法、基于生存性的业务路由恢复算法、基于拥塞缓解的业务路由优化及资源分配算法等四个方面的研究,主要内容如下:（1）针对智能电网通信网中现有双路由算法对业务汇聚性和QoS指标考虑不足的问题,提出了基于风险感知和QoS保障的系统保护类业务双路由规划算法。该算法综合考虑节点风险、链路风险、整体网络风险均衡及业务端到端通信时延等因素,构建以最小化业务通信时延及网络风险均衡为目标的多目标优化模型,并采用带精英策略的快速非支配排序遗传算法求解。仿真结果表明所提出的双路由规划算法能满足业务通信指标需求,同时与联合网络负载与风险均衡的路由算法相比,业务主路由规划方案中网络整体风险均衡值降低约29.83%,而备用路由规划方案中整体风险均衡值则降低了 57.48%。（2）针对智能电网通信网小规模网络故障后,现有重路由算法忽略不同电力业务差异性及网络负载不均衡问题,提出了基于链路带宽可用性的业务路由恢复算法。在该算法中,先进行业务等级划分,同时结合电网站点等级差和链路带宽可用性等因素,将重路由后网络负载均衡问题构建为以链路带宽可用性最大为目标的整数规划问题,并在k最短路径算法基础上设计启发式算法以获取高效可行解。仿真验证表明该算法在单链路、双链路两种故障场景下均能有效实现差异化电力业务恢复,同时与基于平均链路利用率的负载均衡算法相比,其平均负载标准差分别降低了2.26%、3%。（3）针对自然灾害引发的智能电网通信网区域故障导致多业务传输中断,现有路由恢复算法忽略电力业务性能指标及持续灾害影响的问题,提出了基于生存性的业务路由恢复算法。该算法在业务优先级分类基础上,结合地震灾害发生特点,建立节点、链路及路由生存性模型。为提高算法运行效率,满足业务恢复要求,利用深度强化学习的强表征和强决策能力,将深度优先算法与改进抽样机制的深度强化学习算法相结合,以获取最优路由组合并实现整体业务快速恢复。仿真验证表明所提出算法与基于优先级抽样的强化学习方法相比具有更好收敛性;在满足业务通信时延前提下,与基于贪婪近似技术的最小时延路由算法相比路由生存性提升了 47%。（4）针对电力业务在主备路由切换过程中,因备用路径上频谱资源相对紧缺容易造成业务阻塞率高及网络负载不均衡问题,提出了基于拥塞缓解的业务路由及频谱资源分配算法。该算法结合业务需求、网络拓扑特点及网络资源在时间、频谱域上的状态等多种因素影响,构建以最小化业务阻塞率和时间、频谱连通度为目标的整数线性规划模型,并提出基于弹性时间调度的拥塞缓解机制,以解决资源紧张时业务阻塞率高的问题。为降低算法运行时间,设计启发式算法进行求解。仿真结果表明与典型的路由及资源分配方案相比,所提算法业务阻塞率降低了 38.09%,负载公平性指数则提升了 54.89%。
党泽坤[4]（2021）在《通信受限的网络化系统控制策略研究》文中进行了进一步梳理由于自动控制、网络技术及微电子技术的迅猛发展,市场上多种多样的智能传感器、智能控制芯片面世,网络化控制系统便成为工业自动化控制领域一个值得深究的热点问题。网络化控制系统具有资源共享、结构简单、可靠性和灵活性更高及可远程操控等优点。但是优点众多的网络化控制系统仍然也会存在一些难以解决的问题,由于所传输的信息都是在网络中进行传输,而网络带宽通常是有限的,这就不可避免地存在介质访问约束、数据丢包和量化等通信约束问题,对系统的性能造成极大的威胁。本文研究了存在多种通信约束的网络化控制系统控制器/滤波器的设计问题,主要内容如下:首先,针对存在介质访问约束和信号量化的网络化控制系统,研究了动态输出反馈控制问题。将信号量化误差处理为扇形有界的不确定性,然后根据系统的随机访问机制将网络化控制系统建模成离散时间的马尔可夫跳变系统,并由李雅普诺夫稳定性理论和线性矩阵不等式技术推导出系统稳定的充分条件,同时设计了动态输出反馈控制器,使得网络化控制系统渐近稳定。最后,通过仿真算例对本章所提控制方法的有效性进行了验证。其次,针对存在介质访问约束和数据包丢失的网络化控制系统,研究了鲁棒预测控制问题。针对上述所存在的多种通信约束,将介质访问约束描述为马尔可夫跳变过程,并用伯努利独立同分布描述丢包现象,从而将系统建模为一个马尔可夫跳变系统,在此基础上,对网络化控制系统的鲁棒预测控制器进行设计,使得网络化控制系统渐近稳定。最后,通过给出的一个仿真算例来验证本章所提控制方法的有效性。再次,针对存在介质访问约束、数据包丢失和量化的网络化控制系统,研究了网络化控制系统的耗散滤波问题。通过将系统建模为切换T-S模糊模型可表示的离散时间系统,借助基于模糊基的李雅普诺夫稳定性理论,并在给出的充分条件下保证了系统的耗散性能,同时设计了相应的滤波器。最后,通过给出的一个仿真算例来验证本章所提方法的有效性。最后,对全文一些主要的研究工作做出了总结,给出了本文的一些研究成果,并对未来的研究工作进行了梳理与展望。
郭婧[5]（2021）在《基于观测器的DoS攻击网络化系统动态事件触发控制》文中提出网络化系统不同于传统系统采用点对点连接的方式,而是采取共享的通信设备来传输传感器和控制器的数据。近年来,由于传感器、通信和计算技术的快速发展,网络化系统受到越来越多关注。然而,网络化系统广泛应用也带来了新的挑战,针对网络化系统面临的有限资源与网络安全问题,本文主要研究基于观测器的具有Denial-of-Service（简称Do S）攻击网络化系统动态事件触发镇定控制与鲁棒H?控制问题,通过查阅相关研究资料,发现关于网络化系统静态事件触发机制的研究内容成果丰富,网络化系统安全问题的研究也有一些进展,但是目前关于动态事件触发机制的研究以及动态事件触发与网络化系统的安全问题的协同控制研究成果有限,这激发了本文对于此类课题的研究。本文主要研究内容如下:针对具有周期Do S攻击的网络化系统,设计一种基于观测器的具有动态事件触发机制的控制器。首先,采用切换系统的方法,将具有Do S攻击的网络化系统分为Do S攻击活跃子系统和Do S攻击休眠子系统。对不可测的系统状态设计状态观测器,通过在静态事件触发中引入一个内部动态参数,设计动态事件触发机制,利用动态事件触发序列设计基于观测器状态的控制器。其次,依据Lyapunov稳定性理论、改进的Jensen’s不等式和Schur补引理,得到两个切换子系统稳定充分条件,在此基础上引入Do S攻击限制得到具有LMI形式的切换系统渐近稳定的充分条件,同时给出了状态观测器、控制器和动态事件触发机制协同设计参数。最后,通过一个数值例子验证所提方法的有效性。针对具有未知周期Do S攻击的网络化系统,考虑系统可能面临未知输入扰动和不确定性的影响,设计一种基于观测器的具有动态事件触发的鲁棒H?控制器。首先对未知周期Do S攻击建模,设计状态观测器和动态事件触发机制,给出闭环切换系统H?性能指标。其次考虑不存在扰动情况下,通过Lyapunov函数理论和相关引理,给出具有未知周期Do S攻击的网络化系统鲁棒稳定的充分条件,然后考虑存在扰动时,通过H?性能指标和相关引理,得到系统在干扰作用下具有H?性能的LMI充分条件。最后,给出一个数值例子验证所提方法的有效性,通过求解最小化问题优化H?性能参数增大系统扰动抑制程度。考虑到本文所研究成果的实际应用,研究基于数字平台的主动悬架系统在Do S攻击下的鲁棒控制问题。通过分析主动悬架物理模型,建立四分之一汽车模型作为研究对象,结合具有未知周期Do S攻击的网络化系统鲁棒H?控制理论,进行主动悬架系统的状态观测器、控制器和动态事件触发机制的协同设计,从而验证本文所提出的基于观测器的未知周期Do S攻击网络化动态事件触发鲁棒H?控制理论。
李婕[6]（2020）在《转移概率部分未知的变周期网络化控制系统研究》文中认为网络化控制系统是不断更新发展的计算机技术、通信网络技术与控制学科相互结合的产物。由于通信网络的引入,网络化控制系统具有成本低、易安装、易维护等诸多优点,已经在车间生产、机械控制、航天军工等领域得到了广泛应用。然而,通信网络作为数据传输介质,由于其不稳定性特点也会带来网络时延、数据丢包等问题。除此之外,网络资源和负载的改变也会使系统的采样周期有所不同。本文首先考虑定常采样周期的网络化控制系统,研究具有随机时延以及数据丢包情况下的H∞控制器的设计问题;在此基础上,考虑时变采样周期的网络化控制系统,研究存在时延以及数据丢包情况下的状态反馈控制器的设计问题。本文主要研究内容如下:（1）针对具有随机时延的网络化控制系统,设计系统状态反馈控制器。把线性系统转化为离散时间系统模型,并将随机时延建模为有限状态的Markov链,并且其状态转移概率矩阵的部分元素是未知的。利用李亚普诺夫（Lyapunov）稳定性理论和随机稳定性理论,证明并得到状态反馈控制器存在的充分条件。计算线性矩阵不等式（LMI）,并由矩阵分解理论得出控制增益。最后给出Matlab仿真算例,证明所提方法是有效可行的。（2）针对具有确定短时延和数据丢包的网络化控制系统,设计系统的状态反馈H∞控制器。将具有数据丢包的系统建模成具有三个子系统的Markov跳变系统,并且状态转移概率矩阵的部分元素未知,数据包丢失情况采用Bernoulli序列描述。利用Lyapunov稳定性理论和随机稳定性理论,证明并得到H∞控制器存在的充分条件,通过计算LMI得出控制增益。最后给出Matlab仿真算例,证明所提方法是有效可行的。（3）针对具有时变时延的变周期网络化控制系统,设计系统的状态反馈控制器。将变采样周期转化为定常采样周期与时变时延之和,建立离散系统模型,并利用矩阵分解的方法,将时变时延及周期的不确定性转换为控制系统参数的不确定性。采用Lyapunov稳定性理论的分析方法,证明并得到状态反馈控制器存在的充分条件,通过计算LMI得出控制增益。最后给出Matlab仿真算例,证明所提方法是有效可行的。（4）针对具有时变时延和数据丢包的变采样周期网络化控制系统,设计依赖于数据丢包特性的时变状态反馈控制器。根据时变时延及变采样周期将系统离散化,根据矩阵分解的方法,将时变时延及周期的不确定性转换为控制系统参数的不确定性。将存在数据丢包的网络化控制系统建模成具有四个子系统的Markov跳变系统,并且状态转移概率矩阵的部分元素未知,数据包丢失情况采用Bernoulli序列描述。利用Lyapunov稳定性理论和随机稳定性理论,证明并得到时变状态反馈控制器存在的充分条件,通过计算LMI得出控制增益。最后给出Matlab仿真算例,证明所提方法是有效可行的。
刘义才[7]（2020）在《具有时延与丢包的网络化系统镇定与跟踪控制》文中指出近年来,网络化控制系统（Networked Control Systems,NCSs）的研究受到了国内外控制领域学者的广泛关注。相对于传统的点对点控制系统,NCSs更易于设计成大规模系统,且具有容易安装和维护,布局布线方便,高度灵活性等优点。但是,将网络引入控制系统,数据在带宽有限的网络中传输不可避免地会存在诸如网络诱导时延、数据丢包等网络约束问题,这使得NCSs的分析和设计比传统的控制系统更为复杂。针对以上问题,现有文献已经做了很多的相关研究工作,也取得了较好的研究成果。因此,本文将在已有的研究成果的基础上,针对具有网络诱导时延与数据丢包的网络化系统的镇定与跟踪控制问题进一步地展开研究,主要完成了以下研究内容:1)研究了具有网络诱导时延的NCSs镇定问题。为了进一步地减少设计的保守性,通过将网络诱导时延的变化范围进行区间划分,将其转化为在多个区间内的小范围变时延问题。进而在随机系统的分析方法中,根据时延在各个区间的跳变特性将其描述为一个基于有限状态Markov的随机过程,建立了系统参数不确定性的离散时间跳变模型;同时考虑了在Markov时延转移概率矩阵中的部分元素未知,甚至全部未知的条件下,设计了满足系统随机稳定性要求的时变控制器。由于难于获取时延的跳变概率,因此本文进一步地提出了确定性的切换控制方法。在该方法中,针对被划分为多个小区间的时延,采用系统状态增广矩阵的方法建立了参数不确定的离散时间切换系统模型;基于平均驻留时间,给出了系统满足指数稳定的条件以及控制器设计方法,接着进一步地建立了时延区间划分个数与系统状态指数衰减率的定量关系。2)研究了具有网络诱导时延与数据丢包的NCSs镇定问题。在随机系统的分析方法中,采用了Markov随机过程来描述系统丢包的特性,然后利用系统状态增广矩阵的方法建立了参数不确定的离散时间跳变系统模型,接着在考虑Markov丢包转移概率矩阵中部分元素未知,甚至完全未知的条件下,采用Lyapunov稳定理论和随机理论的分析方法,设计了依赖于丢包特性且满足系统均方稳定要求的时变控制器。类似的,由于难于获取丢包的跳变概率,因此本文进一步地提出了确定性的切换控制方法。在该方法中,针对同时存在时延与丢包问题,首先采用增广矩阵的方法建立了参数不确定的离散时间切换系统模型,然后基于模型依赖平均驻留时间的切换系统分析方法,给出了系统状态满足指数稳定的条件,接着进一步地建立了系统状态指数衰减率和任意丢包率的定量关系。3)针对不确定的NCSs,研究了混合事件触发机制下的建模与控制问题。目前大部分网络化系统的研究都是基于时间触发通信机制而展开的,它的执行周期常常是按照系统最坏的情况来设计,因此所有的采样信号均需要通过网络发送,而不考虑被控对象状态变化的影响。显然,时间触发通信机制不能对有限网络资源进行充分利用,甚至会加重网络负担,破坏网络化系统的性能。因此,该部分将从节约网络资源,以及保证系统控制性能角度来对存在不确定参数的NCSs进行研究。首先利用系统状态相关信息和无关量给出了阈值触发条件,其次利用时滞系统的分析方法建立了具有时变时延的网络化系统模型,然后在考虑网络诱导时延分段连续可微特性的基础上,利用自由权矩阵和互逆凸组合方法给出了系统满足渐进一致有界稳定的条件和控制器设计方法。4)研究了网络化输出跟踪控制的问题。在鲁棒H?控制方法中,利用参考模型,并采用增广状态空间模型的方法将网络诱导时延,数据丢包以及参数不确定统一在时滞系统模型下,进而将输出跟踪问题转为系统鲁棒H?控制问题,设计了一个鲁棒的状态反馈控制器,在鲁棒H?的意义上保证了系统的输出跟踪性能。由于PID算法先天的优势,可消除跟踪输出误差。因此在前期研究的基础上提出了保性能PID控制方法。针对实际工业工程中具有的二阶传递函数对象,将PID跟踪控制器参数选择归结为LMI求解凸优化的系统稳定性问题,实现了网络化PID跟踪控制,可达到快速平稳且输出无静差的跟踪效果。为验证算法的有效性和实用性,对以上每项研究内容和算法进行了数值算例仿真或实验验证,结果表明了本文所提算法的有效性。文章的最后,对全文进行了总结,并对接下来的研究工作提出了展望。
张潇[8]（2020）在《基于矩阵半张量积方法的逻辑动态系统控制及其在对策问题中的应用》文中提出本文以矩阵半张量积为工具,以逻辑动态系统的代数状态空间表示为方法,研究人工智能中智能推理与智能决策的几个理论与具体决策问题的解法.首先研究逻辑动态系统的两个基础理论问题,然后将逻辑动态系统的建模与控制应用到智能规划和博弈这两类决策问题中.依照着名的人工智能先驱——Herbert Alexander Simon教授提出的理性决策步骤,本文依次对决策过程的信息获取、策略设计、策略选择以及策略实施四个阶段中几个代表性的问题使用矩阵半张量积方法进行研究,得到了若干结果,为智能推理与智能决策提供了基于控制方法的理论依据.由于逻辑动态系统的理论研究和它在决策问题中的应用仅仅处于发展的前期阶段,基于矩阵半张量积方法的控制与决策仍具有无限的潜力和广阔的探索空间,因此值得进一步的探讨与挖掘.本文的主要研究内容如下:·研究布尔控制网络的输出跟踪（输出调节）问题.首先提出控制吸引子（控制不动点与控制极限环）的概念,同时给出计算给定状态集含有的控制吸引子的公式.其次证明给定状态集的最大控制不变子集是该状态集里可以通过有限步控制,在每一次更新后依然属于该状态集的条件下,能最终控制到控制吸引子的状态所组成的集合.之后构建一个辅助系统,该系统结合了原有的布尔控制网络和参考系统.使用最大控制不变子集,基于辅助系统的集合能控性方法,得到一个易于验证的输出跟踪问题可解的充分必要条件.对于可解的输出跟踪问题,分别给出开环控制序列与闭环控制反馈增益矩阵的设计方法,令原网络在最短时间内完成对参考系统的输出跟踪.·研究布尔控制网络的能观性与可重构性判据.通过构造一个辅助系统,把原布尔控制网络“状态对”的控制转化为辅助系统状态的控制.利用集合能控性方法与控制吸引子的概念,将原系统能观性和可重构性的验证问题等价转化为辅助系统的集合能控性问题,并借助辅助系统集合能控的条件分别给出布尔控制网络能观与可重构的判定条件以及矩阵维数不变的判定公式.·研究受限逻辑动态系统的能控性问题,给出系统能控的充分必要条件.经过分析其控制-状态禁止对,将农夫-狼-羊-白菜的渡河问题和传教士与食人族的渡河问题在逻辑动态系统的框架下建模,并转化为包含控制-状态禁止集的受限逻辑动态系统的能控性问题,然后通过系统的能控性条件得到最优解（最短步长解）.·研究网络化配对问题的稳定性以及镇定问题.首先给出网络化配对问题的定义和建模,在网络化配对问题的框架下证明稳定安排的存在性并且得到安排的相关性质.其次给出一个算法以验证一个安排是否稳定,并利用逻辑动态系统的代数状态空间方法得到网络化配对问题的稳定性判据.然后采用控制来刻画现实生活中“介绍人”的作用,以达到网络化配对问题的全局集合稳定,并由此分析得到对应系统镇定的相关结果.·研究局势受限博弈,即包含非法局势的普通有限博弈.使用矩阵半张量积方法,将局势受限博弈在逻辑动态系统的框架下建模,进一步研究局势受限博弈的结构和在给定策略更新规则下的动态演化,给出判定一个局势受限博弈是否为势博弈的充分必要条件.此外,给出寻找合法局势集的方法,从而保证在找到的合法局势集下,局势受限博弈是势博弈.为使得到的结论更具应用价值,受近似势博弈概念的启发研究局势受限近似势博弈,给出局势受限博弈空间的正交分解公式,并对于包含多个可选合法局势集的局势受限博弈给出选择合法局势集的算法.·研究局势驱动虚拟对策.局势驱动虚拟对策是一类新的博弈学习算法,是经典虚拟对策的一个改进.首先给出局势驱动虚拟对策的定义.其次使用矩阵半张量积方法给出局势驱动虚拟对策的模型和更新规则,并得到最优响应下的局势驱动虚拟对策关于纳什均衡的吸收性等性质.最后给出若干仿真示例以展示局势驱动虚拟对策的优越性.
吴凯[9]（2020）在《复杂系统智能建模算法及其应用研究》文中研究表明复杂系统遍及自然、社会和技术领域。建立刻画复杂系统的模型是认知、预测、控制和同步复杂系统的基础。对于大多数复杂系统,只有有限的复杂动力学表征数据可用。因此,如何从表征数据构建刻画复杂系统的模型成为当代复杂系统研究的一个核心问题。作为系统建模的技术基础,优化算法辅助建模成为大数据时代下复杂系统建模研究的核心之一。针对设计复杂系统智能建模算法所遇到的难点,本文以模糊认知图和复杂网络为工具,人工智能技术为手段,从问题线、算法线、模型应用线三个层面展开研究。问题线研究不同类型系统表征数据下的系统建模问题,涉及小规模静态数据、大规模静态数据、大规模含噪静态数据和实时流数据。算法线致力于设计能够对问题线所涉及的复杂系统进行建模的智能算法,涵盖小规模离线建模算法、大规模离线建模算法和在线建模算法。模型应用线研究将所提出的复杂系统模型的应用于解决基因网络重建、时间序列预测和隐藏节点鉴别等问题上。本文主要工作可概括如下:1.针对模糊认知图模型,本文提出了小波模糊认知图。该模型将小波变换函数与模糊认知图相结合,形成小波模糊认知图。小波函数是一种局部函数,具有有限的持续时间和零的平均值。这能够有效的解决现有模糊认知图模型中Sigmoid函数的缺陷。在人工数据、实际数据和分类问题上的实验结果表明,该模型能有效改善现有的模糊认知图的建模能力。2.从观测数据中自动学习大规模稀疏模糊认知图是一个非常重要的问题。由于搜索空间大,收敛速度慢等因素,现有的方法难以处理大规模模糊认知图。针对大规模复杂系统建模问题,本文提出了一种基于压缩感知的大规模模糊认知图学习算法。该算法结合模糊认知图的稀疏性,将模糊认知图的学习任务分解为稀疏信号重构问题。压缩感知对稀疏信号的精确恢复能力为该算法准确地学习模糊认知图提供了保障。实验结果表明,该算法只需从少量数据中学习就可以获得具备良好性能的模糊认知图。同时,该算法可以有效地学习1000个节点甚至更大规模的稀疏模糊认知图。3.从少量数据中学习大规模稀疏模糊认知图仍然是一个突出的问题。特别是,当有限的数据量伴随着噪声时,模糊认知图学习将面临重大的挑战。针对这一问题,本文提出了一种基于LASSO（Least Absolute Shrinkage and Selection Operator）的大规模模糊认知图鲁棒学习方法。实验结果表明,无论有无噪声,该算法在都取得了良好的效果。4.在计算资源有限的情况下,如何有效地学习大规模模糊认知图是一个值得研究的课题。为学习大规模模糊认知图,在大多数相关研究中,该问题被分解为多个子问题,然后使用一个优化器对每个子问题进行优化。不同子问题对计算资源的要求可能不同,但现有的方法忽略了这个问题。为在有限计算资源下最大化模糊认知图的质量,本文提出了一种基于动态资源分配的模糊认知图学习方法。该方法首先利用一个动态资源分配策略来在有限的计算预算下最大化优化器的性能。其次,该方法提出了一个半阈值密母算法来改善传统进化算法的性能。实验结果表明了动态资源分配策略和半阈值密母算法的有效性。5.现有的模糊认知图学习方法是批量学习方法,它们难以处理超大规模数据集和实时流数据,这将导致复杂系统建模失败。针对这一问题,本文提出了一种在线大规模模糊认知图学习方法。不同于现有的基于进化和回归的批学习方法,该算法首先将模糊认知图学习问题建模成在线学习问题,并建立在线模糊认知图学习框架,然后利用在线优化方法来解决在线模糊认知图学习问题。实验结果表明了该算法可以有效地从流数据中在线地学习大规模模糊认知图。6.不同于基于模糊认知图的复杂系统建模模型,本文也从复杂网络的角度来研究复杂系统的智能建模方法。从现有数据重建复杂网络的交互结构是理解和控制其集体动力学的基础。从计算复杂性的角度看,大多数网络重建问题是非凸的,该问题难以有效地优化以得到最优解。为了提高网络重建的精度,本文提出了一种直接求解该非凸问题的密母算法。根据问题的特点,该算法还设计了修正算子和局部搜索算子以加快密母算法的收敛速度。与现有先进的网络重建算法的对比结果表明该算法在重建精度方面具有很强的优势。7.现有的方法大多将非凸的网络重建问题转化为凸优化问题,如LASSO和其他稀疏学习方法。它们需要一个不易确定的参数来折衷网络的自然稀疏性和测量误差。针对这一问题,本文提出了一种基于多目标进化算法的进化博弈网络重建算法。首先,将进化博弈网络重建问题建模为一个多目标优化问题,然后设计了一个多目标进化算法来求解这一两目标问题。该算法设计了一个基于LASSO的种群初始化算子。最后,利用拐点来为决策者从Pareto解集上选解。实验结果表明,该方法有效地避免了折衷参数选择问题,并能够高精度地重建进化博弈网络。8.现有的网络重建方法忽略了网络结构中的一些有用信息,如广泛存在于各种复杂网络中的社团结构。受社团结构的启发,本文提出了一种基于多目标进化的含社团结构网络重建算法。该算法利用网络的社团结构信息将原始决策空间划分为多个小决策空间,然后利用多目标进化算法在缩减后的决策空间中寻找改进解。在30个多目标网络重建数据集上的实验结果表明该方法明显提高了现有进化方法的重建精度。9.现有的批量网络重建方法不能从大规模的实时流数据中重建网络结构。为了克服现有方法的局限性,本文提出了一种在线复杂网络重建方法。该方法首先提出了针对流数据的在线网络重建问题,然后提出了一种在线梯度下降方法来对其求解。实验结果表明,该算法可以有效地解决大规模实时流数据的在线网络重建问题,其性能优于或匹配先进的批量网络重建方法。10.上述工作研究的算法中每次对算法性能估计时所需要的代价是比较低的。当算法评估成本较低时,上述算法具有良好的性能。但是在一个代价昂贵的复杂系统建模的优化问题中,它们的性能远未令人满意。针对昂贵代价复杂系统智能建模问题,本文提出了一种基于多保真估计的分类优化算法。该算法先将分类优化方法扩展到多保真的模式,然后利用低保真度探索决策空间,并利用高保真度挖掘连续较小区域。实验结果表明,该算法优于忽略多保真信息的单保真算法和其他多保真算法。11.传统的基于模糊认知图的时间序列预测方法具有三个局限性:1)现有的特征提取算子无法获得原始时间序列的良好表示;2)目前的方法只利用模糊认知图的输出来预测下一个值,并没有直接利用潜在特征的重要信息;3)目前基于模糊认知图的时间序列预测模型对各个分量分别进行优化,导致预测精度较低。为了克服这三个局限性,本文提出了一种基于稀疏自编码和高阶模糊认知图的时间序列预测框架。该算法采用稀疏自编码从原始时间序列中提取特征,并结合稀疏自编码和高阶模糊认知图的输出来计算预测值。当预测误差较大时,采用批梯度下降算法更新整个模型的权值。实验结果表明该算法能够有效地克服上述局限性。12.针对进化博弈中隐藏玩家定位问题,本文提出了一种基于模糊认知图的进化博弈中隐藏玩家鉴别的方法。该方法首先将进化博弈模型理解成玩家之间博弈的复杂系统,并利用模糊认知图对其建模。检测隐藏玩家的基本思想是在对复杂系统建模时,充分利用隐藏玩家的知识是无法获知的这个特征。由于玩家是隐藏的,因此它的收益和博弈策略是无法获取的,从而导致建立的模糊认知图模型不准确,并因此导致相邻玩家的预测连接模式异常。然后,该算法通过识别任何异常连接模式来检测隐藏玩家的邻居。实验结果表明该方法可以有效地识别隐藏玩家的所有最近邻居。
黄锐鹏[10]（2020）在《基于事件触发的永磁同步电机自适应神经网络控制》文中指出永磁同步电机具有结构简单、体积小、效率高等显着优点,是近几年研究较多并在各个领域中应用越来越广泛的一种电机。同时,随着计算机网络的飞速发展与应用,网络化成为了永磁同步电机的重要发展趋势。由于网络带宽资源是有限的,拥塞的网络环境会降低系统的控制性能,甚至导致系统不稳定。考虑到事件触发控制在节约网络带宽资源方面的优势,如何利用事件触发机制克服这个问题成为了一个极具挑战和热点的研究课题。本文重点研究了基于事件触发的永磁同步电机自适应神经网络控制问题。具体地,针对应用于网络化环境下的永磁同步电机存在网络带宽资源受限、部分系统动态未知以及非匹配扰动的情况,讨论了永磁同步电机离散系统的自适应神经网络事件触发控制方案设计问题。本文的主要工作概述如下:首先,基于永磁同步电机模型精确已知的情况,采用提前预测方法将系统模型转换为预测模型,避免了电机离散系统在反推设计时出现因果矛盾的问题。针对网络带宽资源有限的问题,通过在控制器与执行器之间的网络通道引入带有死区算子的绝对事件触发机制,使得永磁同步电机在获得良好控制性能的同时,也减少了系统网络带宽资源的消耗,从而减轻或者避免网络拥塞问题对控制性能造成的不良影响。然后,考虑到永磁同步电机在实际使用中还存在未知动态和外部扰动的情况,利用高阶神经网络对系统未知动态进行局部准确建模,设计出扰动观测器对外部扰动进行估计,并利用估计值进行扰动补偿,从而提高系统鲁棒性。由于存在非匹配扰动,常用的提前预测方法无法解决因果矛盾的问题,这里针对原始模型采用变量代换的方法进行解决。随后同样在控制器与执行器之间的网络通道引入绝对事件触发机制,使得在实现系统跟踪控制的同时,有效地节省系统网络带宽资源。最后,针对网络带宽资源有限的问题,充分考虑到传感器和控制器之间网络通道的资源情况,设计了双通道事件触发机制,使得传感器和控制器之间无需实现连续的信息流传输,进一步降低对系统网络带宽资源的消耗。同时所设计的触发阈值包含系统状态信息,相比于绝对事件触发机制能够更好地协调系统控制性能与触发阈值之间的关系,从而更加有效地利用网络通讯资源。
二、网络化系统及其建模、分析、控制与优化（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、网络化系统及其建模、分析、控制与优化（论文提纲范文）
（2）基于丢包补偿策略的网络化系统H∞滤波和控制（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 网络化系统的概况 |
| 1.2.1 网络化系统中的随机现象 |
| 1.2.2 网络化系统的研究现状 |
| 1.3 线性矩阵不等式基础 |
| 1.3.1 线性矩阵不等式的一般表示 |
| 1.3.2 线性矩阵不等式工具箱 |
| 1.4 主要研究内容 |
| 第2章 基于冗余通道和预报补偿的网络控制系统H_∞滤波 |
| 2.1 引言 |
| 2.2 问题的描述 |
| 2.3 滤波性能分析 |
| 2.4 滤波器设计 |
| 2.5 仿真算例 |
| 2.6 本章小结 |
| 第3章 基于多包补偿的时变拓扑传感器网络系统分布式H_∞滤波 |
| 3.1 引言 |
| 3.2 问题的描述 |
| 3.2.1 系统模型 |
| 3.2.2 网络诱导现象 |
| 3.2.3 非线性两步滤波器结构 |
| 3.2.4 基于二维系统的滤波器结构 |
| 3.3 滤波性能分析 |
| 3.4 分布式一致性H_∞滤波器设计 |
| 3.5 仿真算例 |
| 3.6 本章小结 |
| 第4章 基于冗余通道补偿的非线性网络控制系统模糊H_∞控制 |
| 4.1 引言 |
| 4.2 问题的描述 |
| 4.2.1 系统描述 |
| 4.2.2 基于网络的模糊H_∞控制器结构 |
| 4.2.3 闭环系统 |
| 4.3 稳定性分析 |
| 4.4 控制器设计 |
| 4.5 仿真算例 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果 |
（3）智能电网通信网中业务驱动的高可靠路由算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究内容和创新点 |
| 1.2.1 研究内容 |
| 1.2.2 创新点 |
| 1.3 博士期间主要工作 |
| 1.4 论文组织结构 |
| 第二章 智能电网通信网中业务驱动的高可靠路由算法综述 |
| 2.1 概述 |
| 2.2 智能电网通信网 |
| 2.2.1 智能电网通信网网络架构 |
| 2.2.2 智能电网骨干通信网架构 |
| 2.2.3 智能电网骨干通信网传输技术 |
| 2.2.4 智能电网通信网业务 |
| 2.2.5 智能电网通信网协同控制网络架构 |
| 2.3 研究现状 |
| 2.3.1 智能电网通信网中预置双路由算法研究现状 |
| 2.3.2 智能电网通信网中动态路由恢复算法研究现状 |
| 2.4 存在的问题 |
| 2.5 本章小结 |
| 第三章 基于风险感知和QoS保障的业务双路由规划方法 |
| 3.1 引言 |
| 3.2 问题分析 |
| 3.2.1 问题描述 |
| 3.2.2 系统建模 |
| 3.3 双路由规划求解算法 |
| 3.3.1 算法框架 |
| 3.3.2 算法设计 |
| 3.4 实验分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于链路带宽可用性的业务路由恢复算法 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.2.1 问题描述 |
| 4.2.2 系统建模 |
| 4.3 算法设计 |
| 4.3.1 算法步骤 |
| 4.3.2 算法描述 |
| 4.3.3 复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于生存性的业务路由恢复算法 |
| 5.1 引言 |
| 5.2 问题分析 |
| 5.2.1 问题描述 |
| 5.2.2 系统建模 |
| 5.3 算法设计 |
| 5.3.1 模型分析及求解 |
| 5.3.2 深度强化学习框架 |
| 5.3.3 深度强化学习框架下的业务恢复机制 |
| 5.3.4 基于优先缓存的DQN算法 |
| 5.4 实验分析 |
| 5.4.1 仿真参数设置 |
| 5.4.2 实验结果分析 |
| 5.5 本章小结 |
| 第六章 基于拥塞缓解的业务路由优化及资源分配算法 |
| 6.1 引言 |
| 6.2 问题分析 |
| 6.2.1 问题描述 |
| 6.2.2 系统建模 |
| 6.3 算法设计 |
| 6.3.1 基于路由满意度的业务路由算法 |
| 6.3.2 基于链路时频连续度的频谱资源分配算法 |
| 6.3.3 算法时间复杂度分析 |
| 6.4 实验分析 |
| 6.4.1 仿真参数设置 |
| 6.4.2 实验结果分析 |
| 6.5 本章小结 |
| 第七章 结束语 |
| 7.1 论文总结 |
| 7.2 未来的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
（4）通信受限的网络化系统控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 网络化控制系统中存在的问题 |
| 1.2.1 网络诱导时延 |
| 1.2.2 数据丢包 |
| 1.2.3 单包传输与多包传输 |
| 1.2.4 网络通信受限 |
| 1.2.5 网络调度 |
| 1.2.6 信号量化 |
| 1.3 具有通信约束的网络化控制系统的研究现状 |
| 1.3.1 存在介质访问约束的网络化控制系统的研究 |
| 1.3.2 存在数据丢包的网络化控制系统的研究 |
| 1.3.3 存在信号量化的网络化控制系统的研究 |
| 1.4 目前存在的问题与不足 |
| 1.5 本文的主要工作 |
| 第2章 网络化系统动态输出反馈控制器设计 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.2.1 介质访问约束 |
| 2.2.2 信号量化 |
| 2.3 主要结果 |
| 2.4 仿真算例 |
| 2.5 本章小结 |
| 第3章 网络化系统鲁棒预测控制器设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 介质访问约束 |
| 3.2.2 数据丢包 |
| 3.3 主要结果 |
| 3.3.1 稳定性分析 |
| 3.3.2 鲁棒预测控制器设计 |
| 3.4 仿真算例 |
| 3.5 本章小结 |
| 第4章 网络化模糊切换系统的耗散滤波器设计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 介质访问约束 |
| 4.2.2 数据丢包 |
| 4.2.3 信号量化 |
| 4.3 滤波误差系统 |
| 4.4 主要结果 |
| 4.5 仿真算例 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（5）基于观测器的DoS攻击网络化系统动态事件触发控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的与意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 事件触发机制研究现状 |
| 1.2.2 动态事件触发机制研究现状 |
| 1.2.3 具有DoS攻击的网络化系统研究现状 |
| 1.3 论文研究内容 |
| 第2章 基于观测器的周期DoS攻击网络化系统动态事件触发控制 |
| 2.1 主要引理 |
| 2.2 系统描述 |
| 2.2.1 网络化系统 |
| 2.2.2 周期DoS攻击建模 |
| 2.2.3 全维状态观测器设计 |
| 2.2.4 基于观测器的动态事件触发机制 |
| 2.2.5 基于观测器的DoS攻击网络化动态事件触发控制 |
| 2.3 主要定理及其证明 |
| 2.4 数值仿真 |
| 2.4.1 模型简介 |
| 2.4.2 仿真与分析 |
| 2.5 本章小结 |
| 第3章 基于观测器的未知周期DoS攻击网络化动态事件触发鲁棒H_∞控制 |
| 3.1 系统描述 |
| 3.1.1 具有干扰的不确定网络化系统 |
| 3.1.2 未知周期DoS攻击建模 |
| 3.1.3 基于观测器的动态事件触发机制 |
| 3.1.4 基于观测器的未知周期DoS攻击网络化动态触发控制 |
| 3.2 主要结果 |
| 3.3 数值仿真 |
| 3.3.1 模型分析 |
| 3.3.2 仿真分析 |
| 3.3.3 H∞性能优化 |
| 3.4 本章小结 |
| 第4章 基于观测器DoS攻击主动悬架系统动态事件触发控制 |
| 4.1 背景知识介绍 |
| 4.2 主动悬架的动力学模型 |
| 4.3 基于观测器的DoS攻击主动悬架系统动态事件触发控制 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）转移概率部分未知的变周期网络化控制系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 网络化控制系统概述 |
| 1.3 网络化控制系统的基本问题 |
| 1.3.1 网络诱导时延 |
| 1.3.2 数据丢包 |
| 1.3.3 变采样周期 |
| 1.4 国内外研究现状 |
| 1.5 主要的研究内容 |
| 第二章 相关背景知识介绍 |
| 2.1 系统建模 |
| 2.1.1 具有时延和数据丢包的NCS建模 |
| 2.1.2 具有变采样周期的NCS建模 |
| 2.2 Markov跳变系统理论 |
| 2.3 线性矩阵不等式理论 |
| 2.4 H_∞控制理论 |
| 2.5 相关定义与引理 |
| 第三章 具有随机时延及转移概率部分未知的NCS状态反馈控制器设计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 主要结果 |
| 3.4 数值算例仿真 |
| 3.5 本章小结 |
| 第四章 具有时延丢包及转移概率部分未知NCS的H_∞控制器设计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 主要结果 |
| 4.4 数值算例仿真 |
| 4.5 本章小结 |
| 第五章 具有时变时延及变采样周期的NCS状态反馈控制器设计 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 主要结果 |
| 5.4 数值算例仿真 |
| 5.5 本章小结 |
| 第六章 具有时延丢包及转移概率部分未知的变周期NCS时变控制器设计 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 主要结果 |
| 6.4 数值算例仿真 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
（7）具有时延与丢包的网络化系统镇定与跟踪控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 NCSs的基本问题研究现状 |
| 1.2.2 基于事件触发机制的NCSs研究现状 |
| 1.2.3 网络化输出跟踪控制研究现状 |
| 1.3 研究内容及创新点 |
| 1.4 本章小结 |
| 第2章 区间化网络诱导时延的网络控制系统镇定研究 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 区间化随机时延的网络控制系统镇定研究 |
| 2.3.1 系统建模 |
| 2.3.2 系统随机稳定性分析 |
| 2.3.3 镇定控制器设计 |
| 2.3.4 数值算例仿真 |
| 2.4 区间化时变时延的网络控制系统镇定研究 |
| 2.4.1 系统建模 |
| 2.4.2 系统指数稳定性分析 |
| 2.4.3 镇定控制器设计 |
| 2.4.4 数值算例仿真 |
| 2.4.5 实验 |
| 2.5 本章小结 |
| 第3章 具有网络诱导时延与数据丢包的网络化系统镇定研究 |
| 3.1 引言 |
| 3.2 具有网络诱导时延与随机丢包的网络化系统建模与控制 |
| 3.2.1 问题描述及系统建模 |
| 3.2.2 系统随机稳定性分析 |
| 3.2.3 镇定控制器设计 |
| 3.2.4 数值算例仿真 |
| 3.3 具有时延与丢包的网络化切换系统建模与控制 |
| 3.3.1 问题描述及系统建模 |
| 3.3.2 系统指数稳定性分析 |
| 3.3.3 镇定控制器设计 |
| 3.3.4 数值算例仿真 |
| 3.3.5 实验 |
| 3.4 本章小结 |
| 第4章 混合事件触发下的不确定网络化系统建模与控制 |
| 4.1 引言 |
| 4.2 问题描述及模型建立 |
| 4.2.1 混合事件触发机制的建立 |
| 4.2.2 系统模型的建立 |
| 4.3 稳定性分析 |
| 4.4 镇定控制器设计 |
| 4.5 数值算例仿真与实验 |
| 4.5.1 数值算例仿真 |
| 4.5.2 实验 |
| 4.6 本章小结 |
| 第5章 网络化系统输出跟踪控制 |
| 5.1 引言 |
| 5.2 不确定网络化系统的鲁棒H_∞输出跟踪控制 |
| 5.2.1 问题描述及系统建模 |
| 5.2.2 H_∞输出跟踪性能分析 |
| 5.2.3 H_∞输出跟踪控制器设计 |
| 5.2.4 数值仿真算例 |
| 5.3 网络化保性能PID控制 |
| 5.3.1 问题描述及系统建模 |
| 5.3.2 网络化PID控制稳定性分析 |
| 5.3.3 网络化PID控制器设计 |
| 5.3.4 数值仿真算例 |
| 5.3.5 实验 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参加的科研项目 |
（8）基于矩阵半张量积方法的逻辑动态系统控制及其在对策问题中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 智能推理与智能决策 |
| 1.2 从布尔网络到逻辑动态系统 |
| 1.2.1 研究背景 |
| 1.2.2 研究现状 |
| 1.3 智能规划与博弈 |
| 1.3.1 智能规划的研究背景与研究现状 |
| 1.3.2 博弈的研究背景与研究现状 |
| 1.4 矩阵半张量积方法 |
| 1.4.1 矩阵半张量积的定义与性质 |
| 1.4.2 逻辑动态系统的代数状态空间方法 |
| 1.4.3 有限博弈的代数状态空间表示 |
| 1.5 本文主要内容 |
| 第二章 布尔控制网络的输出跟踪问题 |
| 2.1 引言 |
| 2.2 布尔控制网络的集合能控性 |
| 2.3 控制不变子集 |
| 2.4 输出跟踪问题的可解性 |
| 2.5 输出跟踪问题的控制设计 |
| 2.5.1 开环控制设计 |
| 2.5.2 闭环控制设计 |
| 2.6 示例 |
| 2.7 本章小结 |
| 第三章 布尔控制网络的能观性与可重构性判据 |
| 3.1 引言 |
| 3.2 布尔控制网络的能观性 |
| 3.3 布尔控制网络的可重构性 |
| 3.4 示例 |
| 3.5 本章小结 |
| 第四章 受限逻辑动态系统及其在智能规划问题中的应用 |
| 4.1 引言 |
| 4.2 受限逻辑动态系统 |
| 4.3 系统的能控性分析 |
| 4.3.1 受限逻辑动态系统的能控性 |
| 4.3.2 受限周期逻辑动态系统的能控性 |
| 4.4 智能规划问题中的应用 |
| 4.4.1 农夫-狼-羊-白菜的渡河问题 |
| 4.4.2 传教士与食人族的渡河问题 |
| 4.5 本章小结 |
| 第五章 配对问题的稳定性与镇定 |
| 5.1 引言 |
| 5.2 经典配对问题 |
| 5.3 网络化配对问题 |
| 5.3.1 配对的不稳定度 |
| 5.3.2 网络化配对问题的代数状态空间表示 |
| 5.3.3 网络化配对问题的稳定性分析与镇定 |
| 5.4 示例 |
| 5.5 本章小结 |
| 第六章 局势受限势博弈的代数验证与空间分解 |
| 6.1 引言 |
| 6.2 势博弈 |
| 6.3 局势受限博弈 |
| 6.3.1 局势受限势博弈 |
| 6.3.2 局势受限势博弈的设计 |
| 6.4 局势受限博弈的空间分解 |
| 6.5 局势受限近似势博弈 |
| 6.6 本章小结 |
| 第七章 局势驱动虚拟对策 |
| 7.1 引言 |
| 7.2 虚拟对策 |
| 7.3 局势驱动虚拟对策的代数建模 |
| 7.4 最优响应下的局势驱动虚拟对策 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 学位论文评阅及答辩情况表 |
（9）复杂系统智能建模算法及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 人工智能发展简介 |
| 1.3 进化计算研究与发展 |
| 1.3.1 密母算法 |
| 1.3.2 多目标进化算法 |
| 1.4 模糊认知图理论基础 |
| 1.5 复杂网络 |
| 1.6 模糊认知图学习研究难点及现状 |
| 1.6.1 小规模模糊认知图学习方法 |
| 1.6.2 大规模模糊认知图学习方法 |
| 1.7 复杂网络重建问题研究难点及现状 |
| 1.7.1 基于压缩感知的网络重建方法 |
| 1.7.2 基于进化算法的网络重建方法 |
| 1.8 本文主要工作及结构安排 |
| 第二章 小波模糊认知图 |
| 2.1 引言 |
| 2.2 基于实数编码遗传算法的FCM学习方法 |
| 2.3 小波模糊认知图 |
| 2.4 实验仿真及结果分析 |
| 2.4.1 人工数据和基因调控网络数据 |
| 2.4.2 性能指标 |
| 2.4.3 RCGA参数设置 |
| 2.4.4 参数对WFCM的影响 |
| 2.4.5 复杂系统建模实验结果 |
| 2.4.6 模式分类问题上的实验结果 |
| 2.5 本章小结 |
| 第三章 基于压缩感知的大规模模糊认知图学习方法 |
| 3.1 引言 |
| 3.2 基于压缩感知的模糊认知图学习 |
| 3.2.1 问题建模 |
| 3.2.2 CS-FCM |
| 3.2.3 复杂度分析 |
| 3.3 实验仿真及结果分析 |
| 3.3.1 收敛和稳定性分析 |
| 3.3.2 参数分析 |
| 3.3.3 小规模数据的实验结果 |
| 3.3.4 大规模数据的实验结果 |
| 3.3.5 响应序列的类型对CS-FCM的影响 |
| 3.3.6 基因调控网络数据的实验结果 |
| 3.4 本章小结 |
| 第四章 基于LASSO的模糊认知图鲁棒学习方法 |
| 4.1 引言 |
| 4.2 基于LASSO的FCM学习算法 |
| 4.3 实验仿真及结果分析 |
| 4.3.1 参数分析 |
| 4.3.2 LASSO_(FCM)和其他方法在人工数据集上的对比结果 |
| 4.3.3 LASSO_(FCM)在大规模人工数据集上的实验结果 |
| 4.3.4 LASSO_(FCM)在DREAM数据集上的实验结果 |
| 4.4 本章小结 |
| 第五章 基于动态资源分配的大规模模糊认知图学习方法 |
| 5.1 引言 |
| 5.2 基于动态资源分配的模糊认知图学习框架 |
| 5.2.1 HTMA-DRA算法框架 |
| 5.2.2 半阈值密母算法 |
| 5.3 实验仿真及结果分析 |
| 5.3.1 实验设置 |
| 5.3.2 验证DRA策略的有效性 |
| 5.3.3 HTMA-DRA与其他方法的对比结果 |
| 5.3.4 参数分析 |
| 5.3.5 在DREAM数据上的实验结果 |
| 5.4 本章小结 |
| 第六章 在线大规模模糊认知图学习 |
| 6.1 引言 |
| 6.2 在线模糊认知图学习算法 |
| 6.3 实验仿真及结果分析 |
| 6.3.1 OFCM和其他方法的实验结果 |
| 6.3.2 验证OFCM处理实时流数据的能力 |
| 6.3.3 参数分析 |
| 6.4 本章小结 |
| 第七章 基于密母算法的复杂网络重建 |
| 7.1 引言 |
| 7.2 相关背景 |
| 7.2.1 EG模型 |
| 7.2.2 RN模型 |
| 7.2.3 CN模型 |
| 7.2.4 网络重建模型 |
| 7.3 基于密母算法的复杂网络重建算法 |
| 7.3.1 初始化算子 |
| 7.3.2 局部搜索算子 |
| 7.3.3 校正算子 |
| 7.3.4 遗传算子 |
| 7.3.5 计算复杂度分析 |
| 7.4 实验仿真及结果分析 |
| 7.4.1 评价指标和参数设置 |
| 7.4.2 ST局部搜索算子对MAST-Net性能的影响 |
| 7.4.3 校正算子对MAST-Net性能的影响 |
| 7.4.4 参数分析 |
| 7.4.5 在真实网络上的实验结果 |
| 7.5 本章小结 |
| 第八章 基于多目标进化算法的进化博弈网络重建 |
| 8.1 引言 |
| 8.2 多目标EG网络重建模型 |
| 8.3 基于多目标进化算法的网络重建算法 |
| 8.3.1 基本框架 |
| 8.3.2 基于拐点的解选择策略 |
| 8.4 实验仿真及结果分析 |
| 8.4.1 性能指标与参数设置 |
| 8.4.2 验证初始化算子的有效性 |
| 8.4.3 验证拐点的存在性 |
| 8.4.4 MOEANet与LASSO的对比结果 |
| 8.4.5 MOEANet在真实网络上的实验结果 |
| 8.4.6 参数分析 |
| 8.4.7 实验讨论 |
| 8.5 本章小结 |
| 第九章 基于多目标进化算法的含社团结构复杂网络重建 |
| 9.1 引言 |
| 9.2 研究动机 |
| 9.3 多目标网络重建问题 |
| 9.4 基于社团结构的进化多目标网络重建框架 |
| 9.4.1 怎样从种群P中选择种群Q |
| 9.4.2 如何利用社团结构信息 |
| 9.4.3 讨论 |
| 9.5 实验仿真及结果分析 |
| 9.5.1 实验设置 |
| 9.5.2 CEMO-NR在多目标网络重建问题上的实验结果 |
| 9.5.3 CEMO-NR与对比算法的实验结果 |
| 9.5.4 参数分析 |
| 9.6 本章小结 |
| 第十章 在线大规模复杂网络重建 |
| 10.1 引言 |
| 10.2 在线网络重建算法 |
| 10.3 实验仿真及结果分析 |
| 10.3.1 实验设置 |
| 10.3.2 Online-NR和其他网络重建方法的实验结果 |
| 10.3.3 验证Online-NR处理实时流数据的能力 |
| 10.3.4 参数分析 |
| 10.4 本章小结 |
| 第十一章 基于多保真估计的分类优化方法 |
| 11.1 引言 |
| 11.2 问题定义 |
| 11.3 基于多保真度的分类优化算法 |
| 11.4 实验仿真及结果分析 |
| 11.4.1 实验设置 |
| 11.4.2 在人工例子上的实验结果 |
| 11.4.3 在真实例子上的实验结果 |
| 11.4.4 M对MF-CBO性能的影响 |
| 11.5 本章小结 |
| 第十二章 基于稀疏自编码和高阶模糊认知图的时间序列预测 |
| 12.1 引言 |
| 12.2 相关工作及研究动机 |
| 12.3 基于SAE和HFCM的时间序列预测模型 |
| 12.3.1 基于SAE的特征提取 |
| 12.3.2 基于HFCM的特征建模 |
| 12.3.3 SAE-FCM权重微调 |
| 12.4 实验仿真及结果分析 |
| 12.4.1 实验设置 |
| 12.4.2 对S&P 500时间序列的案例学习 |
| 12.4.3 SAE-FCM与其他方法的对比结果 |
| 12.4.4 参数分析 |
| 12.5 本章小结 |
| 第十三章 基于模糊认知图的进化博弈中隐藏玩家定位 |
| 13.1 引言 |
| 13.2 基于FCM的隐藏玩家定位算法 |
| 13.2.1 基本框架 |
| 13.2.2 基于模糊认知图的进化博弈建模 |
| 13.2.3 测量异常 |
| 13.3 实验仿真及结果分析 |
| 13.3.1 在巴西亚马逊地区的森林砍伐网络上的实验结果 |
| 13.3.2 在智慧管理控制系统网络上的实验结果 |
| 13.3.3 在移动支付系统网络上的实验结果 |
| 13.3.4 N_M对隐藏玩家鉴别算法性能的影响 |
| 13.4 本章小结 |
| 第十四章 总结与展望 |
| 14.1 本文工作总结 |
| 14.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于事件触发的永磁同步电机自适应神经网络控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 永磁同步电机发展概述 |
| 1.3 相关研究现状与分析 |
| 1.3.1 永磁同步电机控制的研究现状 |
| 1.3.2 网络化控制系统的研究现状 |
| 1.3.3 事件触发控制的研究现状 |
| 1.4 本文的主要工作 |
| 第二章 预备知识 |
| 2.1 永磁同步电机的结构及其数学模型 |
| 2.1.1 永磁同步电机的基本结构 |
| 2.1.2 永磁同步电机的数学模型 |
| 2.2 人工神经网络 |
| 2.2.1 径向基函数神经网络 |
| 2.2.2 高阶神经网络 |
| 2.3 事件触发机制 |
| 2.3.1 事件触发机制的分类 |
| 2.3.2 事件触发机制的作用方式 |
| 2.4 本章小结 |
| 第三章 基于模型精确已知的永磁同步电机事件触发控制 |
| 3.1 问题描述 |
| 3.2 基于绝对事件触发的控制方案设计 |
| 3.2.1 绝对事件触发机制设计 |
| 3.2.2 控制器设计 |
| 3.2.3 稳定性分析 |
| 3.3 仿真研究 |
| 3.4 本章小结 |
| 第四章 基于扰动观测器的永磁同步电机自适应神经网络事件触发控制 |
| 4.1 问题描述 |
| 4.2 基于扰动观测器的自适应神经网络事件触发控制方案设计 |
| 4.2.1 扰动观测器设计 |
| 4.2.2 控制器设计 |
| 4.2.3 稳定性分析 |
| 4.3 仿真研究 |
| 4.4 本章小结 |
| 第五章 基于双通道事件触发的永磁同步电机自适应神经网络控制 |
| 5.1 问题描述 |
| 5.2 基于双通道事件触发的自适应神经网络控制方案设计 |
| 5.2.1 双通道事件触发机制设计 |
| 5.2.2 基于扰动观测器的控制器设计 |
| 5.2.3 事件触发条件设计和稳定性分析 |
| 5.3 仿真研究 |
| 5.4 本章小结 |
| 结论与展望 |
| 本文主要工作 |
| 工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、网络化系统及其建模、分析、控制与优化（论文参考文献）
- [1]基于自适应事件触发的网络化系统的输出反馈预测控制研究[D]. 吴梦莹. 重庆邮电大学, 2021
- [2]基于丢包补偿策略的网络化系统H∞滤波和控制[D]. 张雷. 黑龙江大学, 2021(09)
- [3]智能电网通信网中业务驱动的高可靠路由算法研究[D]. 刘保菊. 北京邮电大学, 2021(01)
- [4]通信受限的网络化系统控制策略研究[D]. 党泽坤. 兰州理工大学, 2021(01)
- [5]基于观测器的DoS攻击网络化系统动态事件触发控制[D]. 郭婧. 哈尔滨理工大学, 2021(09)
- [6]转移概率部分未知的变周期网络化控制系统研究[D]. 李婕. 南京邮电大学, 2020(02)
- [7]具有时延与丢包的网络化系统镇定与跟踪控制[D]. 刘义才. 武汉科技大学, 2020(01)
- [8]基于矩阵半张量积方法的逻辑动态系统控制及其在对策问题中的应用[D]. 张潇. 山东大学, 2020(04)
- [9]复杂系统智能建模算法及其应用研究[D]. 吴凯. 西安电子科技大学, 2020(05)
- [10]基于事件触发的永磁同步电机自适应神经网络控制[D]. 黄锐鹏. 华南理工大学, 2020(02)