控制理论与应用杂志

控制理论与应用杂志2025年第3期

• 受扰多智能体系统有限时间分布式时变优化

  朱文博,张师峥,王庆领

  多智能体系统有限时间分布式优化,即设计分布式控制算法使得多智能体系统能够在有限时间内达到一致,且使得系统中的代价函数的加和最小.其中,每一个智能体只能够获取到本地代价函数的信息.在一些常见的应用场景中,代价函数的值不仅取决于智能体自身的状态,同时也与时间有关.因此,分布式时变优化算法在实际多智能体系统中具有更好的可用性.现有的多智能体系统分布式时变优化算法大多为渐近优化算法,且要求系统具有无向图或者有向平衡图,在算法实际部署中存在一定的局限性.因此,本文在任意强连通有向图下研究了受扰多智能体系统有限时间分布式时变优化问题.首先,本文基于有限时间稳定性理论和数值图论提出了一类新的有限时间分布式优化算法,该算法可以在具有任意强连通有向图的受扰多智能体系统中实现分布式时变优化.随后,文章还将新提出的分布式优化算法进行了扩展,用以解决具有有向切换拓扑的受扰多智能体系统有限时间分布式时变优化问题.提出的两种分布式算法均可以对多智能体系统中的干扰进行抑制,且不需要使用Hessian信息以及梯度对时间的偏导信息.最后,通过仿真实例验证了理论结果的正确性.

• 基于平衡补偿滑模策略的飞机防滑制动与纠偏协同控制

  王远飞,杜城龙,彭浩,李繁飙,桂卫华

  本文针对飞机地面滑跑制动过程中跑道环境未知、机轮打滑、侧风干扰、非对称制动等影响飞机安全可靠滑跑的问题,提出一种基于自适应神经网络和平衡补偿滑模策略的飞机防滑制动与跑道纠偏协同控制方法.首先,考虑实际刹车过程中横纵力矩耦合及侧风干扰等因素,建立飞机地面滑跑非对称动力学模型.在此基础上,提出基于轮胎–跑道结合系数波动范围特征的跑道在线辨识方法,解决变跑道环境下结合系数的在线辨识问题.此外,通过设计自适应径向基(RBF)神经网络实现对未知侧风干扰的有效估计,并提出基于平衡补偿滑模策略的前轮纠偏与双侧主轮协同制动控制方法,实现飞机在侧风干扰条件下的防滑制动与跑道纠偏协同控制.实验仿真表明,本文提出的控制策略可有效避免机轮打滑、抑制飞机偏航,同时提高飞机制动效率,增强飞机地面滑跑的可靠性与安全性.

• 基于补偿控制的自适应模型预测控制

  张雪敏,富月

  针对参数未知、外部干扰未知并且带有输入、输出约束的离散时间仿射非线性系统,本文基于高阶干扰观测器的投影算法与模型预测控制和补偿控制相结合,提出了一种基于补偿控制的自适应模型预测控制方法.利用基于高阶干扰观测器的投影算法对未知参数和外部干扰同步估计,根据干扰观测值和参数估计值设计补偿控制量,使系统输入和输出满足约束条件,从而保证模型预测控制优化问题的可行性,并使系统的输出收敛到标称系统的输出.最后,将所提方法应用到电熔镁砂熔炼过程中电极电流控制的仿真实验中,通过仿真验证所提方法的有效性.

• 带有输入死区的欠驱动水面船有限时间路径跟踪控制

  王元慧,王心玮,邵兴超,任哲达

  针对模型不确定、外界环境干扰和输入死区下的欠驱动水面船路径跟踪控制问题,本文提出一种自适应有限时间路径跟踪控制方法.首先,设计有限时间视线制导律生成期望纵向速度和艏向角指令;继而,采用反步法分别设计有限时间纵向速度和艏向角控制器跟踪生成的期望信号,其中结合径向基函数神经网络和最小学习参数算法逼近模型参数不确定性,以及运用自适应技术补偿环境干扰、神经网络逼近误差和未知死区非线性组成的合成干扰;此外,为了避免复杂计算,运用二阶跟踪微分器得到虚拟艏向控制律的导数,基于李雅普诺夫稳定性理论,证明整个闭环系统是实际有限时间稳定的;最后,仿真结果验证了所提方案的有效性.

• 带有姿态估计反馈和数据驱动模型的微动平台角位移控制

  杜章铭,周超,王硕

  对角位移的高精度控制是微动平台在实际应用中的重要任务, 当前主流微动平台在进行角位移控制时, 对 机构的精密性较为依赖, 成本较高且不便于根据具体任务定制化. 对此, 本文提出了一种基于姿态估计反馈和数据 驱动模型的微动平台角位移控制方法, 使机械精度较差的机构也可实现高精度的角位移致动. 首先, 基于数据驱动 的方式对致动机构的正、逆运动学模型进行神经网络建模, 避开了复杂的运动学求解和自由度间解耦问题; 其次, 根据稀疏实测角位移和正运动学模型预测提供角位移的联合估计反馈. 基于此, 通过直接逆控制(DIC)和比例–积分 (PI)结合的方式实现2自由度角位移复合控制; 最后, 通过角位移跟踪控制实验对所提方法的有效性进行了验证.

• 基于自适应迭代学习控制的柔性翼鲁棒输出调节

  孟亭亭,张一鹏,张爽

  由于柔性翼为扑翼机器人提供气动外力和力矩,因此,柔性翼的鲁棒输出调节对机器人的机动性和续航能力具有重要意义.本文以分布参数系统描述的柔性翼为研究对象,阐述了两种自适应迭代学习控制,来处理未知周期干扰,并保证弯曲位移和扭转位移跟踪时变轨迹,此时假设干扰和参考轨迹都可以由外系统产生.当外系统矩阵已知时,在迭代域内设计的自适应律只需要估测未知的干扰系数,并进一步得到了基于跟踪误差信号的自适应迭代学习控制.当外系统矩阵未知时,自适应律需要估测时变的周期函数,进一步得到了第2类自适应控制.以上两种输出调节问题也可以通过基于内模原理的鲁棒控制实现,因此,本文给出了所设计的自适应迭代学习控制与基于内模原理的鲁棒控制的区别.基于Lyapunov方法,本文证明跟踪误差在迭代域内的收敛性,以及闭环系统状态的有界性.本文通过两组数值仿真例子进一步验证了两类自适应迭代控制对鲁棒输出调节的有效性.

• 基于强化学习的异构多智能体系统最优输出调节

  熊春萍,马倩

  本文研究了异构多智能体系统的最优输出调节问题.通信网络拓扑含有向生成树.首先,设计了外部系统状态补偿器和状态反馈控制器,应用图论和Lyapunov稳定性理论证明了所设计的补偿器和控制器可以解决一般输出调节问题.然后,通过最小化预定义的成本方程,解决最优输出调节问题.结合最优控制理论和强化学习技术,提出了两种求解最优控制器的算法,即基于模型的策略迭代算法和无模型off-policy算法.利用无模型算法获取最优控制器的过程既不需要求解输出调节方程也不需要使用系统动态信息.最后,通过数值仿真验证了本文所提出的算法的有效性.

• 考虑网络容侵机制的无人机集群协同编队组网策略

  章招铭,伍益明,郑宁,朱晨睿,孟伟

  无人机集群控制中,保持稳定可靠的通信网络对于系统协同执行任务具有重要影响.为应对通信环境中可能出现的欺骗攻击、拜占庭攻击等网络入侵情形,本文研究无人机集群协同构造具备容侵能力的系统通信拓扑问题.首先,在考虑无人机节点同构且通信半径一致有界的前提下,将通信拓扑构建问题转化为无人机集群编队队形控制设计问题;随后,基于虚拟结构策略,提出一种新颖的分布式晶格结构编队控制方法,并构建一类与位置距离相关的势场函数,以满足无人机节点向根节点聚集和碰撞避免等任务需求,通过理论分析和数学推导证明所提算法的收敛性;此外,基于所提方法进一步发展,提出一种维持网络容侵能力不变的集群向指定区域扩展的编队方法;最后,通过2组典型多无人机编队仿真实验,验证所提方法构建成的网络,可使集群在执行协同控制任务时容忍特定数量的网络攻击.

• 基于观测器的复杂网络事件触发量化同步控制

  黄玲,王云飞,张恒艳

  针对复杂网络状态不可得的情况,设计一种基于观测器的具有事件触发策略的量化同步控制器.为了减少通信次数和计算负担,引入事件触发方案和对数量化器.首先,对不可测的系统状态设计分布式状态观测器,考虑事件触发方案和量化对系统的影响,建立同步误差和观测误差的联合误差模型;其次,依据Lyapunov稳定性理论、Schur补引理、柯西不等式,得到具有线性矩阵不等式形式(LMI)的联合误差系统渐近稳定的充分条件,同时给出状态观测器和控制器增益求解方法;然后,证明对于所提出的事件触发条件,芝诺(Zeno)行为可以被排除,并且得到事件触发间隔的最小下界;最后,通过一个数值例子验证所提方法的有效性.

• 基于孪生网络的场景编码与智能车多尺度激光定位

  陶倩文,胡钊政,孙勋培,万金杰,陈琪莉

  基于激光点云地图的智能车定位方法存在地图数据量大、匹配准确率低等问题,为此,本文提出了基于孪生网络的场景编码与智能车多尺度激光定位方法.首先,构建了基于场景编码的激光极化地图,该地图以节点形式表征,每个节点均包含点云极化图、点云场景编码以及全局位姿;然后,提出了基于激光极化地图的智能车多尺度定位方法,包括基于GPS与运动模型的粗定位、基于直方图滤波的节点级定位和基于快速的GICP算法的度量级定位;最后,使用现场采集的校园道路数据集和公共KITTI数据集对所提出的算法进行测试验证.实验结果表明,基于所构建地图的节点级定位准确率分别为99.6%和96.9%,平均定位误差分别为0.34 m和0.21 m,且对不同类型的激光雷达传感器和不同的环境具有较强的鲁棒性.

• 基于速率编码的极低延迟深度脉冲神经网络研究

  熊志民,陈云华,冯忍,陈平华

  脉冲神经网络(SNN)具有强大的时空信息表征、异步事件处理能力,但由于脉冲发放过程不具有连续可微性,其训练是一个难题.人工神经网络(ANN)转SNN的方法,能够获得较高推理精度的深度SNN,但却存在SNN网络延迟和功耗过高的问题.为了降低网络延迟和功耗,本文从脉冲信息传递的异步特性入手,分析了极低延迟下SNN精度损失的主要原因,提出残余膜电位误差(RMPE)的概念,并对其进行分析与推导,建立残余膜电位与初始膜电位和权重之间的关系模型.基于所建立的残余膜电位模型,提出一种初始膜电位和权重的分层校准算法,减少残余膜电位误差,从而解决脉冲输入序列均匀分布假设与真实分布不一致的问题.提出一种ANN-SNN的双阶段转化框架,在第1阶段,采用带有可训练分层阈值的量化截断激活函数对ANN进行二次训练,以实现量化误差与截断误差的最优化;在第2阶段,对SNN进行微调训练,以进一步缩小残余膜电位误差,使得在极低延迟下的ANN-SNN转化也能获得较高的精度.实验结果表明,本文方法在推理延迟和功耗方面都优于现有的方法.

• 强化学习驱动下的柔性机械臂双时间尺度组合控制

  刘城焱,胡健,姚建勇,谭天乐,刘宇,林家伟

  本文研究柔性机械臂的轨迹跟踪和振动抑制问题.首先,基于Lagrange法和假设模态法建立柔性机械臂的动力学模型.然后,利用奇异摄动理论将模型分解为描述刚体运动的慢时间尺度子系统和描述柔性振动的快时间尺度子系统,针对慢子系统建立以滑模变结构为基础,径向基神经网络估计模型参数,干扰观测器估计扰动和模型不确定性的刚性复合控制器;快子系统建立了以最优控制为基础,使用强化学习在线获取最优控制解的柔性控制器.通过Lyapunov稳定性理论分别证明了不同时间尺度下的系统稳定性,将在不同时间尺度下的控制器进行叠加,获得原系统状态的组合控制器.最后,通过实验结果对比表明,所设计的组合控制方法更具优越性.

• 深度强化学习下的多智能体思考型半多轮通信网络

  邹启杰,汤宇,高兵,赵锡玲,张哲婕

  针对多智能体系统在合作环境中通信内容单一和信息稀疏问题,本文提出一种基于多智能体深度强化学习的思考型通信网络(TMACN).首先,智能体在交互过程中考虑不同信息源的差异性,智能体将接收到的通信信息与自身历史经验信息进行融合,形成推理信息,并将此信息作为新的发送消息,从而达到提高通信内容多样化的目标;然后,该模型在软注意力机制的基础上设计了一种半多轮通信策略,提高了信息饱和度,从而提升系统的通信交互效率.本文在合作导航、捕猎任务和交通路口3个模拟环境中证明,TMACN对比其他方法,提高了系统的准确率与稳定性.

• 带有时滞脉冲的非线性随机系统的稳定性分析

  谢本旺,姚凤麒,程培

  本文研究带有时滞脉冲效应的非线性随机微分系统的p阶矩指数稳定性和几乎指数稳定性问题.基于脉冲控制理论和平均脉冲间隔的思想,利用伊藤公式,得到了系统基于Lyapunov理论的p阶矩指数稳定和几乎指数稳定的充分条件.结果表明,时滞脉冲的存在除了破环系统的稳定性外,还可以用来镇定不稳定的连续系统.最后,通过数值例子说明了理论结果的有效性.

• 基于WPG-KNMF的非线性动态过程监控研究

  张成,邓成龙,李元

  针对非线性动态过程故障检测问题,本文提出一种基于Wasserstein距离投影梯度核非负矩阵分解(WPGKN-MF)的故障检测方法.首先,采用投影梯度方法对KNMF的基矩阵和系数矩阵进行更新.其次,在高维特征空间中,使用Wasserstein距离结合滑动窗口方法,构造新的统计量进行故障检测.本文方法将KNMF中迭代方法改进为投影梯度方法,通过KNMF将数据的非线性结构捕获,并结合Wasserstein距离消除样本间自相关性影响.通过一个数值例子和基于工业控制系统执行器诊断方法的开发与应用(DAMADICS)过程的实验数据进行仿真实验,与传统核主成分分析(KPCA)、核非负矩阵分解等方法进行对比,仿真结果验证了本文所提方法的有效性.

• 基于自适应双层无迹卡尔曼滤波神经网络的铝电解电流效率预测模型

  方小燕,姚立忠,罗海军,张玉泽,易军

  针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无迹卡尔曼滤波在线更新神经网络的权值和阈值;然后,在双层无迹卡尔曼滤波神经网络的状态变量均方误差中引入约束调节参数;同时,采用梯度下降法自适应调整比例调节参数,将其均方误差约束至较小的范围内,以此来削弱滤波递归计算过程中误差累积对模型的影响;最后,通过铝电解电流效率预测,验证了本文所提方法具有较高的精确度和稳定性.

• 基于改进交互式多模型算法的车辆高精度定位

  戴玉峰,苏圣超,崔文霞,汪义旺

  针对传统交互式多模型算法在车辆运动过程中模型匹配不及时、定位精度较低的问题,本文提出一种结合改进交互式多模型与容积卡尔曼滤波的算法,以改善车辆定位效果.首先,将惯性测量单元和路侧单元的观测结果融合为量测信息;然后,设计一种自适应转弯模型,应对角速度非固定时单一匀速转弯模型无法有效定位车辆的情况;进一步考虑模型非线性、状态向量维度较高的特点,采用容积卡尔曼滤波估计车辆状态;最后,提出改进的交互式多模型算法,通过二次交互优化模型概率.仿真实验表明,本文所提算法可以有效提高模型切换速度和车辆定位的准确性与稳定性,其定位误差相比传统交互式多模型算法降低了8.6%.

• 四旋翼飞行器预定时间自适应轨迹跟踪控制

  朱官超,崔国增,马倩,李泽

  针对具有外部扰动和动态不确定性的四旋翼飞行器,本文提出了基于指令滤波反步法的预定时间自适应轨迹跟踪控制方案.通过引入指令滤波和构建非光滑误差补偿机制,有效地解决了“复杂性爆炸”的问题,并且在预定的时间内移除了滤波误差对系统性能的影响.所提出的预定时间自适应轨迹跟踪控制方案保证了闭环系统实际预定时间稳定,且闭环信号是预定时间有界的.通过调整控制参数,可以使得位置和姿态跟踪误差在预定的时间内收敛到原点附近的邻域内.最后,通过仿真算例验证了所提出的预定时间控制算法的有效性和优越性.

• 基于全局与局部肌电特征交互的手势识别网络

  肖城钢,闵华松

  为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,本文提出一种基于全局–局部特征交互的手势识别网络GL-EMG-Net.首先,融合空洞卷积和多头自注意力机制,设计全局特征提取模块Global-DT,提取肌电信号中的全局信息;然后,借助深度可分离卷积和注意力机制,设计局部特征提取模块Local-SK捕捉肌电信号中不同尺度的局部细节信息,并将提取的细节信息通过反馈机制反馈至Global-DT模块,完成局部特征与全局特征的交互;最后,将全局特征与局部特征融合后进行分类.实验结果表明,该手势识别网络在Ninapro DB5数据集的52种手势和实际12种常见手势分类中,表现出较高的手势分类精度和较强的鲁棒性.

• 基于隐蔽性裕度的离散事件系统监控

  王飞,戴茵茵,金福江

  本文研究了离散事件系统基于隐蔽性裕度的k–隐蔽性验证及监控综合问题.首先,文章分别给出基于语言和基于(估计)状态的隐蔽性裕度的概念,通过提出两者之间的等价关系,给出基于状态的隐蔽性裕度与基于语言的隐蔽性裕度等价的性质.之后,提出系统满足k–隐蔽性的充分性条件可以通过状态的隐蔽性裕度获得.并以此条件,分别给出计算状态的隐蔽性裕度以及验证k–隐蔽性的算法.再后,如果系统不满足k–隐蔽性时,又给出一种算法来获取监控器使闭环系统是k–隐蔽的,并且给出定理说明获得的监控器不仅可以保持受控系统的k–隐蔽性,而且表明其是最大允许的.最后,利用实例说明验证系统的k–隐蔽性以及获取保持k–隐蔽性的最大允许监控器构造方法的有效性.

• 基于PREA环的平行无人指挥控制系统

  李雪松,李清伟,罗子娟,王飞跃,费爱国

  无人作战表现出高动态性、高复杂性和不确定性的特点,传统指挥控制系统难以满足无人作战全自主、自适应、抗毁伤的需求.在平行军事和作战指挥控制活动的筹划–准备–执行–评估(PREA)环理论的指导下,本文基于无人作战体系,对无人系统的指挥控制架构进行研究,提出了基于PREA环的平行无人指挥控制系统.基于观察评估活动实现物理战场描述和作战效能评估;基于预测规划活动实现作战决策规划和方案仿真推演;基于计划指导活动实现计划指令生成和作战行动准备;基于执行监控活动实现自主控制执行和作战行动监控.通过对观察评估智能、预测规划智能、计划指导智能和执行监控智能相关技术和方法进行研究,实现无人作战的信息化、自主化、智能化指挥控制.

• 基于随机干扰校正的风力机独立变桨优化控制

  刘军,张泽秋,甘乾煜,胡朝阳

  在设计风力机多目标独立变桨控制器时,通常忽略了未建模动力学和系统模型参数的不确定性,这些不确定性会降低控制性能甚至导致系统不稳定.针对该问题,本文提出了基于随机干扰校正控制的风力机独立变桨优化控制策略,利用卡尔曼滤波器来观测标称控制输入的修正部分,从而最小化模型不确定性和外部风速干扰对于系统控制性能的影响.基于OpenFAST-MATLAB对NREL 5MW风力机仿真,结果表明与变增益PI控制和干扰校正控制相比,本文提出的控制策略能够保证高风速区域下风电机组输出功率平稳,同时还进一步降低了叶片和塔架的载荷,延长了风力机的使用寿命.

• 运行时间区间可变的地铁列车无模型自适应迭代学习控制

  焦世广,侯忠生

  针对地铁列车系统非严格重复运行的特性,提出了一种运行时间区间可变的地铁列车无模型自适应迭代学习控制算法.首先,利用紧格式动态线性化方法将地铁列车动力学模型转化为等价的数据模型;其次,仅利用系统输入/输出数据设计了一种适用于地铁列车迭代时间长度随机变化的改进无模型自适应迭代学习控制算法;最后,给出了该算法的收敛性分析,并通过仿真验证了所提算法的有效性.