一、分层递阶控制系统体系结构的Hopfield网络模型（论文文献综述）
王越尧[1]（2020）在《大型机场航班延误风险复杂性分析及治理网络构建 ——基于深圳机场的实证研究》文中进行了进一步梳理航班发生延误是指大型民航交通运输管理行业在实施航班生产应急风险保障的过程中可能面临的重要突发事件,对大型民用机场正常运行的过程中可能造成重要的影响。如何对航班延误风险进行综合治理,降低延误事件发生的概率及及其造成影响的后果是民航交通运输管理行业航班生产的应急风险管理工作过程中的重要技术事务与应急风险研究的热点议题。然而,大型民用机场是典型的复杂的交通基础设施,航班生成保障过程中具有涉及的参与单位多、流程复杂、外部环境影响因素多等特征,从而直接决定了诱发航班延误的风险因素具有典型的隐蔽性、多样性的特征,对如何全面、系统地对航班延误的风险因素进行准确识别造成影响。其次,航班延误的风险因素相互关联、交织并存,具有典型的复杂性特征,对如何正确认识机场航班延误事件的发生机制、设计如何控制与完善如何消除航班延误事件的风险因素提出了重要挑战。第三,机场区域航班生产保障过程涉及的单位多,导致有效实施航班延误风险治理措施需要不同类型的单位协同配合,形成合力。针对现有的航班延误管理过程中存在的一些突出问题,该文主要通过对深圳宝安国际机场（以下简称为深圳机场）现有的航班安全生产保障管理过程情况进行深度调查,按照系统思维,深入地研究与分析航班延误事件的发生机理和规律,并提出了深圳机场航班延误风险治理策略的设计方法。具体包括三个部分的基础理论研究工作。首先,基于社会-生态-技术的理论框架,对深圳机场现有的航班生产过程进行分析,并通过混合数据收集方法,综合运用网络爬虫和德尔菲法,在收集航班延误多源数据的基础上,系统识别航班延误的风险因素,以及风险因素之间的关联关系,形成对航班延误事件发生机理的深入理解。其次,在航班延误风险因素分析方面,运用解释结构模型（Interpretation Structure Model,ISM）建立了航班延误风险因素的分层递阶模型,获得深圳机场航班延误风险之间的层次关系,为设计其航班延误风险控制策略提供科学依据。此外,创新性地运用社会网络分析（Social Network Analysis,SNA）方法对航班延误风险因素及其关联关系进行建模,并对蕴含的复杂性进行分析,从整体性层次提出风险控制策略。最后,在航班延误事件分析的基础上提出航班延误风险联防联控组织网络的构建方法,并对风险治理网络结构进行探索。本文的研究工作为探索航班延误风险控制策略和治理措施的设计提供了科学依据,具有重要的理论与实践意义。
刘泽健[2]（2020）在《孤岛型单三相混联结构微电网群协同优化控制研究》文中提出能源转型战略背景下,微电网技术逐步规模化,用户侧一定区域内多个邻近微电网产生电气联结形成微电网群系统,可实现更大范围内的资源优化,促进分布式能源消纳和提升供电可靠性。在主网故障/检修和偏远、海岛或电网薄弱地区等场景下,孤岛型单三相混联结构微电网群具有广泛应用前景,如何充分发挥微电网群系统运行模式和“源荷储”资源的灵活性,是保障孤岛型单三相混联结构微电网群安全、稳定、高效运行的关键。因此,本文孤岛型单三相混联结构微电网群的协同优化控制技术展开研究,主要研究内容如下:（1）在分析孤岛型单三相混联结构微电网群系统组网结构和控制架构的基础上,对三相不平衡问题进行深入分析,明确了单三相混联结构微电网群中采用灵活调控策略实现三相不平衡调节的有效途径;进一步针对异相电气不互联特性,提出一种结合广义布尔运算的全景拓扑分析方法,为协同优化控制策略的研究奠定基础。（2）针对孤岛型单三相混联结构微电网群的分散式自治实时控制,提出一种基于模型预测控制的实时控制策略。所提策略基于分层控制架构,考虑三相不平衡,以实时联络线功率与给定基准值偏差最小为控制目标,构建了多输入、多扰动、多变量的动态预测模型,并引入反馈校正环节进行预测误差修正,实现滚动式的有限时域闭环优化。通过实例仿真,所提策略可通过分散自治实现实时平抑源荷出力波动,跟踪联络线功率,验证了其有效性和鲁棒性。（3）在基于MPC的分散式实时控制的基础上,基于分层控制架构,提出孤岛型单三相混联结构微电网群多时间尺度递阶控制策略,包括分钟级集中协调控制和小时级动态孤岛切换控制。分钟级集中协调控制是考虑分散式实时控制的弃光和切负荷措施的恢复,在三相不平衡度约束下基于多目标混合整数非线性规划实现系统源荷储资源集中式协调优化;小时级动态孤岛切换是通过分区互联组合方案的最优决策和执行,实现微电网群系统整体资源配置最优。经算例验证,所提策略可与分散式实时控制协同,实现孤岛型单三相混联结构微电网群多时间尺度递阶控制,有利于孤岛型系统的安全高效运行。（4）针对微电网群研究中主流的分层控制架构,设计一种基于多进程的考虑个体独立性和进程间信息交互的仿真平台。该平台面向多控制主体,以“一控制器一进程”为设计原则,适应各控制器相对独立地运行控制算法,多个进程间的信息交互支持多类特定文件传输协议。通过算例测试验证所提方案的有效性和实用性,有利于降低孤岛型单三相混联结构微电网群复杂工况仿真场景下控制算法开发与验证难度。
李俊松[3]（2020）在《基于Holon的承运者协同运输研究》文中研究表明当前,共享经济作为一种新的经济模式已经在许多行业得以实施,并有效提高了商品价值的最大化利用。承运者协同运输是共享经济模式在运输行业中的一种延伸和应用,通过相互独立的运输实体之间共享运输资源和任务信息,共同承担客户需求。在激烈竞争的运输市场中,相比传统的承运者独自运营的运输模式,协同运输能够使得承运者进一步降低成本,提高自身的利润收益和运输效率。同时,这种协同模式能够避免承运者之间恶意竞争,提高承运者抵御市场风险和生存竞争能力,减少尾气排放和环境污染。因此,承运者协同运输研究对进一步提高我国的物流运输水平具有重大的理论研究和实际应用意义。本文以承运者组成的协同联盟为研究对象,研究协同既要保证各个承运者利益最大化的增加,同时又要保证联盟的整体利益最大化,即研究Max-Max问题。在研究承运者协同运输时,还考虑了承运者之间不完全信息共享的实际问题,以及承运者同时具有自治性和协作性特点。针对上述问题和特点,本文采用了一种综合了递阶控制与分布式控制的Holon控制模式,分别对协同过程的框架,运输任务选择,任务交换策略以及利润分配问题进行了研究和讨论。主要研究方法为构建系统控制结构框架,建立问题数学模型,综合运用组合优化、图论,博弈等方法和工具,通过设计数据算例和仿真演算,以定量方式对所提出方法和策略进行评价和分析。本文主要研究的内容如下:1)综述了国内外当前物流行业、运输行业以及运输企业的发展现状,分析和总结了当前我国公路运输企业的特点。针对供应链运输协同问题、承运者车辆路径问题以及承运者协同运输问题的研究发展、研究内容,研究方法和研究成果,进行了对比分析和描述。2)针对信息不完全共享的承运者协同运输,从控制结构的角度,提出了一种基于Holon的多层次控制结构框架。从建模的角度,对该框架的系统模型进行了统一建模语言UML（Unified Modeling Language）和离散事件系统规范DEVS（Discrete Event System Specifications）描述。DEVS 分析表明系统模型具有耦合封闭性,从而可以将多层次复杂的承运者协同关系转化成一个局部联盟中承运者协同关系。最后,设计开发实现了一个基于Holon的承运者协同运输的仿真测算平台。3)针对具有取送货任务、满载、最大行驶距离限制等特征运输模式的承运者任务选择问题,构建了承运者任务选入和任务选出混合整数规划MIP（Mixed Integer Programming）数学模型,以及这两个模型对应的上界数学模型。模型具有自带偏好任务选择,指定任务数量选择等多种功能。另外,模型在选择任务后可获得该任务的边际利润。仿真数值实验表明任务选择模型是有效的。4)针对承运者协同的任务交换问题,提出了一种基于单任务交换的最大联盟利润增长MPI（Maximum Profit Increase）的交换方法。该方法采用拍卖的方式实现任务的交换,并解决了组合拍卖方法在求解赢者判定问题时的组合爆炸问题。通过构建的算例集,将MPI与其它4种交换方法比较,其结果表明提出的方法是有效的和有效率的。5)针对承运者协同的利润分配问题,基于MPI交换机制,提出了 5种利润分配方法。其中,第一密封价格拍卖FPSA（First Price Sealed Auction）,第二密封价格拍卖SPSA（Second Price Sealed Auction）和双方叫价方法更多体现了承运者之间的竞争性,Shapley值法更多体现了承运者之间的合作性,二次分配的双方叫价方法和改进的Shapley值法综合了承运者对新增联盟利润的潜在贡献和实际贡献,体现了承运者之间的竞争性和合作性。仿真结果表明上述分配方法都是合理和可接受的。最后在总结全文的基础上,提出了承运者协同运输中有待深入研究的几个研究方向。
谭志国[4]（2019）在《面向系统与控制中两类矩阵方程求解的递归神经网络模型设计、分析及应用研究》文中认为线性矩阵方程（如Stein方程、Sylvester方程、矩阵Moore-Penrose逆等）的实时求解不仅具有重要的理论研究意义,在系统与控制等领域中也有着深厚的实际应用背景,因此受到人们的广泛关注和研究。传统的求解矩阵方程的方法是基于迭代的数值算法。这类算法种类繁多、形式多样,在求解维数较小的矩阵方程时或许能满足实时性的要求,但由于其计算复杂度较高,通常达到矩阵维数的立方的量级,故一般不适合或难以胜任实时的大规模应用。不同于迭代算法的串行处理机制,递归神经网络中的大量神经元相互连接、结构平行,可以并行处理信息。此外,大量有关信息存储在神经元以及它们之间的连接权值中,使得递归神经网络具有分布存储的特性。这两点以及硬件可实现的特性使得递归神经网络在求解大规模实时问题时有着迭代算法难以比拟的优势。梯度神经网络和零化神经网络是两类被广泛研究的用于实时求解矩阵相关问题的递归神经网络。然而,现有递归网络模型还存在着性能（如收敛性、鲁棒性）不够好、难以兼顾收敛速度和容噪性能等问题。为克服这些不足,本文以系统与控制中广泛存在的静态Stein方程和动态矩阵Moore-Penrose逆的实时求解为研究对象,开展基于递归神经网络的求解模型的设计、分析与应用研究。本文的主要工作和创新点如下。（1）从理论上研究和分析了梯度神经网络在四种不同激励函数作用下求解静态Stein方程的收敛性和鲁棒性。对于收敛性,本文利用矩阵Kronecker乘积和向量化技巧,证明了:理想情况下（即无噪声）,该梯度神经网络模型在线性函数激励下具有指数收敛的性能,同时给出了指数收敛率;在幂S型（power-sigmoid）函数激励下,可获得比线性函数激励时更好的收敛性能;而在sp（sign-power）和gsbp（general sign-bipower）两种激励函数作用下,则可分别获得有限时间收敛和固定时间收敛。更为重要的是,本文也给出了有限时间收敛和固定时间收敛的理论上界。对于鲁棒性,本文也通过详细的理论推导给出了有噪声干扰时该梯度网络模型在这四种不同激励函数作用下的稳态求解误差的估计。（2）理论分析了在有噪声干扰的情况下组合函数（sign-bi-power函数和线性函数的线性组合）激励的零化神经网络求解动态满秩矩阵的Moore-Penrose逆时的鲁棒性能。通过构造一个新颖的Lyapunov函数得到了稳态求解误差上界与网络参数的数学关系式,证明了稳态误差通过调节网络参数可以任意小。同时,通过求解微分不等式给出了求解误差逼近其上界的指数收敛率并估计了相应的收敛时间。（3）针对现有的零化神经网络模型在收敛性和鲁棒性方面的不足,本文基于新的误差函数演变模式和两个变参激励函数,提出了两个变参零化神经网络模型用于求解动态满秩矩阵的Moore-Penrose逆。通过Lyapunov稳定性理论证明了所提出的模型在零噪声、常噪声以及动态有界或无界线性噪声干扰下都具有全局有限时间收敛的性能,同时给出了有限的收敛时间的估计。理论分析和仿真结果都证实了本文所提出的模型在收敛性和鲁棒性方面优于现有的原零化神经网络模型和积分增强型零化神经网络模型。此外,作为研究的拓展,本文也提供了一个具有不连续导数的动态矩阵Moore-Penrose逆求解的仿真实例,仿真结果表明在整个仿真过程中,所提出的模型工作良好,能够有效地求解所给定的问题。（4）将不同的零化神经网络模型应用于冗余机械臂的最小速度范数方案的解析中。为更符合实际情况,在解析方案中也考虑了动态噪声的影响。仿真结果表明所提出的变参零化神经网络模型的跟踪效果最好,具有在机械臂逆运动学控制中的应用潜力,同时也再次验证了其与原零化神经网络模型和积分增强型零化神经网络模型相比具有更好的收敛性和鲁棒性。
喻金忠[5]（2019）在《基于多智能体的城市路网交通信号控制研究》文中认为交通信号控制是缓解交通拥堵、提高出行效率和减少安全事故的重要手段。固定配时方法是交通信号控制系统常用的控制算法,其缺点在于难以根据实时的交通流实现红绿灯信号的自由切换,增加不必要的等待时间。因此寻求更加高效、智能的交通信号控制方法愈加受到研究者的关注。由于交通控制系统是一个复杂的不确定系统,并具有非线性结构,传统的自适应方法虽然颇有成效,但还是难以适应多变的交通流,对交通模型依赖严重。而强化学习方法不需要建立交通模型,而是通过路口控制器与交通环境的不断交互与学习,实现控制方案的改善。本文将交通信号控制系统当成由单个交叉口信号控制器Agent组成的多智能体系统,并引入强化学习方法实现城市路网交通信号控制。对路网的最小控制单元,即单交叉路口的研究是实现区域交通控制的基础。当前科技的迅速发展使得交通数据的收集更加便捷,为了充分使用收集的交通数据,引入深度强化学习算法实现交叉口的实时控制,并提出了一种新的状态空间设计方法。解决了传统强化学习方法难以应用到状态空间较大或连续系统中的弊病。并使用深度强化学习算法在微观交通仿真软件SUMO中对单个路口进行仿真,实验结果验证了该方法的有效性。在单交叉口信号控制的研究基础上,对多交叉口信号控制系统的结构展开研究,并探索了基于协作图的Max-plus算法在区域交通协调控制中的应用。进一步在深度强化学习算法的基础上,引入博弈论相关知识,建立了基于n人非零和合作博弈的多智能体交互模型,并建立相应的博弈表求解当前环境下的Nash均衡,在此基础上提出Nash Q学习算法,实现了区域交通信号控制,并使用该方法对区域交通系统进行仿真,实验结果验证了所提方法的有效性。
周红标[6]（2019）在《城市污水处理过程自组织建模及多目标优化控制》文中进行了进一步梳理活性污泥法是城市污水处理厂普遍采用的一种污水好氧生物处理方法。该方法通过向废水中连续充入空气,经过一定反应时间后,因好氧微生物繁殖而形成活性污泥。利用活性污泥的生物凝聚、吸附和氧化作用,以分解去除污水中的有机污染物。为了满足出水排放标准,降低罚款,污水处理厂的关键控制变量经常按照满负荷运行来设定,即通过鼓风机和回流泵保持好氧区（第五分区）溶解氧（dissolved oxygen,DO）浓度SO,5和厌氧区（第二分区）硝态氮（nitrate nitrogen,NO）浓度SNO,2处于较高水平。但是,鼓风机和回流泵的运转需要大量的能量供给,这不可避免地增加了运行成本。同时,从生化反应机理来看,只有合适的SO,5和SNO,2才能保证硝化和反硝化反应的顺利进行。因此,应根据实际运行情况对SO,5和SNO,2的设定值进行动态寻优,从而尽可能地降低能耗（energy consumption,EC）和出水水质（effluent quality,EQ）。显然,为了提高污水处理效果和降低运行成本,构建污水处理过程的多目标优化控制策略势在必行。本课题利用分层递阶控制架构设计污水处理过程的多目标优化控制方案。该架构由三层组成,即建模层、优化层和控制层。建模层的目的是根据过程数据,建立多目标优化控制的目标函数;优化层的目的是在线优化目标函数,动态获取关键控制变量的优化设定值;控制层的目的是实时跟踪优化设定值,以保证污水生化反应的优化运行。根据分层递阶控制方案,本课题需要重点解决以下四个问题:一是污水处理过程评价模型的建立;二是污水处理过程复杂多目标优化问题的求解;三是污水处理过程DO和NO的底层控制;四是,集自组织建模、多变量自组织控制和自适应多目标优化于一体的污水处理过程分层递阶多目标优化控制。基于此,本课题的主要研究内容如下:（1）基于自组织模糊神经网络的污水处理过程评价模型针对污水处理过程多目标优化控制中评价模型的建立问题,提出了一种带有有效在线自组织策略的模糊神经网络（self-organizing fuzzy neural network with efficient online self-organizing scheme,SOFNN-EOS）建模方法。首先,引入不对称高斯函数作为隶属函数以构建广义椭球基函数（generalized ellipsoidal basis function,GEBF）,其能够更加灵活和有效地分割输入空间,从而增强了模糊规则对非线性系统的刻画能力;其次,在利用几何增长准则实现模糊规则自动生成的同时,提出了一种基于规则密度和重要性的分层修剪策略,其能够有效克服修剪阈值难以设置的难题,起到防止误删重要规则的作用;再次,设计了一种模糊规则前件参数的自适应分配策略,其不仅能够自适应地调整广义椭球基区域以获取更好的局部逼近,而且能够起到平衡系统精度、规则学习速度和规则库透明度的作用;进一步,在模糊规则自组织生长的同时,利用改进的递归最小二乘算法在线估计模糊规则的后件参数,以保证网络收敛;此外,对SOFNN-EOS的收敛性进行了分析,以确保其在实际工程中的成功应用;最后,利用基准测试问题、污水处理过程的能耗、出水水质和出水氨氮建模实验进行验证。结果表明,SOFNN-EOS不仅具有较为紧凑的网络结构和较好的泛化性能,而且最终形成的模糊规则具有较高的透明性和较强的可解释性。（2）基于自适应MOEA/D的多目标优化方法针对污水处理过程的复杂多目标优化问题,分别提出了基于角度的自适应MOEA/D算法（decomposition-based multiobjective evolutionary algorithm with angle-based adaptive penalty,MOEA/D-AAP）和基于自适应两阶段策略的MOEA/D算法（MOEA/D with adaptive two-phase,MOEA/D-ATP）。在MOEA/D-AAP中,首先,利用目标空间中解和权向量之间的角度定义了权向量的解浓度指标;然后,在进化过程中利用解浓度信息设计了惩罚因子的自适应调整策略;最后,利用6个复杂多目标优化问题验证了MOEA/D-AAP算法的性能。在MOEA/D-ATP中,首先,通过充分挖掘多参考点和两阶段优化策略的优势,设计了一种基于聚合函数值提升度的自动切换算法,用于两阶段之间的自动切换;然后,设计了一种基于父代解更新率的自适应算子选择算法,用于差分进化算子的自适应组合,以期平衡算法的探索和开发能力;最后,利用12个复杂的多目标测试问题验证了MOEA/D-ATP算法的性能。实验结果表明,MOEA/D-AAP和MOEA/D-ATP能够克服传统MOEA/D算法在复杂优化问题上近似Pareto解集多样性丧失的缺陷,其中MOEA/D-ATP表现更加优越。（3）基于自组织模糊神经网络的污水处理过程预测控制针对污水处理过程SO,5和SNO,2的多变量控制问题,提出了一种基于多输入多输出SOFNN的模型预测控制方法（SOFNN-based model predictive control,SOFNN-MPC）。首先,采用广义多级噪声作为激励信号产生系统辨识所需的输入输出数据;其次,利用广义椭球基函数、几何增长准则、分层修剪策略和递归最小二乘算法等建立多输入多输出SOFNN;再次,根据输入输出数据,离线建立污水处理过程的SOFNN辨识模型,并在实时控制过程中在线调整网络的权重参数,从而能够为MPC提供一个较为精确的预测模型;进一步,利用梯度寻优算法在线优化性能指标以求取控制律;此外,对SOFNN-MPC的收敛性和稳定性进行了分析,以确保其在实际工程中的成功应用;最后,利用BSM1平台进行算法性能测试。结果表明,与常规PID控制相比,SOFNN-MPC在跟踪精度、控制平稳性和自适应能力上更具优势。（4）污水处理过程分层递阶多目标优化控制针对污水处理过程分层递阶多目标优化控制问题,提出了一种集SOFNN预测模型、自适应MOEA/D优化算法和SOFNN控制器于一体的优化控制方案。首先,通过对污水生化处理过程的分析,选取EC和EQ作为优化目标,选取出水水质参数的达标限定值作为约束条件;然后,将MOEA/D-ATP、SOFNN预测模型和SOFNN控制器相结合,实现了污水生化处理过程SO,5和SNO,2设定值的动态寻优、智能决策和底层跟踪控制;最后,利用BSM1进行实验验证。结果表明,基于MOEA/D-ATP的分层递阶优化控制方法能够在保证平均出水水质参数达标的前提下,有效降低污水处理过程的能耗。
于平[7]（2019）在《基于深度神经网络的端到端自主驾驶研究》文中研究表明实现高级别的自动驾驶是本世纪最有价值的研究之一,而自主驾驶的本质是寻找传感器数据与驾驶指令之间的映射关系。现有自主驾驶系统通常采用分层递阶式或反应式体系结构,这些体系结构有利于自主驾驶的实现,但是也存在结构复杂、时延高等问题,而端到端体系结构则旨在跳过中间环节,直接构建这一映射关系,因此对端到端自动驾驶框架的研究有利于简化系统,提升系统的可靠性和反应速度,对最终实现高级别的自动驾驶具有重要意义。深度卷积神经网络作为近年来被广泛使用在计算机视觉领域的机器学习工具,能够从大量样本中自主地学习知识,因此可以利用卷积神经网络从人类驾驶员的大量驾驶数据中自动地、有监督地学习传感器数据和方向盘角度之间的映射关系,本文对此展开了探索性质的研究。主要工作具体如下:（1）设计了基于图像和卷积神经网络的端到端自动驾驶框架。目前,虽然已经有学者对基于神经网络和图像的端到端驾驶进行了研究,但是他们使用的神经网络中,要么太过简单,要么需要较高的显存资源,因此本文对此进行了优化,采用了“卷积-池化-全连接”的设计思想,构建了一种层数更多但是显存占用相对较小的卷积神经网络,并在真实环境中采集的数据集上进行了实验。实验证明尽管本文使用的神经网络只占用了较小的显存,但是也能够较好地学习传感器数据和方向盘角度之间的映射关系。（2）基于对抗生成网络构建了一种对抗样本生成框架。对抗样本指的是,对于分类器而言,即使只对原始图像进行非常有限的更改,也能够使得分类器得出与原始图像迥然相异的分类结果,而对抗生成网络则能够利用现有数据,通过“博弈”型的训练,得到能够生成特定风格图像的生成器。本文将两者结合,提出了一种基于对抗生成网络的对抗样本生成框架,经过训练,生成模型能够快速地生成对抗样本。（3）设计了一种基于点云和卷积神经网络的端到端自动驾驶框架。在以往的端到端系统研究中,研究者往往只使用了图像数据作为输入,受限于相机成像模型和视场角,单个相机仅能获取有限角度内的环境信息,而使用激光雷达的点云数据则能够获取更大角度范围内的环境信息。我们借鉴了PointNet的思想,采用最大值池化操作来解决点云无序问题,使用跳跃连接层来融合多种维度的特征,以此来实现并改进了基于点云的网络框架。实验证明,这一框架相对于只使用图像的网络框架拥有更低的平均误差,整体表现更好。（4）设计了一种基于图像、点云的融合数据的端到端自动驾驶框架。本文利用相机的标定参数将点云数据投影到图像平面中,并获取了与相机图像同样大小的投影图像,将原始图像和投影图像堆叠构成输入数据,最后利用卷积神经网络学习融合数据和车辆方向盘之间的映射关系。通过实验,我们发现相对于前两种框架,使用融合数据能够获得更高的准确率,且相对于只使用图像数据,网络模型的平均误差上有了一定的降低。
赵庆磊[8]（2016）在《空间相机主控系统的控制策略研究》文中研究表明随着现代科学技术的飞速发展,对空间相机遥感成像质量提出了更高的要求。为了满足高分辨率、宽视场的需求,使得相机焦距越来越长、体积越来越大、CCD数量越来越多、信息量越来越大,对于相机主控系统来说,其数据处理与控制工作也越来越复杂。由于我国大部分空间相机分辨率较低,主控系统的控制方法简单,其工作方式通常都是由地面控制中心对卫星下传的遥测数据进行人工判读,根据判读结果检查相机状态的正确性,然后再经过地面控制中心发送遥控指令,控制相机的成像工作,进而耗费较多的人力资源。随着高分辨率、宽视场相机的发展与需求,数据信息量加大,控制愈加复杂,传统的人工判读方法存在误判、漏判的风险。同时,如果相机在轨工作期间出现故障,不能及时有效的处理,相机只能带病生存,给设备带来局部乃至整体毁坏的隐患。因此有必要开展空间相机主控系统的控制策略研究,即在主控系统完成以往正常工作的基础上,同时能够具有自主处理功能,提高系统可靠性。本文调研了国内、外空间相机的技术发展,以及自动控制技术在空间相机控制领域中的应用现状,结合在研某型号高分辨率离轴详查相机项目,根据空间相机控制系统的工作特性,开展了控制策略相关技术研究。论文主要内容如下:分析了空间相机控制系统的主要功能和星上工作时的主要任务,设计了控制系统与子系统以及卫星的数据传输协议格式,为确保空间相机主控系统的控制策略实现奠定了基础。针对空间相机数据信息量不断增多,为满足在轨工作实时性要求,提出了基于离散型Hopfield神经网络的遥测数据处理方法并对其进行算法改进。利用离散型Hopfield神经网络的联想记忆能力,判断遥测数据是否异常,主控系统根据判断结果进行故障等级划分,结合故障等级,动态调整神经单元。有效地缩短了通讯周期,提高了数据分析的处理速度。为提高空间相机的可靠性,使相机具有自主控制能力,提出了基于分层递阶智能控制的遥控指令处理方法。首先识别遥测数据故障等级;然后结合遥控指令对故障单元进行针对性的隔离、监测或恢复处理。增强了相机快速响应处理能力,提高了设备的安全性。为简化设计过程,进行了空间相机主控系统的硬件电路模块化设计。便于电路的重利用,缩短了单板设计周期。通过实验对主控系统的控制策略方法进行测试。实验结果表明,运用本文的策略方法,不仅可以减轻人工判读的负担,提高遥测数据分析的准确性,更重要的是能根据判读的结果进行有针对性的故障隔离与恢复,确保空间相机在轨工作期间的稳定与可靠,为相机顺利、圆满完成在轨成像任务提供了保障。系统待机运行周期为50ms,正常工作所需时间为150ms,运行时间短,处理速度快,具有实际的意义与应用价值。
刘云[9]（2016）在《复杂直流电网网架构建及优化研究》文中研究指明与交流同步电网的自由联网相比,直流电网在提高电网控制灵活性、限制同步电网规模、降低电网复杂度、减少电网损耗等诸多方面具有优势。直流电网可实现直流线路间直接互联互通,提高直流系统输电容量,降低输电损耗,大幅降低换流站建设和运营成本。同时,关键设备技术指标不断突破,工程性价比持续提高,直流工程不断投运,输电容量、电压等级、工程复杂性持续提高,研究及工程经验日益丰富,都将极大推动直流电网的技术发展及工程化进度。直流电网系统庞大、环境复杂、影响因素及不确定性繁多,但是,直流电网相关决策制定和执行要求及时、迅速响应系统实时变化。采用大系统理论中分层递阶控制理论,按照变尺度、“分解-协调”等原则,分解复杂直流电网及其控制问题,可有效解决系统建模的变量“维数灾”、系统仿真和优化的天量计算、通信系统的海量数据交换等困难,提高决策分析效率,降低决策复杂度。顺应能源战略和技术发展趋势,充分考虑与现有电网技术管理体系兼容性,本文深入研究了功率控制体系构建及实现方式、网络输电模式及输电分配策略、直流电网网架拓扑等直流电网关键支撑技术,为加快推进“可靠、高效、充足、灵活、洁净”直流电网构建和发展进行有益探索。（1）大系统分层递阶控制理论适应直流电网构建及优化研究指出了直流电网优化决策面临大系统具有的多种难题,提出了采用大系统分层递阶控制理论是分析直流电网控制协调问题的有效途径：一是将交流系统成熟的分层控制方式及思路推广到直流电网,可提高与现有电网技术管理体系兼容性；二是递阶控制最优化算法为寻求高效直流电网输电分配优化策略和算法提供了重要的求解思路；三是分层递阶结构原则有助于构建结构清晰、透明开放和灵活互动的分层分区直流电网架构。上述研究结果为基于分层递阶控制理论,开展直流电网控制优化及网架构建关键技术研究,奠定了坚实的理论基础。（2）基于大系统分层递阶控制理论构建和实现直流电网有功功率控制体系分析了交、直流高压电网控制多方面异同,提出了基于大系统分层递阶控制理论的直流电网有功功率分层控制体系方案,明确各层功能定位。分析不同层次的控制策略、运行方式和实现途径,研究分层控制系统间协调配合关键技术,分析重要影响因素。该方案可解耦不同控制需求和功能,提高不同控制器设计独立性。（3）基于用户最优平衡原则建立直流电网输电分配优化方案分析了直流输电系统技术经济性持续提高对直流电网发展的影响,提出了网络输电模式顺应直流电网技术发展趋势,将替代端对端专线模式成为直流电网发展主流。提出了基于用户最优平衡原则的直流电网输电优化策略具有理论基础坚实、工程实施潜力大的特点。结合直流电网输电特性,提出了选取用户最优平衡（UE）网络流量分配原则,采用若干理想化假设,引入约束条件,建立直流电网输电需求均衡优化分配数学模型,选择搜索算法求解最优解,旨在实现数学建模精确性和算法有效性的统一,并结合实例进行分析。（4）基于层次化和差异化原则构建分层分区直流电网网架分析了直流电网发展方向和要求,提出了直流网架结构发展的技术特征,提出了基于大系统分层递阶控制理论建立分层分区直流电网拓扑架构的方案：一是按照电压等级、功能、区域等实现电网分层：二是以受端系统为核心,构建供需基本平衡的独立供电区域,区内电网强联系,区间弱联络,实现电网分区。上述方案既借鉴现有电网成熟经验,又体现直流电网技术特点,有利于实现控制精确性和有效性间平衡,提升与现有电网技术管理体系兼容性,加快推进直流电网研究深入和工程应用。
余昆[10]（2011）在《基于分层递阶控制理论的城市电网自愈控制研究》文中认为城市是电力负荷中心,城市电网的持续安全可靠运行与社会生产和生活息息相关,电.能要求瞬时平衡,而城市电网及其运行环境日益复杂,不确定性增加,对城市电网的运行控制提出了更高的要求。根据生物体维持其自愈力的原理,结合城市电网的特点,研究适应城市电网运行控制要求的自愈控制方法,基于分层递阶控制理论和智能体群体系统理论建立城市电网自愈控制体系结构和控制模型,设计自愈控制的实现方法,在城市电网运行脆弱性评估基础上实施合理的控制方案。具体工作如下：（1）结合分层递阶控制理论和电力系统控制的基本框架,提出城市电网自愈的分层递阶控制体系结构,在该体系结构下,通过充分发挥分布式电源的有益补充和紧急支撑作用提高城市电网的自愈力；（2）结合分层递阶控制结构和智能体群体系统理论,提出基于MAS的城市电网分层递阶自愈控制结构,建立城市电网自愈控制的数学模型,提出控制策略的三维协调模式,在该模式下建立基于分层递阶控制理论的自愈控制模型,各层之间具有统一的接口模型；（3）定义动态随机变量,建立其概率模型,利用随机变量的半不变量和Gram-Charlier级数进行动态概率潮流计算,分析各种扰动对城市电网的危害,基于风险理论提出城市电网运行脆弱性评估指标和评估方法,通过对城市电网运行状态的评估为制定自愈控制方案提供依据；（4）基于提出的城市电网自愈的分层递阶控制体系结构和控制模型,设计城市电网自愈控制系统框架、各级智能体结构及其协调策略。通过上述的自愈控制体系结构、控制模型、分析方法和系统框架,搭建城市电网自愈控制系统,在南京六合电网和江宁电网进行实际应用,实现城市电网自适应闭环控制,保持向更健康状态转移的自愈力,保证用户的持续供电。
二、分层递阶控制系统体系结构的Hopfield网络模型（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、分层递阶控制系统体系结构的Hopfield网络模型（论文提纲范文）
（1）大型机场航班延误风险复杂性分析及治理网络构建 ——基于深圳机场的实证研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 问题提出 |
| 1.2 研究意义 |
| 1.3 文献综述 |
| 1.4 研究思路、研究内容与研究方法 |
| 2 深圳机场航班延误风险及其管理现状 |
| 2.1 深圳机场的基本情况 |
| 2.2 深圳机场航班延误事件的基本情况 |
| 2.3 深圳机场航班延误管理存在的问题 |
| 2.4 本章小结 |
| 3 机场区域航班延误的风险因素及其关联性识别 |
| 3.1 识别机场航班延误风险因素 |
| 3.2 确定机场航班延误风险因素的关联关系 |
| 3.3 本章小结 |
| 4 基于ISM航班延误风险因素分层递阶结构分析 |
| 4.1 解释结构模型的基本原理 |
| 4.2 基于ISM的航班延误风险因素的分析步骤 |
| 4.3 基于风险因素分层递阶结构的航班延误风险控制方案设计 |
| 4.4 本章小结 |
| 5 基于SNA的航班延误风险影响因素复杂性分析 |
| 5.1 基于SNA的航班风险因素网络分析方法 |
| 5.2 深圳机场航班延误风险因素网络构建 |
| 5.3 分析结果 |
| 5.4 基于风险因素网络分析的风险控制策略设计 |
| 5.5 本章小结 |
| 6 系统治理视角下航班延误风险联防联控组织网络构建与分析 |
| 6.1 识别航班延误风险治理参与单位 |
| 6.2 确定航班延误风险责任单位间的合作关系 |
| 6.3 构建航班延误风险联防联控组织网络 |
| 6.4 航班延误风险联防联控组织网络结构分析 |
| 6.5 组织间合作视角下的风险控制策略设计 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 附件A 深圳宝安国际机场航班延误风险因素检查表 |
| 附件B 深圳宝安国际机场航班延误风险因素识别意见征询表 |
| 附件C 深圳宝安国际机场航班延误风险因素关系识别意见征询表 |
| 附件D 深圳宝安国际机场航班延误风险因素关系表 |
| 参考文献 |
| 致谢 |
（2）孤岛型单三相混联结构微电网群协同优化控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 单三相混联结构微电网群研究现状 |
| 1.2.2 微电网群协同优化控制研究现状 |
| 1.2.3 微电网群控制仿真技术研究现状 |
| 1.3 本文主要内容及章节安排 |
| 第2章 孤岛型单三相混联结构微电网群系统概述 |
| 2.1 孤岛型单三相混联结构微电网群组网结构及控制架构 |
| 2.2 单三相混联结构微电网群三相功率不平衡问题分析 |
| 2.2.1 三相功率不平衡及其危害 |
| 2.2.2 三相功率不平衡解决方案 |
| 2.3 单三相混联结构微电网群全景拓扑分析 |
| 2.3.1 黑板模型功能设计 |
| 2.3.2 基于广义布尔运算表示的拓扑分析 |
| 2.3.3 实例分析 |
| 2.4 本章小结 |
| 第3章 孤岛型单三相混联结构微电网群实时模型预测控制 |
| 3.1 模型预测控制算法 |
| 3.2 考虑三相不平衡的微电网群实时模型预测控制 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第4章 孤岛型单三相混联结构微电网群多时间尺度递阶控制 |
| 4.1 多时间尺度递阶控制架构 |
| 4.2 分钟级集中协调控制 |
| 4.3 小时级动态孤岛切换控制 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于多进程的孤岛型单三相混联结构微电网群分层控制仿真平台设计 |
| 5.1 仿真平台方案设计 |
| 5.1.1 多进程原理及优势 |
| 5.1.2 多进程架构设计 |
| 5.1.3 多进程间信息交互 |
| 5.2 算例测试 |
| 5.2.1 测试系统 |
| 5.2.2 多进程仿真过程 |
| 5.2.3 结果与分析 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）基于Holon的承运者协同运输研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩略语表 |
| 符号表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 协同运输相关领域研究现状 |
| 1.2.1 供应链运输协同问题研究 |
| 1.2.2 承运者车辆路径问题研究 |
| 1.2.3 承运者协同运输问题研究 |
| 1.3 论文的研究内容、组织结构和主要创新点 |
| 1.3.1 论文研究的主要问题 |
| 1.3.2 论文的具体研究内容及组织结构 |
| 1.3.3 论文的主要创新点 |
| 1.4 本章小结 |
| 2 基于Holon的承运者协同运输系统 |
| 2.1 引言 |
| 2.2 协同运输的Holon框架 |
| 2.2.1 系统控制结构 |
| 2.2.2 合弄控制结构 |
| 2.2.3 承运者协同运输的控制结构 |
| 2.2.4 承运者协同运输Holon框架结构 |
| 2.3 CCTSH规范化描述 |
| 2.3.1 CCTSH的UML描述 |
| 2.3.2 CCTSH的DEVS形式化描述 |
| 2.4 仿真系统的设计与实现 |
| 2.5 本章小节 |
| 3 基于有限运输能力的任务选择 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 问题的数学模型 |
| 3.3.1 外包任务选择模型ORSM |
| 3.3.2 采购任务选择模型SRSM |
| 3.4 问题的上界模型 |
| 3.5 数值实验 |
| 3.5.1 实验算例和软硬件环境 |
| 3.5.2 任务选择实验 |
| 3.6 本章小节 |
| 4 基于单任务拍卖的任务交换 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于拍卖的任务交换 |
| 4.3.1 任务交换过程描述 |
| 4.3.2 任务交换机制 |
| 4.4 集中控制机制和独立计划机制 |
| 4.4.1 集中控制机制及上界模型 |
| 4.4.2 独立计划方法 |
| 4.5 数值实验 |
| 4.5.1 实验算例及仿真过程 |
| 4.5.2 实验结果与分析 |
| 4.6 本章小节 |
| 5 协同运输的利润分配 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 利润分配 |
| 5.3.1 第一密封价格拍卖 |
| 5.3.2 第二密封价格拍卖 |
| 5.3.3 双方叫价交易 |
| 5.3.4 Shapley值法 |
| 5.3.5 改进Shapley值法 |
| 5.4 数值实验 |
| 5.4.1 实验算例及仿真过程 |
| 5.4.2 实验结果与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作的总结 |
| 6.2 研究工作的展望 |
| 参考文献 |
| 附录 |
| A1 第5章其余4个算例集的利润分配结果 |
| 作者简历及在学期间所取得的科研成果 |
（4）面向系统与控制中两类矩阵方程求解的递归神经网络模型设计、分析及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 英文缩写表 |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 人工神经网络 |
| 1.2.1 神经网络发展回顾 |
| 1.2.2 神经网络分类 |
| 1.2.3 递归神经网络的数学描述 |
| 1.2.4 递归神经网络中的有关概念 |
| 1.2.5 递归神经网络的分析方法 |
| 1.3 冗余机械臂运动学 |
| 1.4 国内外研究现状 |
| 1.4.1 Stein方程研究现状 |
| 1.4.2 矩阵Moore-Penrose逆研究现状 |
| 1.5 本文主要工作和论文结构 |
| 1.6 本章小节 |
| 第二章 梯度神经网络求解静态Stein方程 |
| 2.1 引言 |
| 2.2 预备知识 |
| 2.2.1 基本概念 |
| 2.2.2 相关引理 |
| 2.3 问题描述 |
| 2.4 梯度神经网络求解器 |
| 2.5 网络结构 |
| 2.6 收敛性能分析 |
| 2.7 鲁棒性分析 |
| 2.8 仿真实验 |
| 2.8.1 收敛性实验 |
| 2.8.2 鲁棒性实验 |
| 2.9 本章小结 |
| 第三章 组合函数激励的零化神经网络求解动态Moore-Penrose逆 |
| 3.1 引言 |
| 3.2 组合函数激励的零化神经网络求解模型 |
| 3.3 理论分析 |
| 3.4 仿真实验 |
| 3.4.1 常噪声 |
| 3.4.2 动态有界噪声 |
| 3.5 本章小结 |
| 第四章 有限时间收敛和抗噪的变参神经网络求解动态Moore-Penrose逆 |
| 4.1 引言 |
| 4.2 ZNN求解模型 |
| 4.2.1 基于OZNN的求解模型 |
| 4.2.2 基于IEZNN的求解模型 |
| 4.2.3 VPZNN模型 |
| 4.2.4 模型比较 |
| 4.3 理论分析 |
| 4.3.1 无噪声情况下的收敛性能 |
| 4.3.2 常噪声下的收敛性能 |
| 4.3.3 动态噪声或无界线性噪声下的收敛性能 |
| 4.4 仿真实验 |
| 4.4.1 验证VPZNN-R模型 |
| 4.4.2 验证VPZNN-L模型 |
| 4.4.3 具有不连续导数的动态矩阵的仿真 |
| 4.5 本章小结 |
| 第五章 零化神经网络在冗余机械臂最小速度范数方案解析中的应用 |
| 5.1 引言 |
| 5.2 基于零化神经网络的MVN方案 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 总结与展望 |
| 论文工作总结 |
| 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）基于多智能体的城市路网交通信号控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 交通系统的发展 |
| 1.2.2 交通信号控制理论与方法 |
| 1.3 交通信号控制基础理论 |
| 1.3.1 交通信号控制参数 |
| 1.3.2 交通信号评价指标 |
| 1.3.3 交通信号控制范围 |
| 1.4 本文主要研究内容与框架 |
| 1.5 小结 |
| 第二章 区域交通信号控制Agent体系结构 |
| 2.1 Agent模型结构 |
| 2.2 基于多智能体的交通控制模型 |
| 2.3 多智能体系统在交通信号控制中的优越性研究 |
| 2.4 小结 |
| 第三章 深度强化学习在单交叉口控制中的应用 |
| 3.1 深度强化学习基本理论 |
| 3.1.1 强化学习定义 |
| 3.1.2 强化学习目标函数 |
| 3.1.3 深度Q学习算法 |
| 3.2 深度Q学习在交通控制中的应用 |
| 3.3 仿真与实验结果 |
| 3.4 小结 |
| 第四章 区域交通信号协调控制 |
| 4.1 多智能体协调控制结构 |
| 4.2 基于协作图方法在交通控制中的应用 |
| 4.2.1 协作图方法 |
| 4.2.2 Max-plus算法在交通控制中的应用 |
| 4.3 博弈论方法在交通控制中的应用 |
| 4.3.1 博弈论方法 |
| 4.3.2 区域交通协调模型示例 |
| 4.3.3 协调步骤 |
| 4.3.4 交通控制中博弈协调算法示例 |
| 4.3.5 Nash Q学习算法 |
| 4.4 仿真与实验结果 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间发表的论文 |
（6）城市污水处理过程自组织建模及多目标优化控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 课题来源 |
| 1.2 污水处理过程国内外研究现状 |
| 1.2.1 污水处理过程建模研究现状 |
| 1.2.2 污水处理过程控制研究现状 |
| 1.2.3 污水处理过程优化研究现状 |
| 1.3 模糊神经网络的研究现状 |
| 1.4 MOEA/D的研究现状 |
| 1.5 论文的主要研究内容和创新点 |
| 1.5.1 论文的主要研究内容 |
| 1.5.2 论文的主要创新点 |
| 1.6 论文的组织构架 |
| 第2章 污水处理过程特性分析及基准测试平台 |
| 2.1 引言 |
| 2.2 活性污泥污水处理过程工艺流程 |
| 2.3 污水处理过程特性分析及基准测试平台 |
| 2.3.1 生化反应过程特性分析 |
| 2.3.2 二沉池特性分析 |
| 2.3.3 入水数据特性分析 |
| 2.3.4 性能评价指标 |
| 2.3.5 BSM1 基准仿真平台测试 |
| 2.4 本章小结 |
| 第3章 基于广义椭球基函数的自组织模糊神经网络 |
| 3.1 引言 |
| 3.2 模糊神经网络 |
| 3.3 自组织模糊神经网络 |
| 3.3.1 结构辨识 |
| 3.3.2 参数估计 |
| 3.3.3 算法流程 |
| 3.4 收敛性分析 |
| 3.5 实验结果与分析 |
| 3.5.1 非线性函数逼近 |
| 3.5.2 非线性系统辨识 |
| 3.5.3 Mackey-Glass时间序列预测 |
| 3.6 本章小结 |
| 第4章 基于角度的自适应MOEA/D优化算法 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 基本定义 |
| 4.2.2 PBI分解方法 |
| 4.3 基于角度的自适应惩罚策略 |
| 4.3.1 惩罚因子的影响 |
| 4.3.2 自适应PBI的优势 |
| 4.3.3 基于角度的自适应惩罚策略 |
| 4.4 MOEA/D-AAP算法 |
| 4.4.1 初始化 |
| 4.4.2 繁殖操作 |
| 4.4.3 算法流程 |
| 4.4.4 复杂度计算 |
| 4.4.5 讨论 |
| 4.5 基准问题测试 |
| 4.5.1 测试问题 |
| 4.5.2 性能指标 |
| 4.5.3 参数设置 |
| 4.5.4 实验结果 |
| 4.5.5 讨论 |
| 4.6 本章小结 |
| 第5章 基于自组织模糊神经网络的污水处理过程预测控制 |
| 5.1 引言 |
| 5.2 预备知识 |
| 5.2.1 模型预测控制 |
| 5.2.2 模糊神经网络 |
| 5.3 基于自组织模糊神经网络的模型预测控制 |
| 5.3.1 自组织模糊神经网络 |
| 5.3.2 控制律推导 |
| 5.3.3 算法流程 |
| 5.4 稳定性分析 |
| 5.5 实验结果与分析 |
| 5.5.1 建模结果 |
| 5.5.2 控制结果 |
| 5.6 本章小结 |
| 第6章 基于自组织模糊神经网络的污水处理过程评价模型 |
| 6.1 引言 |
| 6.2 污水处理过程多目标优化问题 |
| 6.3 污水处理过程评价模型构建 |
| 6.3.1 实验设计 |
| 6.3.2 自组织模糊神经网络 |
| 6.4 实验结果与分析 |
| 6.4.1 EC建模结果 |
| 6.4.2 EQ建模结果 |
| 6.4.3 出水氨氮建模结果 |
| 6.5 本章小结 |
| 第7章 污水处理过程分层递阶多目标优化控制 |
| 7.1 引言 |
| 7.2 污水处理过程多目标优化控制架构 |
| 7.3 MOEA/D-ATP算法 |
| 7.3.1 预备知识 |
| 7.3.2 MOEA/D-ATP算法 |
| 7.3.3 复杂度计算 |
| 7.4 基准问题测试 |
| 7.4.1 测试问题 |
| 7.4.2 性能指标 |
| 7.4.3 参数设置 |
| 7.4.4 实验结果 |
| 7.5 污水处理过程多目标优化控制 |
| 7.5.1 优化结果 |
| 7.5.2 优化控制结果 |
| 7.5.3 讨论 |
| 7.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士学位期间的成果 |
| 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间参加的学术会议 |
| 攻读博士学位期间所获奖励 |
| 致谢 |
（7）基于深度神经网络的端到端自主驾驶研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国内外自主驾驶研究现状 |
| 1.2.2 自主驾驶系统结构 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 2 相关技术综述 |
| 2.1 自主驾驶系统体系结构 |
| 2.2 神经网络相关理论 |
| 2.2.1 卷积神经网络与深度神经网络的发展 |
| 2.2.2 深度神经网络与自主驾驶技术的结合 |
| 2.3 端到端自主驾驶系统 |
| 2.4 评价指标 |
| 2.5 本章小结 |
| 3 基于图像的端到端自动驾驶框架 |
| 3.1 卷积神经网络 |
| 3.1.1 卷积神经网络的组成 |
| 3.1.2 卷积神经网络的训练 |
| 3.2 实验设计 |
| 3.2.1 数据集介绍 |
| 3.2.2 网络设计与训练设置 |
| 3.2.3 基于对抗生成网络的对抗攻击 |
| 3.3 实验结果与分析 |
| 3.3.1 对比实验结果 |
| 3.3.2 网络深度对于网络网络性能的影响 |
| 3.3.3 使用残差网络对网络性能的影响 |
| 3.3.4 对抗样本生成网络 |
| 3.4 本章小结 |
| 4 基于激光雷达点云的端到端自动驾驶框架 |
| 4.1 激光雷达传感器概述 |
| 4.2 基于PointNet和跳跃连接层的网络框架 |
| 4.3 实验与结果分析 |
| 4.3.1 对比实验结果 |
| 4.3.2 不同特征维度对模型结果的影响 |
| 4.3.3 随机排序点云对模型结果的影响 |
| 4.3.4 使用跳跃连接层对模型效果的影响 |
| 4.4 本章小结 |
| 5 基于点云、图像数据融合的端到端驾驶框架 |
| 5.1 相机标定技术与图像、点云数据融合 |
| 5.1.1 相机模型与畸变 |
| 5.1.2 相机标定与点云投影 |
| 5.2 基于点云和图像融合的端到端自主驾驶网络框架 |
| 5.3 实验结果与分析 |
| 5.3.1 对比实验结果 |
| 5.3.2 首个卷积操作的卷积核尺寸对于模型结果的影响 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）空间相机主控系统的控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题背景及研究意义 |
| 1.3 空间相机主控系统的发展现状 |
| 1.4 论文研究的主要内容 |
| 第2章 空间相机主控系统结构分析与设计 |
| 2.1 引言 |
| 2.2 系统结构与功能分析 |
| 2.3 数据传输协议设计 |
| 2.4 本章小结 |
| 第3章 遥测数据的处理方法 |
| 3.1 引言 |
| 3.2 基于Hopfield反馈神经网络的遥测数据处理方法研究 |
| 3.3 方法设计与仿真实验 |
| 3.4 本章小结 |
| 第4章 遥控指令的决策方法 |
| 4.1 引言 |
| 4.2 基于分层递阶智能控制的遥控指令决策方法研究 |
| 4.3 方法设计与仿真实验 |
| 4.4 本章小结 |
| 第5章 实验结果与数据分析 |
| 5.1 引言 |
| 5.2 主控系统的电路模块化设计 |
| 5.3 测试实验的物理环境 |
| 5.4 实验验证方法 |
| 5.5 实验数据分析 |
| 5.6 本章小结 |
| 第6章 结论 |
| 6.1 引言 |
| 6.2 主要研究成果及结论 |
| 6.3 论文创新点 |
| 6.4 展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（9）复杂直流电网网架构建及优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 直流电网国内外研究现状 |
| 1.2.1 直流电网研究概况 |
| 1.2.2 直流电网关键技术研究进展 |
| 1.3 大系统及其递阶控制理论的国内外研究现状 |
| 1.3.1 问题提出 |
| 1.3.2 大系统及其理论 |
| 1.3.3 分层递阶控制 |
| 1.3.4 目前电网中应用 |
| 1.4 研究内容及章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第2章 大系统分层递阶控制理论对直流电网研究的适应性分析 |
| 2.1 引言 |
| 2.2 技术需求分析 |
| 2.2.1 大电网大停电事故反思 |
| 2.2.2 直流电网及其研究的特点和需求 |
| 2.2.3 直流电网分析难点 |
| 2.3 分层递阶控制方式对直流电网功率控制体系构建的适应性 |
| 2.3.1 分层递阶控制结构及理论 |
| 2.3.2 理论适应性分析 |
| 2.4 递阶控制优化算法对直流电网输电分配优化的适应性 |
| 2.4.1 网络输电模式的特性 |
| 2.4.2 递阶控制的最优化算法 |
| 2.4.3 分层递阶理论对输电分配优化策略的适应性 |
| 2.5 分层递阶理论对直流电网网架构建的适应性 |
| 2.6 本章小结 |
| 第3章 直流电网分层功率控制体系构建及实现方式研究 |
| 3.1 引言 |
| 3.2 交直流电网运行特性比较 |
| 3.2.1 有功功率平衡及调节 |
| 3.2.2 直流电压稳定与潮流分布 |
| 3.2.3 电气参数及特性 |
| 3.3 直流电网功率控制体系设计 |
| 3.3.1 交流系统频率控制方式 |
| 3.3.2 直流电网功率控制体系概念 |
| 3.3.3 直流电网功率分层控制体系各层功能定位 |
| 3.3.4 直流电网功率控制体系关键影响因素 |
| 3.4 直流电网功率控制体系关键环节设计 |
| 3.4.1 一次控制 |
| 3.4.2 二次控制 |
| 3.4.3 协调配合关键技术 |
| 3.5 本章小结 |
| 第4章 基于用户最优平衡原则的直流电网输电分配优化方案研究 |
| 4.1 引言 |
| 4.2 直流电网网络输电模式技术分析 |
| 4.2.1 直流电网结构及特性 |
| 4.2.2 输电策略技术需求 |
| 4.3 直流电网网络输电模式输电分配策略及实现 |
| 4.3.1 输电分配问题描述 |
| 4.3.2 输电分配方式设计 |
| 4.3.3 输电分配策略建模 |
| 4.3.4 输电分配模型算法 |
| 4.4 直流电网网络输电模式输电分配策略应用示例 |
| 4.4.1 技术路线 |
| 4.4.2 网架建模 |
| 4.4.3 分析及改进 |
| 4.5 本章小结 |
| 第5章 分层分区直流电网网架构建方式研究 |
| 5.1 引言 |
| 5.2 直流电网规划 |
| 5.2.1 “沙漠技术”及欧洲“超级电网” |
| 5.2.2 美国电网改造构想 |
| 5.2.3 亚洲地区跨国联网 |
| 5.2.4 全球能源互联网 |
| 5.2.5 中国直流输电网构想 |
| 5.3 直流电网网架构建内涵及原则 |
| 5.3.1 直流电网网架构建内涵 |
| 5.3.2 分层分区网架构建原则及设想 |
| 5.4 直流互联及直流电网接入的拓扑结构 |
| 5.4.1 直流互联拓扑结构 |
| 5.4.2 直流系统接入交流系统拓扑结构 |
| 5.4.3 利用直流输电技术实现交流线路资产再利用 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）基于分层递阶控制理论的城市电网自愈控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 论文的选题背景及研究意义 |
| 1.1.1 电网自愈控制技术的时代背景 |
| 1.1.2 城市电网自愈控制的研究意义 |
| 1.2 城市电网自愈控制的研究现状 |
| 1.2.1 城市电网运行分析与评估研究现状 |
| 1.2.2 城市电网优化控制与故障处理研究现状 |
| 1.2.3 分布式电源并网运行的影响研究现状 |
| 1.3 论文的主要工作及贡献 |
| 1.3.1 论文的研究路线 |
| 1.3.2 主要创新点 |
| 1.3.3 论文的章节安排 |
| 参考文献 |
| 第2章 基于分层递阶控制理论的城市电网自愈控制体系结构 |
| 2.1 引言 |
| 2.2 城市电网自愈控制基础 |
| 2.2.1 城市电网及其运行控制的特点 |
| 2.2.2 电力系统控制的基本框架 |
| 2.3 分层递阶控制的基本原理 |
| 2.3.1 分层递阶控制的提出 |
| 2.3.2 分层递阶控制结构及控制原理 |
| 2.4 城市电网自愈的分层递阶控制体系结构 |
| 2.4.1 自愈控制的基本思想 |
| 2.4.2 城市电网自愈控制体系结构 |
| 2.4.3 城市电网自愈的分层递阶控制体系结构 |
| 2.5 本章小结 |
| 参考文献 |
| 第3章 基于动态概率潮流算法的城市电网运行脆弱性评估 |
| 3.1 引言 |
| 3.2 计及分布式发电的城市电网运行风险分析 |
| 3.2.1 分布式电源及其特点 |
| 3.2.2 分布式发电的作用 |
| 3.2.3 城市电网的运行风险 |
| 3.3 城市电网动态概率潮流计算 |
| 3.3.1 动态随机变量及其概率模型 |
| 3.3.2 基于Gram-Charlier级数的动态概率潮流计算 |
| 3.3.3 算例分析 |
| 3.4 城市电网运行脆弱性评估 |
| 3.4.1 扰动对城市电网的危害严重度评价模型 |
| 3.4.2 城市电网运行脆弱性指标 |
| 3.4.3 基于层次分析法的城市电网运行脆弱性评估 |
| 3.4.4 算例分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第4章 基于智能体群体系统理论的城市电网自愈控制模型 |
| 4.1 引言 |
| 4.2 基于智能体群体系统的城市电网自愈控制分层递阶结构 |
| 4.2.1 智能体群体系统(MAS)理论 |
| 4.2.2 基于MAS的分层递阶控制结构 |
| 4.2.3 基于MAS的城市电网自愈控制分层递阶结构 |
| 4.3 城市电网自愈的分层递阶控制模型 |
| 4.3.1 城市电网自愈控制的数学模型 |
| 4.3.2 城市电网自愈的分层递阶控制模型 |
| 4.4 基于分层递阶结构的城市电网自愈控制策略 |
| 4.4.1 城市电网自愈控制协调策略 |
| 4.4.2 算例分析 |
| 4.5 本章小结 |
| 参考文献 |
| 第5章 城市电网自愈控制系统设计 |
| 5.1 引言 |
| 5.2 城市电网自愈控制的系统框架设计 |
| 5.3 城市电网自愈控制系统智能体设计 |
| 5.3.1 智能体结构与功能设计 |
| 5.3.2 智能体协调策略 |
| 5.4 案例分析 |
| 5.4.1 系统实施 |
| 5.4.2 案例1分析 |
| 5.4.3 案例2分析 |
| 5.5 本章小结 |
| 参考文献 |
| 第6章 结论与展望 |
| 6.1 全文工作总结 |
| 6.2 进一步工作的展望 |
| 附录 |
| 附录Ⅰ 仿真算例数据 |
| 攻读博士学位期间取得的研究成果 |
四、分层递阶控制系统体系结构的Hopfield网络模型（论文参考文献）
- [1]大型机场航班延误风险复杂性分析及治理网络构建 ——基于深圳机场的实证研究[D]. 王越尧. 暨南大学, 2020(07)
- [2]孤岛型单三相混联结构微电网群协同优化控制研究[D]. 刘泽健. 华南理工大学, 2020
- [3]基于Holon的承运者协同运输研究[D]. 李俊松. 浙江大学, 2020(01)
- [4]面向系统与控制中两类矩阵方程求解的递归神经网络模型设计、分析及应用研究[D]. 谭志国. 华南理工大学, 2019(01)
- [5]基于多智能体的城市路网交通信号控制研究[D]. 喻金忠. 东南大学, 2019(06)
- [6]城市污水处理过程自组织建模及多目标优化控制[D]. 周红标. 北京工业大学, 2019
- [7]基于深度神经网络的端到端自主驾驶研究[D]. 于平. 南京理工大学, 2019(06)
- [8]空间相机主控系统的控制策略研究[D]. 赵庆磊. 中国科学院研究生院(长春光学精密机械与物理研究所), 2016(08)
- [9]复杂直流电网网架构建及优化研究[D]. 刘云. 华北电力大学(北京), 2016(02)
- [10]基于分层递阶控制理论的城市电网自愈控制研究[D]. 余昆. 浙江大学, 2011(07)