针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表...针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表明,由多个Lyapunov函数的负定不变集构成的并集是一个稳定的控制集合,其从控制空间到状态空间的投影是闭环DOA的估计.随后,使用区间分析算法求解集合的内近似估计,基于此算法可以求解多Lyapunov函数的负定不变集的近似值和闭环DOA的估计值,并给出相应控制器的设计方法.最后,通过仿真算例验证了本文方法的有效性.展开更多
函数型聚类分析在统计学领域被广泛关注,其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题,文章结合局部线性嵌入算法(Locally Linear Embedding,LLE)在非线性空间下的适用性,提出了一种局部线性下的函数型主成...函数型聚类分析在统计学领域被广泛关注,其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题,文章结合局部线性嵌入算法(Locally Linear Embedding,LLE)在非线性空间下的适用性,提出了一种局部线性下的函数型主成分分析模型(LLE Function Principle Component Analysis,LFPCA)。首先,采用函数型主成分分析法作为降维目标方法,改进了FPCA的算法模型,通过将LLE算法的权重系数矩阵与函数型主成分定义相结合,构建出一个适用于非线性空间下的聚类算法;其次,在求解算法的过程中定义了函数型主成分得分,并结合EM算法构建出GMM模型来近似函数型算法的概率密度函数,使模型更高效且适用性更强;最后,通过随机模拟实验及应用分析验证了LFPCA算法模型在真实数据集上具有良好的聚类效能。展开更多
文摘针对离散时间非线性系统,提出一种基于多李雅普诺夫(Lyapunov)函数的控制器设计方法.该方法不仅能够保证闭环系统稳定性,还能够扩大闭环吸引域(Domain of attraction,DOA).首先,给出基于多Lyapunov函数下系统渐近稳定的充分条件.结果表明,由多个Lyapunov函数的负定不变集构成的并集是一个稳定的控制集合,其从控制空间到状态空间的投影是闭环DOA的估计.随后,使用区间分析算法求解集合的内近似估计,基于此算法可以求解多Lyapunov函数的负定不变集的近似值和闭环DOA的估计值,并给出相应控制器的设计方法.最后,通过仿真算例验证了本文方法的有效性.
文摘函数型聚类分析在统计学领域被广泛关注,其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题,文章结合局部线性嵌入算法(Locally Linear Embedding,LLE)在非线性空间下的适用性,提出了一种局部线性下的函数型主成分分析模型(LLE Function Principle Component Analysis,LFPCA)。首先,采用函数型主成分分析法作为降维目标方法,改进了FPCA的算法模型,通过将LLE算法的权重系数矩阵与函数型主成分定义相结合,构建出一个适用于非线性空间下的聚类算法;其次,在求解算法的过程中定义了函数型主成分得分,并结合EM算法构建出GMM模型来近似函数型算法的概率密度函数,使模型更高效且适用性更强;最后,通过随机模拟实验及应用分析验证了LFPCA算法模型在真实数据集上具有良好的聚类效能。