维普中文期刊产品整合服务
99篇 您的检索式:作者名="侯忠生"
    题名 作者 年代 出处 被引量
1无模型自适应控制的现状与展望显示文摘给出了无模型控制的定义,并对已存在的无模型控制方法进行了分类.综述了无模型自适应控制理论和方法的现状和进展.讨论了无模型自适应控制与其他控制方法的主要区别,提出了两种无模型自适应控制方法与已有基于模型的控制方法优势互补的模块化设计方案,提出了有待于进一步研究的问题.侯忠生 2006控制理论与应用2006,23,4:118
2数据驱动控制理论及方法的回顾和展望显示文摘给出了数据驱动控制理论和方法相关问题的定义,从控制理论、实际应用和历史发展趋势三个角度阐述了数据驱动控制的存在背景,说明了数据驱动控制理论和方法的适用条件.综述了已有数据驱动控制方法的本质内容和发展历程,从数据利用的角度指出了已存在的数据驱动控制方法的区别和应用环境,并对数据驱动控制理论的发展进行了展望.侯忠生 许建新 2009自动化学报2009,35,6:203
3学习控制的现状与展望显示文摘在此我们综述学习控制理论的发展历程.首先给出基于可重复性的学习控制的基本概念与原理.然后简述学习控制的两大主流一迭代学习控制和反复控制.接着对当今迭代学习控制理论前沿的几大热点加以考察,并简要介绍学习控制理论和Lyapunov方法的结合.最后讨论学习控制理论的新发展方向.许建新 侯忠生 2005自动化学报2005,31,6:75
4基于坐标补偿的自动泊车系统无模型自适应控制显示文摘针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control,MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.侯忠生 董航瑞 金尚泰 2015自动化学报2015,41,4:47
5基于无模型自适应控制的无人驾驶汽车横向控制方法显示文摘提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先,将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题,然后基于无人驾驶汽车横向控制系统的动态线性化数据模型,设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据,避免了对无人驾驶汽车进行复杂机理建模的难题,对于复杂的无人驾驶汽车运行过程具有很好的自适应性,对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台,在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年'中国智能车未来挑战赛'的现场应用验证了所提方案的有效性.田涛涛 侯忠生 刘世达 邓志东 2017自动化学报2017,43,11:48
6基于小波分析的最小二乘支持向量机轨道交通客流预测方法显示文摘针对城市轨道交通客流预测问题,采用离散一维Daub4小波分析方法对某一时间段的原始客流时间序列数据进行分解;以分解得到的高频分量和低频分量为样本数据,对最小二乘支持向量机进行训练,确定最小二乘支持向量机的核参数σ,以及系数α和b。利用训练后的最小二乘支持向量机预测未来一段时间客流时间序列数据的高频分量和低频分量,然后再利用Daub4小波分析方法对预测的高频分量和低频分量进行数据重构,从而得到预测的未来一段时间客流时间序列数据。与历史平均预测法和灰色预测法进行比较,结果表明,基于小波分析的支持向量机客流预测方法用于轨道交通短期客流预测具有更好的精度。杨军 侯忠生 2013中国铁道科学2013,34,3:35
7基于遗传算法的列车节能控制研究显示文摘为降低铁路运营成本,针对如何降低列车运行能耗的问题进行了研究。以列车节能控制模型为基础,提出了坡道三分法机车手柄位变化原则,将列车节能控制这一典型最优控制问题转化为最优化问题,应用遗传算法对该问题进行求解。最后采用Matlab软件仿真验证了所提方法的有效性。李玉生 侯忠生 2007系统仿真学报2007,19,2:33
8带有迭代学习前馈的快速路无模型自适应入口匝道控制显示文摘提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法.模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征,提高了控制品质.严格的数学推导证明了该方法的收敛性.仿真研究及比较结果验证了所提算法的有效性.侯忠生 晏静文 2009自动化学报2009,35,5:29
9自适应单指数平滑法在短期交通流预测中的应用显示文摘短时交通流预测是实现交通规划和管理的关键技术之一.指数平滑法因其计算过程简单,需要观测数据较少等优点,在短时交通流预测中获得了广泛的应用,但其平滑系数缺乏有效的选取方法.本文提出了一种自适应单指数平滑法,通过近似动态规划方法的引入,结合实际交通流数据对指数平滑系数进行优化,使其随预测过程自动更新,从而保证了预测的实时性、准确性.严格的理论推导证明了这种预测方法的收敛性,仿真结果验证了算法的有效性.齐驰 侯忠生 2012控制理论与应用2012,29,4:28
10一种基于灰色马尔科夫的大客流实时预测模型显示文摘为分析和处理大型活动期间轨道交通大客流的预测预警问题,本文构建了一种基于灰色马尔科夫的大客流实时预测模型.以各类大型活动的历史OD客流数据为基础,利用灰色预测算法对客流数据建立灰色模型,然后建立马尔科夫修正模型,最后利用预测误差对灰色预测结果进行修正得到最终的预测大客流值.实验采用北京轨道交通OD客流数据和标准评价方法,实时预测五棵松体育馆举办的CBA决赛对五棵松地铁站产生的出站大客流,预测结果表明模型是有效的,对真实的大客流预测具有较好的效果.杨军 侯忠生 2013北京交通大学学报2013,37,2:26
11一类非线性大滞后系统的改进无模型自适应控制显示文摘针对工业过程中一类常见的非线性大滞后对象,基于伪偏导数(pseudo-partial-derivative,PPD)的概念动态线性化非线性系统,并利用跟踪-微分器预测系统未来时刻的输出,提出了一种改进的无模型自适应控制(improved model-free adaptive control,IMFAC)算法.通过严格的理论推导,证明了新算法的BIBO稳定性和收敛性.仿真结果验证了该算法的有效性.金尚泰 侯忠生 2008控制理论与应用2008,25,4:24
12一类离散时间非线性系统不依赖受控系统数学模型的学习自适应控制(英)显示文摘给出了一类离散时间非线性系统的不依赖受控系统数学模型的学习自适应控制方案,它不需要受控系统的结构信息、数学模型、外部试验信号和训练过程,仅用受控系统的I/O数据来设计,传统的未建模动态不存在,所给出的计算机仿真结果说明了所给出的方案的正确性和有效性。侯忠生 黄文虎 1998控制理论与应用1998,15,6:24
13再论无模型自适应控制显示文摘回顾了无模型控制以及无模型自适应控制(MFAC)产生的历史,以及20世纪90年代初国内外关于无模型控制方法研究的一些重要文章;论述了MFAC的概念,方法,以及与其它的主流控制方法之间的差异;指出了非线性系统的动态线性化方法是数据驱动的MFAC,数据驱动的自适应迭代学习控制以及数据驱动的迭代学习控制方法的基础工具;最后,简要总结和展望了MFAC可能的未来研究话题.侯忠生 2014系统科学与数学2014,34,10:24
14间歇过程最优迭代学习控制的发展:从基于模型到数据驱动显示文摘本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.池荣虎 侯忠生 黄彪 2017自动化学报2017,43,6:24
15缺血性中风病证候演变模式的研究显示文摘[目的]对缺血性中风病急性期证候组合的演变规律进行了研究和分析。[方法]采用条件概率、阈值界定等统计的方法,针对4个时点252例缺血性中风患者数据,研究其两证组合和三证组合的演化规律。[结果]证候随时间的演变存在一些相似的特征。[结论]证候的演变存在一定的模式。徐俊峰 李保洋 高颖 侯忠生 2009天津中医药2009,26,6:21
16基于迭代学习的农业车辆路径跟踪控制显示文摘由于农作物的播种、收获、除草和农药化肥喷洒具有周期性的特点,农业车辆在执行农田作业时具有较强的重复性.基于迭代学习控制(Iterative learning control,ILC)方法研究农业车辆的路径跟踪问题,建立了农业车辆的两轮移动机器人运动学模型,设计了车辆路径跟踪的迭代学习控制算法,并基于压缩映射方法理论上证明了算法的收敛性.研究表明,迭代学习控制可有效利用农业车辆运行的重复信息,实现车辆期望路径有限区间内的高精度完全跟踪控制.仿真示例验证了本文方法的有效性.卜旭辉 侯忠生 余发山 付子义 2014自动化学报2014,40,2:21
17非线性系统鲁棒无模型学习自适应控制显示文摘给出了MISO非线性系统的无模型学习自适应控制方案,它具有极其简单的递推形式,可以处理传统PID控制器不能处理的MISO非线性系统、时变系统等。并且讨论了控制系统的收敛性、稳定性及鲁棒性。仿真结果说明这种理论的优越性。侯忠生 韩志刚 1995控制与决策1995,10,2:20
18无模型控制方法在直线电机控制中的仿真研究显示文摘将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中。控制器的设计是直接基于称为伪偏导数的向量,伪偏导数是通过新型参数估计算法,根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。曹荣敏 侯忠生 2006系统仿真学报2006,18,10:20
19离散时间非线性系统的数据驱动无模型自适应迭代学习控制(英文)显示文摘本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.金尚泰 侯忠生 池荣虎 柳向斌 2012控制理论与应用2012,29,8:20
20城市快速路拥挤度判别方法研究显示文摘当前城市交通需求的大幅增长导致快速路的交通拥挤和交通堵塞现象普遍发生,对城市快速路的道路拥堵的服务质量的评价,传统的A^F级服务水平的评价标准显得粗糙。提出了与交通流三参数有关的拥挤度系数的概念,并针对快速路的实际状况,运用模糊数学中的综合评价方法,对城市快速路拥挤度进行判别。城市快速路拥挤度判别实例,通过拥挤度判别和服务水平判别的比较,说明了拥挤度判别的优越性。石征华 侯忠生 2006交通与计算机2006,24,5:19
返回顶部 每页显示:
共5页 首页 上一页 第1页 下一页 末页 /5 跳转

网站首页 | 关于我们 | 联系我们 | 产品服务 | 客服中心 | 广告服务 | 版权声明 | 网站联盟 | 友情链接 | 售卡网点

版权所有© 渝B2-20050021-1 渝公网安备 50019002500403号 违法和不良信息举报中心

互联网出版许可证 新出网证(渝)字10号 全国400电话 - 免长途话费