面向信息网络的随机跳跃系统分析与控制方法研究

本课题以网络中运行的随机跳跃控制系统为对象，系统中跳跃参数实时状态也是网络需要传输的信息。从网络特性对系统跳跃参数实时信息传输的影响角度出发，研究面向信息网络的Markov 跳跃系统控制问题。旨在在给定的某种性能准则下，构建和分析上述网络特性在Markov 跳跃系统控制中的行动方式和实际作用，以量化的形式给出网络随机时延、数据丢包、量化误差对网络化Markov 跳跃系统随机稳定性、鲁棒性、最优性等方面的影响程度。进一步地，针对复杂信息网络系统中存在的大量具有半Markov状态转移特性的多模式分层结构系统，提出一种由基于事件的控制策略驱动的半Markov切换空间控制过程，利用基于事件驱动的控制策略，可以降低对状态转移概率信息的依赖性，减少优化算法的计算量和计算时间，大幅提高算法的实时性，有助于优化算法的在线实现。状态空间的划分为采用分布式并行计算提供了一条新的快速优化途径。

课题以网络中运行的随机跳跃系统为对象，系统中Markov跳跃参数实时状态也是网络需要传输的信息。从网络随机时延、网络数据丢包、网络量化误差等各类网络特性对系统跳跃参数实时信息传输的影响角度出发，研究面向信息网络的随机跳跃系统控制问题。在给定性能准则下，构建和分析了上述网络特性在Markov 跳跃系统控制中的行动方式和实际作用，以量化的形式给出网络随机时延、网络数据丢包、网络量化误差对网络化Markov跳跃系统随机稳定性、鲁棒性、最优性等方面的影响程度，并充分利用系统的有效信息实现网络化Markov跳跃系统的优化控制，从而有效地改善传统的跳跃系统控制设计在实际网络运行中的局限性，提高了闭环网络系统的动态性能。在切换模型的层次化动态结构中，采用内外两层事件的分类，为内部状态和切换空间的聚集提供了一种空间划分和层次分解的有效途径，从而减小策略空间。利用基于事件驱动的控制策略，降低了传统的Markov控制过程（采用基于状态的控制决策序列来实现性能准则的优化，因此需要实际系统提供精确的状态转移概率信息）对状态转移概率信息的依赖性，减少计算量和计算时间，大幅提高算法的实时性，有助于优化算法的在线实现。状态空间的划分为采用分布式并行计算提供了一条新的快速优化途径。上述研究成果发表在IEEE Transactions on Automatic Control, IEEE Transactions on Cybernetics， Automatica， International Journal of Control，Science China Information Sciences等一系列国内外高水平期刊中。