集值量测下的系统辨识与趋同控制

With the development of informatization, biotechnology and big data, set-value measurements have been increasingly applied to the production and life which concerns national economy and people's livelihood, such as oxygen sensors in industry, schizophrenia data in biomedicine, etc. How to use these rough set-valued measurements data to achieve high precision system identification is a basic concern in practice. This project intends to study the problems of system identification and consensus control under set-value measurements. For set-valued systems with random input, the optimal recursion identification algorithm for general adaptive control will be established by breaking through the periodical input and normal input. We will prove the convergence and the optimality of the algorithm and give the convergence rate. For multi input multi set-valued output systems, the optimal fusion identification algorithm will be designed by combined with information fusion technology. We will prove the convergence and optimality of the algorithm and give the convergence rate. Consensus control of multi-agent systems, as the hot spot problem in control field, will be studied. The consensus control algorithm with identification and control working synchronously will be established. The convergence of the algorithm will be proved and the consensus speed will be given. Finally, we will apply the theoretical results to the field of target recognition.

随着信息化、生物技术和大数据的发展，集值量测越来越广泛地应用于关系国计民生的生产和生活中，比如工业中的氧传感器、生物医学中的精神分裂症数据等，如何利用这些粗糙的集值量测数据来实现高精度的系统辨识是实际中关心的基本问题。本项目拟研究集值量测下的系统辨识与趋同控制问题。具体内容包括：针对随机输入下的集值系统，突破周期输入、正态输入等局限，建立面向一般适应控制的最优递推辨识算法，证明算法的收敛性与最优性，并给出估计误差的收敛速度；针对多类型输入多集值输出的系统，结合信息融合技术，建立最优融合辨识算法，证明算法的收敛性与最优性，并给出估计误差的收敛速度；在集值量测下研究控制热点问题—多个体趋同控制，建立辨识与控制同时进行的趋同控制算法，证明算法的收敛性，并给出个体趋同的速度；将理论结果应用到目标识别等领域中。

随着信息化、生物技术和大数据的发展，集值量测越来越广泛地应用于关系国计民生 的生产和生活中，比如工业中的氧传感器、生物医学中的精神分裂症数据等，如何利用这些粗糙的集值量测数据来实现高精度的系统辨识是实际中关心的基本问题。本项目研究集值量测下的系统辨识与趋同控制问题。具体内容包括：针对随机输入下的集值系统，建立面向一般适应控制的最优递推辨识算法，证明算法的收敛性与最优性，并给出估计误差的收敛速度；针对多类型输入多集值输出的系统，结合 信息融合技术，建立最优融合辨识算法，证明算法的收敛性与最优性，并给出估计误差的收敛速度；在集值量测下研究控制热点问题—多个体趋同控制，针对不同拓扑结构不同系统模型，建立了多种趋同控制算法，证明了算法的收敛性，并给出个体趋同的速度；将理论结果应用到石油勘探中的岩性分类问题中。在本项目的资助下，已完成期刊论文 11 篇、会议论文 2 篇，相关成果发表在 IEEE Transactions on Automatic Control、IEEE Transactions on Systems, Man and Cybernetics、Science China Information Science等系统控制领域的重要期刊以及中国控制会议、中国自动化大会等重要学术会议上。