您的位置： 专家智库 > >

游科友

作品数：6 被引量：166H指数：2
供职机构：清华大学信息科学技术学院自动化系更多>>
发文基金：国家自然科学基金清华大学自主科研计划更多>>
相关领域：自动化与计算机技术电子电信自然科学总论更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 5篇自动化与计算...
  • 1篇电子电信
  • 1篇自然科学总论

主题

  • 2篇网络
  • 2篇分布式
  • 1篇丢包
  • 1篇信息系统
  • 1篇优化算法
  • 1篇预测控制
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据率
  • 1篇数据驱动
  • 1篇数据驱动控制
  • 1篇梯度法
  • 1篇凸优化
  • 1篇趋同性
  • 1篇驱动控制
  • 1篇自主体
  • 1篇最优控制
  • 1篇网络化
  • 1篇网络结构
  • 1篇网络控制

机构

  • 6篇清华大学
  • 2篇南洋理工大学
  • 1篇中国科学院数...
  • 1篇潍柴动力股份...

作者

  • 6篇游科友
  • 2篇谢立华
  • 1篇洪奕光

传媒

  • 2篇控制理论与应...
  • 1篇自动化学报
  • 1篇系统科学与数...
  • 1篇南京信息工程...
  • 1篇中国科学：信...

年份

  • 2篇2023
  • 2篇2018
  • 1篇2015
  • 1篇2013
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
复杂系统的建模、控制与估计
2015年
计算机、通讯和传感器系统等的高速发展为控制学科提供了空前的发展空间．不断涌现的现代控制系统不再局限于低水平的单回路控制系统，而是必须能够对实际物理和信息系统做出推理、决策、控制等的复杂动态系统．这些非传统的控制系统为提高效率、产量、安全性、可靠性等提供了巨大的机遇，也得到了很多学科领域的学者的重视与深入研究，并成为当前的研究前沿热点问题．
游科友
关键词：复杂系统传感器系统信息系统
网络控制系统的最新研究综述被引量：141
2013年
随着传感、信号处理和通信技术的快速发展,关于网络控制系统(Networked control systems,NCSs)的研究引起了极大的关注.本文拟回顾关于网络控制系统的最新研究进展.为揭示反馈通信网络对控制系统的影响,主要讨论了为满足不同控制目的所需的各种网络条件,例如:在时变信道的环境下,保证线性系统可镇定性所需的最低编码率;在间断观测的环境下,保证卡尔曼滤波器稳定性的临界丢包条件;在时不变连接图的环境下,达到线性多自主体系统趋同性所需的网络拓扑结构;在通信资源有限的情况下,基于事件驱动的采样与控制方法等.
游科友谢立华
关键词：网络控制系统数据率丢包趋同性
面向FPGA便捷部署的智能模型预测控制被引量：1
2023年
现场可编程逻辑门阵列(FPGA)具有可编程、易并行化的独特优势,是实现一体化感知、决策、控制最具前景的人工智能芯片之一,但其硬件描述语言(HDL)不易掌握.本文提出了一种基于神经网络的智能MPC及其FPGA便捷部署方法,使用高层次综合(HLS)生成HDL代码,并通过MATLAB-Modelsim联合仿真验证代码功能,可克服人工编写HDL代码的困难,提高控制算法的部署效率.该方法利用了深度神经网络的结构特点和FPGA的并行计算优势,离线训练神经网络在线仅需硬件化正向传播,在低资源占用的同时具有严格计算时间保证.将所提方法分别应用于高速、高维控制系统中,FPGA在环测试验证了其有效性.
李星辰赵斐然孟庆辉游科友
关键词：FPGA模型预测控制神经网络
数据驱动的策略优化控制律设计最新研究综述被引量：1
2023年
随着通信技术和新一代人工智能的迅速发展,强化学习这一数据驱动的控制方法引起了极大的关注.本文回顾了强化学习中的一类典型方法——策略优化法——在系统控制律设计上的最新研究进展.主要讨论了其在各种重要线性最优控制问题上的收敛性及样本复杂度,例如线性二次控制、输出反馈控制、H∞控制、分布式控制等.此外,对策略优化法在网络化系统控制中的应用作了展望.
赵斐然游科友
关键词：最优控制数据驱动控制
网络化分布式凸优化算法研究进展被引量：21
2018年
分布式优化是指利用网络化多自主体之间的协作来求解的一类优化问题,其在大规模数值计算、机器学习、资源分配、传感器网络等方面具有重要的研究意义和应用价值.自主体之间的协作通常基于代数图来描述,且图的结构对分布式优化算法的设计与性能有显著影响.本文针对凸优化问题,基于平衡图和非平衡图的情形,简要讨论了分布式优化算法的最新研究进展,并对今后的发展趋势和应用进行展望.
谢佩游科友洪奕光谢立华
关键词：网络结构多自主体系统
基于相对状态符号信息的分布式优化算法被引量：2
2018年
针对网络化多智能体的分布式优化问题,本文讨论一种只利用邻居相对状态的符号信息的分布式算法.该算法不要求与图相关的权重矩阵是双随机矩阵.首先利用优化理论中的惩罚函数法解释该算法,然后分析算法在静态图上的收敛性以及收敛速度.与现有使用邻居相对状态的完整信息的分布式梯度下降算法相比,所提算法的收敛速度并没有本质上降低.另一方面,将所提算法扩展到确定性和随机性的时变图上,并给出相应的收敛性结论.最后,通过数值仿真实验验证算法的有效性.
张家绮游科友
关键词：惩罚函数法
全选 清除 导出
共1页<1>
聚类工具0