导读:本文包含了控制域论文开题报告文献综述及选题提纲参考文献，主要关键词:河口村水库,洪水,汛限水位动态控制,预报调度
控制域论文文献综述
赵强,钟平安,刘冠华,万新宇,王永智[1]（2019）在《基于预报调度的河口村水库汛限水位动态控制域研究》一文中研究指出开展实时预报调度是实现汛限水位动态控制的重要手段之一,构建了以削峰率最大为目标的水库实时防洪调度模型,提出了防洪库容分期动态使用的方法,选取河口村水库历史洪水及百年一遇洪水过程,通过实时预报调度仿真,在保证足够安全裕度的条件下,确定了河口村水库汛限水位动态控制值的上限为250m,在不增加防洪风险的前提下,多场次洪水平均可增加的洪水资源利用量为4 070×104 m3。(本文来源于《水电能源科学》期刊2019年10期）
朱昊阳,黄炜斌,瞿思哲,李京[2]（2018）在《水库汛限水位动态控制域风险分析及方案优选》一文中研究指出针对负责下游防洪及发电任务的水库存在的静态汛限水位的弃水浪费、难以确定汛限水位动态控制域的风险分布、汛限水位动态控制域内不同起调水位的防洪兴利任务难以协调这叁个动态控制问题,以预泄约束为基础,结合贝叶斯理论分析风险、模糊信息熵物元评价方法优选方案,得出高效且易被广泛应用的方案确定模型。以大渡河瀑布沟水库为例进行计算,确定瀑布沟水库汛限水位上限值为844. 7 m,并通过流域预报净雨的误差分布分析确定该水位是安全的。最后利用考虑权重后的风险率、增发电量、满发流量叁个指标对不同起调水位的方案进行优选,确定844. 7 m的上限值为综合考虑后能够在保证原设计防洪标准的基础上提升经济效益的最优方案。该计算模型可用于指导水库的实时调度。(本文来源于《水利水电技术》期刊2018年12期）
薛小乐[3]（2018）在《控制域非凸的随机控制问题研究》一文中研究指出1990年,Peng[74]首次引入变分方程的二阶泰勒展开,针对扩散项包含控制变量的经典随机最优控制问题得到了全局随机最大值原理。自此,很多学者对多种随机系统探讨了这类控制问题。1993年,Peng[76]首次得到经典随机递归最优控制问题的局部随机最大值原理。但是,当控制域为非凸集时,倒向随机微分方程的一阶和二阶变分的推导会遇到本质的困难,这也是Peng于1999年提出的公开问题[78].最近,Hu[39]研究了这个公开问题并得到一个全新的随机最大值原理。在粘性解的框架下,Nie,Shi和Wu[68]研究了局部情形下随机最大值原理和动态规划原理的关系;借助Hu[39]引入的一阶和二阶伴随方程,Nie,Shi和Wu[69]研究了一般情形下两者之间的关系。本文主要研究非凸控制域的完全耦合正倒向随机控制系统的全局随机最大值原理、动态规划原理、相应HJB方程解的存在唯一性以及最大值原理与动态规划原理之间的关系。本文分为六章,第一章为绪论,第二到第六章具体框架结构如下。第二章:完全耦合正倒向随机控制系统的全局随机最大值原理本章主要研究非凸控制域的完全耦合的正倒向随机系统的随机控制问题。对该问题而言,一阶变分和二阶变分方程是完全耦合的线性正倒向方程。受Hu[39]的启发,我们引入了一个二次倒向方程作为伴随方程,提出新的解耦方法,利用一阶泰勒展开项的关系,估计它们的阶数并且得到包含一个全新项的全局随机最大值原理。另外,本章探讨了所得随机最大值原理在随机线性二次控制问题中的应用。我们首先给出下述完全耦合正倒向随机微分方程(FBSDEs)的LP-估计:对p＞1,设∧p:=Cp2p+1(1+Tp)c1p,(0.2)其中C1 =max{L2,L3},Cp定义在附录中的引理A.1.定理0.1.假设2.1成立且对某个p>1有Ap<1,则(0.1)存在唯一解(X(.),Y(·),其中C依赖于T,p,L1,C1.针对控制问题,我们考虑下面的完全耦合随机控制系统:我们的目标是在U[0,T]上最小化下面的代价泛函J(u(·))= Y(0)即为了得到随机最大值原理,我们需要引入下面的一阶和二阶伴随方程:其中K1(t)=(1-p(t)σz(t))-1[σx(t)p(t)+σy(t)p2(t)+q(t)],(0.7)H(t,x,y,z,u,p,q)=g(t,x,y,Z,u)+ pb(t,x,y,z,u)+qσ(t,x,y,z,u),K2(t)=(1-p(t)σz(t))-1{p(t)σy(t)+2[σx(t)+σy(t)p(t)+σz(t)K1(t)]}P(t)+(1-p(t)σz(t))-1{Q(t)+ p(t)[1,p(t),K1(t)]D2σ(t)[1,p(t),K1(t)T}.定义Hamitonian函数为H(t,x,y,z,u,p,q,P)=pb(t,x,y,z + △(t),u)+qσ(t,x,y,z + △(t),u)+1/2P(σ(t,x,y,z+△(t),u)-σ(t,X(t),Y(t),Z(t),u(t)))2(0.8)+g(t,x,y,z+△(t),u),其中△(t)定义为,对t∈[0,T],△(t)=p(t)(σ(t,X(t),Y(t),Z(t)+△(t),u)-σ(t,X(t),Y(t),Z(t),u(t))).(0.9)我们可得如下随机最大值原理。定理0.2.假设2.4,2.7和2.14成立,设u(·)∈ U[0,T]是最优控制且(X(·),Y(·),Z(·))是方程(0.3)相应的状态过程,则下面的随机最大值原理成立:H(t,X(t),Y(t),Z(t),u,p(t),q(t),P(0.t))(0.10)≥H(t,X(t),Y(t),Z(t),u(t),p(t),q(t),P(t)),(?)u∈U,a.e.,a.s.,其中(P(.),q(·)),(P(·),Q(·))分别满足(0.5)和(0.6),且△(·)满足(0.9).此外,针对q(·)有界不成立的情形,通过令σ(t,x,y,z,u)=A(t)z+σ1(t,x,y,u)且||A(·)||∞充分小,我们也得到了相应的随机最大值原理。在这种情形下,一阶伴随方程为其中K1(t)=(1—p(t)A(t))-1[σx(t)p(t)+ σy(t)p2(t)+q(t)].二阶伴随方程为其中H(t,x,y,z,u,p,q)=g(t,x,y,z,u)+pb(t,x,y,z,u)+qσ(t,x,y,z,u),K2(t)=(1-p(t)A(t))-1{P(t)σy(t)+2[σx(t)+σy(t)p(t)+A(t)K1(t)]}P(t)+(1-p(t)A(t))-1{Q(t)+p(t)[1,p(t)]D2σ1(t)[1,p(t)]T}.类似于定理0.2,我们得到下面的随机最大值原理。定理0.3.假设2.4,2.7和2.23成立,设u(·)∈U[0,T]是最优控制且(X(·),Y(·),Z(·))是方程(0.3)相应的状态过程,则下面的随机最大值原理成立:H(t,X(t),Y(t),Z(t),u,p(t),q(t),P(t))≥H(t,X(t),Y(t),Z(t),u(t),p(t),q(t),P(t)),(?)u ∈ U,a.e.,a.s..与1-维的情形类似,我们得到了方程(0.3)中布朗运动为d-维时的结果。进一步,我们研究了线性二次问题。为了简洁,我们假设所有的过程都是1-维的。考虑下面的线性正倒向随机控制系统:且最小化如下代价泛函J(u(·))=E[∫TO(A4(t)X(t)2+B4(t)Y(t)2+C4(t)Z(t)2+D4(t)u(t)2)dt+GX(T)2+Y(0)2],其中Ai,Bi,Ci,Di,i = 1,2,3,4是确定性R-值函数,F,G是确定性常数且J是FT-可测有界随机变量。对问题(0.13)-(0.14),我们得到下面的随机最大值原理。定理0.4.假设2.4和2.7成立,设u(·)∈u[0,T]是最优控制且(X(·),Y(·),Z(·))是方程(0.13)相应的状态过程,则下面的随机最大值原理成立:(D1(t)m(t)+D2(t)n(t)+D3(t)h(t)+2D4(t)u(t))(u-u(t))+[C4p(t)D2(t)2/(1-P(t)C2(t))2+D4(t)+P(t)D2(t)2](u-u(t))2≥0,(?)u∈U,a.e.,a.s.,其中p(·)满足下面的常微分方程其中K1(t)=(1-p(t)C2(t))-1[A2(t)p(t)+ B2(t)p2(t)],P(·)满足下面的常微分方程其中R1(t)= 2(A1(t)+ B1(t)p(t)+ C1(t)K1(t))+A2(t)+B2(t)p(t)+C2(t)K1(t))2.第叁章:一类广义HJB方程粘性解的存在唯一性本章研究一类附带代数方程的广义HJB方程粘性解的存在唯一性。该广义的HJB方程与一个正倒向最优控制问题相关联,该问题的状态方程由一个完全耦合的FBSDE描述。通过FBSDEs解的唯一性,我们提出一个新的概率方法来讨论这类广义HJB方程解的唯一性并得到值函数是广义HJB方程的最小粘性解。特别的,当系数不含控制变量或者解光滑时,值函数是唯一的粘性解。我们研究如下一类附带代数方程的广义HJB方程粘性解的存在唯一性其中H(·)定义为H(t,x,u,p,A,u)=1/2tr[σσT(t,x,v,V(t,x,v,p,u),u)A]+PTb(t,x,v,V(t,x,v,p,u),u)(0.18)+g(t,x,v,V(t,x,v,p,u),u),(t,x,v,p,A,u)∈[0,T]×Rn×R×Rn×Sn×U,V(t,x,v,p,u)满足下述代数方程V(t,x,v,p,u)= pTσ(t,x,v,V(t,x,v,p,u),u).这类问题可由下面的随机最优控制问题来解释。令t∈[O,T],ξ∈L2(Ft;Rn)以及一个可行控制u(·)∈U[t,T],考虑如下受控的完全耦合FBSDE:对每个给定的(t,x)∈[0,T]× Rn,定义值函数为我们证明了值函数满足下面的动态规划原理。定理0.5.假设3.1成立,则对每个(t,x)∈[0,T)×Rn以及δ∈(0,T-t,我们有另外,我们在下面的定理中证明了由(0.20)定义的值函数W(t,x)是HJB方程(0.17)的粘性解。定理0.6.假设3.1和3.13成立,则值函数W(t,x)是HJB方程(0.17)的粘性解。对于HJB方程(0.17)粘性解的唯一性。我们考虑了叁种情形。(Ⅰ)σ不含y和z时,即下面的定理。定理0.7.假设(i)成立,则对应不含变量y和Z的方程(0.17)存在至多一个粘性解,此时考虑的函数空间是所有关于x Lipschitz连续的函数全体。(Ⅱ)σ依赖y和Z,我们将此种情况分为叁小类。第一类是σ不含z.定理0.8.若σ不含z,W是HJB方程(0.17)的一个粘性解;并且下面的两组条件之一成立:(i)假设3.1成立;(ii)假设3.1(i)和3.20成立。进一步,满足假设3.20设W是值函数。进一步,我们假设W关于x Lipshitz连续。那么W≤W.第二类是σ含y和z.定理0.9.假设下面两组条件之一成立:(i)假设3.1和3.13成立;(ii)假设3(i),3.13和3.20成立。设W是值函数且W是HJB方程(0.17)的粘性解。进一步,我们假设W关于(t,x)Lipschitz 连续,关于x Lipschitz连续且 ||DW||∞L3<1.则W W.第叁类是控制系统的系数b,σ和g不含控制变量u.这时对应的HJB方程(0.17)退化为附带一个代数方程的半线性抛物方程。定理0.10.若b,σ和g不含控制变量u时,σ不含zW是HJB方程(0.17)的粘性解;并且下面的两组条件之一成立:(i)假设3.1成立;(ii)假设3(i)和3.20成立。另外,满足假设3.20.设W是值函数。进一步,我们假设W关于xLipschitz连续。那么W=W.类似的,我们有下面的定理。定理0.11.若b,a和g不含控制变量u;并且下面两组条件之一成立:(i)假设3.1和3.13成立;(ii)假设3.1(%),3.13和3.20成立。设W是值函数且W是HJB方程(0.17).的粘性解。进一步,我们假设W关于(t,x)Lipschitz连续,DW关于 x Lipschitz连续且 ||DW||∞L3<1.则 =W.(Ⅲ)光滑情形在这种情况下,我们假设HJB方程的解W∈C1,2([O,T×Rn).那么,我们有下面的结论。定理0.12.下面的两组假设之一成立:(i)假设3.1和3.13成立;(ii)假设31(i),3.13和3.20成立。设W是值函数且W∈C1,2(0 × Rn)是HJB方程(0.17)的解。进一步,我们假设第四章:完全耦合正倒向随机控制系统的随机最大值原理与动态规划原理的关系在粘性解的框架下,针对非凸控制域的完全耦合正倒向随机控制系统(FBSCS),我们研究了第二章中随机最大值原理(MP)与第叁章中动态规划原理(DPP)之间的关系。对于非凸控制域的完全耦合FBSCS,相应的MP和HJB方程都含有一个代数方程。因此,它们的关系变得复杂而且目前这方面的研究还很少见。利用新的解耦技术我们得到完全耦合正倒向变分方程的估计并建立了它们之间的关系。进一步,在光滑情形下,我们研究了代数方程的导数与一阶、二阶伴随方程的关系。最后,考虑[55,87]中的单调性条件,我们研究了局部情形下[87]中MP和[55]中DPP的关系。考虑下述受控的完全耦合FBSDE:对s ∈[t,T],对每一个给定的(t,x)∈[0,T]R,定义代价泛函为J(t,x;u(·))=Yt,x;u(t),(0.22)值函数为下面我们引入W(·,·)满足的HJB方程,该方程附带一个代数方程:其中G(t,x,W(t,x),V(t,x,u),u)=Wx(t,x)·b(t,x,W(t,x)V(t,x,u),u)+1/2Wxx(t,x)(σ(t,x,W(t,x),V(t,x,u),u))2(0.25)+g(t,x,W(t,x),V(t,x,u),u).方程(0.24)的粘性解可以等价地由sub-jets和super-jets定义。关于空间变量x的二阶 super-和 sub-jets 的概念定义如下,对w∈C([0,T]× R)和(t,x ∈[0,T]× R,定理0.13.假设4.1,4.8和4.10成立,设u(·)是问题(0.23)的最优控制,(p(·),q(·))和(P(·),Q(·))∈L∞F([0,T];R)×L2.1F([0.T];R)是方程(0.5)和(0.6)的解，且进一步假设q(·)是有界的,则我们有类似的,关于时间变量t的右super-和sub-jets的概念定义如下。对w ∈C([O,T]× R)和(t,x)∈[0,T)×,定义定理0.14.在与定理0.13中相同的假设下,对每个s∈[t,T],其中H1(s,Xt,x;u(s),Yt,x;u(s),Zt,x;u(s))=-H(s,Xt,x;u(s)Yt,x;u(s),Zt,x;u(s),p(s),q(s),P(s))+p(s)σ(s)2.另外,我们考虑了叁种特殊情形:(i)值函数W充分光滑;(ii)(O.21)中正向随机微分方程的扩散项σ7线性含z(ⅲ)控制域为凸紧集的局部情形。(i)值函数灰充分光滑定理0.15.假设4.1,4.8和4.10成立,设w(t,x)∈C1,2 b([0,T]×R)是HJB方程(0.24)的解。如果||σ||∞＜∞且||Wx||∞||σz||∞＜1,则w(t,x)≤J(t,x;u(·)),(?)u(·)∈Uw[t,T],(t,x)∈[0,T]×R.进一步,如果u(·)∈uw[t,T]使得G(s,Xt,x;u(s),w(s,Xt,x;u(s)),v(s,Xt,x;u(s),u(s))+ws(s,Xt,x;u(s))=0,其中(Xt,x;u(·),Yt,x;u(·),Zt,x;u(·))是FBSDE(0.21)对应u(·)的解，且v(s,x,u)=wx(t,x)σ(s,x,w(s,x),v(s,x,u),u),(?)(s,x)∈[t,T]×R,u∈U,则u(·)是最优控制。我们也研究了值函数W的导数和伴随方程之间的关系。定理0.16.假设4.1,4.8和4.10成立,设u(·)∈uw[t,T]是最优控制且(Xt,x;u(·),Yt,x;u(·),Zt,x;u(·))是相应的最优状态,(P(·),q(·))是方程(0.5)的解。如果值函数W(·，·)∈C1,2([t,T]×R),则Yt,x;u(s)=W(s,Xt,x;u(s)),Zt,x;u(s)=V(s,Xt,x;u(s),u(s)),s∈[t,T],且-Ws(s,X(t,x;u)(s))=G(s,X(t,x;u)(s),W(s,X(t,x;u)(s)),V(s,X(t,x;u)(s),u(s)),u(s))=min u∈U G(s,X(t,x;u)(s),W(s,X(t,x;u)(s)),V(s,X(t,x;u)(s),u),u),s∈[t,T].进一步,若W(·,·)∈C1,3([t,T]×R)且Wsx(·,·)连续,那么,对s∈[t,T],p(s)=Wx(s,Xt,x;u(s)),q(s)=Wxx(s,Xl,x;u(s))σ(s,Xt,x;u(s),Yt,x;u(s),Zt,x;u(s),u(s)).更进一步，若W(·，·)∈C1,4([t,T]×R)且Wsxx(·，·)连续，那么P(s)≥Wxx(s,Xt,x;u(s)),s∈[t,T],其中(P(·),Q(·))满足(0.6).如果值函数足够光滑,我们可以利用DPP推导MP,即如下定理。定理0.17.假设4.1,4.8和4.10成立,u(·)∈uw[t,T]是最优控制且(Xt,x;u(·),Yt,x;u(·)Zt,x;u(·))是相应的最优状态,P(·),q(·)),(P(.),Q(·))分别是方程(0.5)和(0.6)的解。如果W(·，·)∈C1,4([t,T]×R)且Wsxx(·，·)连续，那么H(s,Xt,x;u(s),Yt,x;u(s),Zt,x;u(s),u,p(s),q(s),P(s))≥H(s,Xt,x;u(s),Yt,x;u(s),Zt,x;u(s),u(s),p(s),q(s),P(s)),(0.27)(?)u∈U,a.e.,a.s..(ii)σ关于z是线性的。在这种情形下,我们不需要假设q(·)有界。定理0.18.假设4.1,4.8,4.10和4.21成立,设u(·)是问题(0.23)的最优控制且(p(·),q(·))∈L∞F(0,T;R)×L2,2F(0,T;R)(0,T;R),(P(·),Q(·))∈L2F(Ω;C([0,T],R))×L2,2F(0,T;R)是方程(0.5)和(0.6)的解,则我们有定理0.19.在与定理0.18相同的假设下,对每个s∈[t,T],有其中H1(s,Xt,x;u(s);Zt,x;u(s))=-H(s,Xt,x;u(s),Zt,x;u(s),u(s),p(s),q(s),+P(s))+P(s)σ(s)2.(ⅲ)局部情形。此时假设控制域为凸紧集。在单调性条件下,我们证明了 MP和DPP之间的关系。定理0.20.假设4.(i)和4.24成立,设u(·)是问题(0.23)的最优控制且(b(·),m(·),n(·))是FBSDE(4.83)的解,如果L3充分小,那么D1x,-W(s,Xt,x;u(s))(?){m(s)h-1(s)}(?)D1,x+W(s,Xt,x;u(s)),(?)s∈[t,T],P-a.s..定理0.21.假设4.1(i)和4.24成立,设u(·)是问题(0.23)的最优控制且(h(·),m(·),n(·))是FBSDE(4.83)的解,如果L3充分小且值函数W(·,·)∈C1,2([t × R),那么Yt，x；u(s)=W(s，Xt,x；u(s))，Zt，x;u(s)=V(s，Xt，x；u(s)，W(s，Xt，x；u(s))，Wx(s，Xt，x;u(s)),u(s)),s∈[t,T],(0.28)并且,对任意s∈[t,T],-W8(s,Xt,x;u(s))=G(s,Xt,x;u(s),W(s,Xt,x;u(s)),Wx(s,Xt,x;u(s)),Wxx(s,Xt,x;u(s)),u(s))(0.29)=min u∈U G(s,Xt,x;u(s),W(s,Xt,x;u(s)),Wx(s,Xt,x;u(s)),Wxx(s,Xt,x;u(s)),u).进一步,如果W(·,·)∈C1,3[t,T]×R)且Wsx(·,·)连续,那么,对s ∈[t,T],有M(s)=Wx(s,Xt,x;u(s))h(s),n(s)=(1-Wx(s,Xt,x;u(s))σz(s))-1bz(s)(Wx(s,Xt,x;u(s))2(0.30)+gz(s)Wx(s,Xt,x;u)+Wxx(s,Xt,x;u)σ(s)h(s),并且(?)u∈U,a.e.s∈[t,T],P-a.s.<H'u(s,Xt,x;u(s),Yt,x;u(s),Zt,x;u(s),u(s),h(s),m(s),n(s)),u-u(s)>≥0.(0.31)第五章.一类非凸控制域的线性二次问题的随机最大值原理本章考虑一类非凸控制域的随机线性二次最优控制问题。通过泛函分析和凸变分方法,我们得到了随机最大值原理并将其应用于一个具体例子。对给定的x∈Rn,考虑下面的线性随机微分方程:其中A,B,C,D,b,σ都是适当维数的确定性矩阵值函数。二次代价泛函定义为J(u(·))其中G∈Sn,Q,S和R分别是Sn-,Rk×n_和Sk_值函数。设B：={0，1}k,C(?)Rk是闭凸集，U=C∩B≠(?)e=(1,1,…,1)T∈Rk且E={u∈Rk:0≤u≤e}.设Uad中的元素称作可行控制。随机线性二次问题的目标是找到u(·)使得J(u(·))=min u(·)∈Uad J(u(·)).(0.34)利用泛函分析方法,我们得到代价泛函的另一种形式:J(u(·))=1/2{<Nu(·),u(·)>+2<H(x),u(·)>+M(x)},(0.35)其中首先利用泛函分析方法将原随机线性二次问题写成Hilbert空间中的二次优化问题。然后引入参数,将该问题转化为凸控制域的凹泛函问题。最后,对转化的凹问题应用随机最大值原理,得到如下随机最大值原理。定理0.22.假设5.1成立且设(X(·),u(·))是随机线性二次控制问题(0.32)-(0.34)的最优对,则下面的倒向随机微分方程存在适应解(p(·),g(·))∈ L2F(0,T;Rn)×L2F(0,T;Rn)使得<Hμu(t,X(t),u(t),p(t)),v-u(t)>≤0,(?)v∈U,a.e.t∈[0,T],P-a.s.,其中Hamiltonian函数Hu定义为Hμ(t,x,u,p,q)=〈p,A(t)x+B(t)u+b(t)〉+〈q,C(t)x+D(t)u+σ(t)〉(0.37)-1/2{[〈Q(t)x,x〉+2〈S(t)x-μI,u〉+〈(R(t)+μI)u(t),u(t)〉]},参数μ定义为:-μ是(0.36)中N的最大特征值,算子I是恒等算子。第六章.带有递归效用的奇异控制下的随机最大值原理本章考虑一类随机递归最优控制问题,它的控制变量包含两部分,一部分是绝对连续的且控制域可以是非凸集,另一部分是奇异的。对绝对连续部分和奇异部分分别应用针状变分和凸变分,我们得到相应的随机最大值原理。另外,我们给出倒向变分方程、伴随方程和正向变分方程之间的关系。考虑下面的状态方程:代价泛函是由BSDE的初始值定义。确切地说,J(u,ξ)=Y(0),(0.39)其中Y(t)=(?)(X(T))+∫Tt f(s,X(s),Y(s),Z(s),u(s))ds-∫Tt Z(s)dB(s),(0.40)随机递归最优控制问题是状态方程服从(0.38)且在u上最小化J(u,ξ).为了得到变分不等式,我们引入下面的伴随方程:以及二阶伴随方程(P(t),Q(t)):定义如下Hamiltonian函数:H(t,X,Y,Z,u,p,q,P)=〈p,b(t,X,u)〉+〈q,σ(t,X,u)〉+1/2〈P(σ(t,X,u)+σ(t,X,u)),(σ(t,X,u)-σ(t,X,u))〉+f(t,X,Y,Z+〈p,(σ(t,X,u)-σ(t,X,u))〉,u)其中(p,q,P)由(0.41)和(0.42)给出。我们可得下面的定理。定理0.23.假设6.2和6.3成立，设(u,ξ)是U中最小化代价泛函J的最优控制且(X,Y,Z)是相应的解,则存在唯一的适应过程(P(·),q(·))∈(?)2F([0,T];Rn)×(?)2F([0,T];Rn),(p(·),Q(·))∈(?)2F([0,T];Rn×n)×(?)2F([0,T];Rn×n),分别为倒向随机微分方程(0.41)和(0.42)的解且使得H(t,X(t),Y(t),Z(t),u(t),p(t),q(t),P(t))(0.43)≤H(t,X(t),Y(t),Z(t),v,p(t),q(t),P(t)),(?)u∈U1,a.e.,a.s.,P{(?)t∈[0,T],(?)i:GTi(t)p(t)≥0}=1,(0.44)其中GTi(t)是G(t)第i列的转置,i = 1,2,…m.(本文来源于《山东大学》期刊2018-11-30）
周霄天,田志强,王磊,李奇倚,张宜静[4]（2018）在《控制域大小及障碍对遥操作者认知和操作的影响》一文中研究指出目的探究虚拟机械臂遥操作实验环境中控制域大小和障碍对空间站遥操作中的人因的影响。方法构建了虚拟机械臂遥操作实验环境,首先对40名受试者进行认知能力测试,综合安排实验顺序以减少个体因素的影响,然后实验设置了不同的机械臂长(1.5 m,3.0 m,6.0 m,12.0 m)和有无障碍的环境,记录对接时间、修正距离和碰撞次数3项绩效指标,使用列联表进行处理和分析。结果控制域增加对于碰撞次数减少的效果在有障碍的情况下更显着,障碍对碰撞次数的影响随臂长增加而越来越小。此外,控制域大小对对接时间的影响对于空间认知能力低者比较敏感,有无障碍对修正距离的影响对于空间认知能力低者更敏感。结论增加控制域大小可以放大操作员对有无障碍物之间的认知差异,但可以减少障碍物环境中的碰撞。具有良好空间认知能力的操作人员更易受到控制域变化的影响,空间认知能力较差的操作人员更容易受到障碍的影响。(本文来源于《航天医学与医学工程》期刊2018年04期）
金梦[5]（2018）在《数据域与控制域比值对通信质量和安全强度联合优化算法影响研究》一文中研究指出无线网络有许多自身的特性和限制,也由于这些特性和限制,使无线网络面临许多问题。首先是通信方面的问题,例如:1.噪声和干扰等因素造成严重丢包;2.节点竞争访问信道导致大量冲突,可能造成数据丢失和延迟;3.传输距离过长带来延迟严重;4.移动节点变化引起网络服务无法保证;5.无线网络的吞吐量和传输速率都要比有线网络低。其次是安全方面问题,开放性使窃听者可以很容易利用无线通信介质来监听通信。解决安全性,最好办法就是加强加密强度,势必会导致更严重的延迟,造成性能的损耗,加重有限网络资源的负担。因此,无线网络需要同时决定服务质量和安全这两个用户都追求最优但又彼此约束的目标。本文的目标是联合优化服务质量和安全两大目标,做出智能交流决策和安全保护。根据这个目标,本文在通信方面选取了有效信道利用率,在建模时考虑了误码率、延迟和带宽等网络环境因素。在安全方面选取加密强度作为衡量标准。在建立的模型中,对于有效信道利用率指标,数据域占控制域比值越大,会带来更大的收益;对于安全强度指标,数据域占控制域比值越小,会带来更大的收益。因此,以帧长中数据域占控制域比值作为中间桥梁,建立一个综合考虑有效信道利用率和加密强度两方面的目标收益函数。这样可以理论地求出数据域占控制域比值对效益函数的影响。本文做了大量的数值实验找到不同的网络环境和最优利用率直接的相关性。结果在不同的网络环境下,出人意料地出现了一个近似的固定点。该常数(数据域占控制域比率)可以作为不可见的网络世界的黄金分割比,就好像众所周知的感知世界黄金分割比概念一样。这样的结果同时也表明本文提出的模型可以做到仅仅通过控制比值(数据域与控制域),来达到求解最优有效信道利用率和加密消耗这样的目的,也可以促进新的自适应协议的设计。(本文来源于《吉林大学》期刊2018-04-01）
任明磊,何晓燕,丁留谦,王海军,李辉[6]（2018）在《基于改进预泄能力约束法的水库汛限水位分期动态控制域确定及应用》一文中研究指出汛限水位动态控制域是水库汛限水位动态控制研究的关键内容,亦是动态控制方案实施的基础。预泄能力约束法是确定汛限水位动态控制域的主要方法,但该方法主要考虑洪水预报信息进行预蓄预泄,并不适用于洪水汇流速度快、依据洪水预报信息决策时效短的水库,因此,本文提出了考虑未来48 h降雨预报信息的改进预泄能力约束法,并结合水库分期汛限水位,研究了水库汛限水位分期动态控制域确定方法。以山西省漳泽水库为例,结合现有分期汛限水位,采用改进预泄能力约束法确定了水库汛限水位分期动态控制域,成果在2013—2016年的水库调度实践中取得了较好的应用效果。(本文来源于《中国水利水电科学研究院学报》期刊2018年01期）
智西巍,陈孝明,李山青[7]（2016）在《轧机板形控制域的计算及其实践应用》一文中研究指出基于分段离散法研究了轧机板形控制域的具体计算步骤及方法,并使用该计算方法对某新建轧机的板形控制域进行了计算,通过与目标板形控制域相比较,最终确定了该轧机弯辊力范围与轧辊横移量范围的设计参数。(本文来源于《现代冶金》期刊2016年04期）
任明磊,何晓燕,丁留谦,杨帆,李辉[8]（2016）在《水库汛限水位动态控制域确定方法研究发展动态综述》一文中研究指出水库汛限水位动态控制域确定方法是动态控制研究的关键内容,亦是动态控制方案实施的基础。通过系统总结(改进)预泄能力约束法、防洪预报调度方式及规则设计方法、库容补偿法、考虑年内洪水时序变化规律的统计分析法、分级预泄法、综合信息决策支持表法等水库汛限水位动态控制域确定的主要方法,评述各方法的主要特点及适用条件,提出了汛限水位动态控制域确定方法尚需深入研究的关键性问题,以期推动水库汛限水位动态控制域确定方法的全面应用,扩大其研究应用范围。(本文来源于《水力发电》期刊2016年06期）
金刚[9]（2015）在《LTE-A系统中基于控制域反馈信息的信道估计及回传数据压缩》一文中研究指出从LTE (Long Term Evolution)技术的广泛应用到5G (Fifth Generation,第五代移动通信系统)的提出,无线移动通信技术逐渐影响了人们的日常生活,高速的数据传输受到了广泛好评,但场景的复杂化导致无线传输信道变愈发复杂,造成信号质量不稳定,严重影响传输数据的准确性。另一方面C-RAN (C-Radio Access Network)架构广泛应用于LTE-A(Long Term Evolution Advanced)系统中,可以有效降低了无线接入网的建设与运维成本,却增加了额外的负载,因此在压缩数据的情况下保证数据传输的准确性也是目前研究的热点问题之一。于是如何进一步提高数据传输有效性,保证数据的准确性成为了研究重点。论文首先探讨了经典的信道估计算法,分析了噪声功率估计对信道估计算法性能的影响。传统的信道估计是基于导频,标准导频是在权衡系统开销与估计准确性的基础上进行均匀分布,其信道估计的准确性主要依赖于导频的数量和待估计数据域信号与导频的距离,导频离数据域信号位置的距离越近越多,信道估计效果便会有一定程度的提升。因此论文结合LTE-A下行物理信道的特点以及数据收发处理的流程,提出一种基于控制域反馈信息作为虚拟导频的信道估计方案。由于LTE-A系统中数据域的信道需要得到控制域的信道指示的信息才能进行解调,并且控制域信道上数据对于编码有严格的要求以确保其准确性,所以论文将控制域信道上解调的数据进行处理,再映射到对应的资源块上,从而形成虚拟导频,为信道估计提供更多参考信号。通过仿真平台验证,结果表明增加虚拟导频可以有效提高信道估计的准确性。由于数据传输的有效性不仅依赖于信道估计,还受到回传系统数据传输的影响。在LTE-A链路信道估计得到准确的信道响应值后,可利用信道估计值进行BBU(Band width Based Unit) 与 RRU(Radio Remote Unit)之间的数据压缩传输,为了减轻光纤负载,已有学者将压缩感知技术应用于C-RAN回传系统中,可以显着提高数据压缩率,但在接收端只是考虑ZF(zero forcing)接收,重构数据的准确度却有所降低。针对上述问题,论文给出了基于MMSE(Minimum Mean Square Error)接收技术的数据压缩传输方案,对数据进行接收处理。仿真结果表明该方法能够提高数据传输的准确性。(本文来源于《安徽大学》期刊2015-05-01）
徐艳红[10]（2014）在《基于SDN的能源互联网络架构设计及控制域分配研究》一文中研究指出能源互联网对解决能源与环境问题有非常重要的意义,为此各国学者己展开积极的研究工作,而能源互联网络架构的设计对能源互联网的发展至关重要。本篇论文将提出一种能源互联网络的总体架构,并针对架构中控制层的控制区域分配问题提出一种算法。本篇论文在具体分析了当下几种主流的能源互联网络架构模型的基础上,同时借鉴了国内的一些研究成果,提出了一种基于SDN (Software Defined Network,软件定义网络)技术的能源互联网络的架构设计总体思路,具体描述了从底层信息采集到上层控制的重要功能组件和连接方式,比如底层采用一种新的器件(称为智能能源控制器)来采集上传信息和执行上层控制命令,在控制层为了增加系统的稳定性和可靠性设置备份控制器连接方式。此外,论文还详细叙述了整个系统运行的过程,并对这种架构的特点进行了分析,指出使用该架构的优点以及需要进一步研究改善的地方。此外针对控制器如何分配数据中心的问题提出了一种平均分配算法,使用Visual C++6.0对该算法进行实现,用MATLAB 7.0对结果进行绘图分析。用该算法对系统进行初始化,发现该算法在大部分情况下可以很好的为控制器合理的分配数据中心,但也有特殊情况,需要进一步的分析和验证；在增加某个控制器数据中心节点的情况下,分别采用遍历整个网络计算和局部计算两种方法,发现单次增加节点数目较小时,两种算法结果相同,当数目较大时,还是遍历计算效果更好。(本文来源于《华北电力大学》期刊2014-12-01）
控制域论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对负责下游防洪及发电任务的水库存在的静态汛限水位的弃水浪费、难以确定汛限水位动态控制域的风险分布、汛限水位动态控制域内不同起调水位的防洪兴利任务难以协调这叁个动态控制问题,以预泄约束为基础,结合贝叶斯理论分析风险、模糊信息熵物元评价方法优选方案,得出高效且易被广泛应用的方案确定模型。以大渡河瀑布沟水库为例进行计算,确定瀑布沟水库汛限水位上限值为844. 7 m,并通过流域预报净雨的误差分布分析确定该水位是安全的。最后利用考虑权重后的风险率、增发电量、满发流量叁个指标对不同起调水位的方案进行优选,确定844. 7 m的上限值为综合考虑后能够在保证原设计防洪标准的基础上提升经济效益的最优方案。该计算模型可用于指导水库的实时调度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
控制域论文参考文献
[1].赵强,钟平安,刘冠华,万新宇,王永智.基于预报调度的河口村水库汛限水位动态控制域研究[J].水电能源科学.2019
[2].朱昊阳,黄炜斌,瞿思哲,李京.水库汛限水位动态控制域风险分析及方案优选[J].水利水电技术.2018
[3].薛小乐.控制域非凸的随机控制问题研究[D].山东大学.2018
[4].周霄天,田志强,王磊,李奇倚,张宜静.控制域大小及障碍对遥操作者认知和操作的影响[J].航天医学与医学工程.2018
[5].金梦.数据域与控制域比值对通信质量和安全强度联合优化算法影响研究[D].吉林大学.2018
[6].任明磊,何晓燕,丁留谦,王海军,李辉.基于改进预泄能力约束法的水库汛限水位分期动态控制域确定及应用[J].中国水利水电科学研究院学报.2018
[7].智西巍,陈孝明,李山青.轧机板形控制域的计算及其实践应用[J].现代冶金.2016
[8].任明磊,何晓燕,丁留谦,杨帆,李辉.水库汛限水位动态控制域确定方法研究发展动态综述[J].水力发电.2016
[9].金刚.LTE-A系统中基于控制域反馈信息的信道估计及回传数据压缩[D].安徽大学.2015
[10].徐艳红.基于SDN的能源互联网络架构设计及控制域分配研究[D].华北电力大学.2014