今天,人们生活在一个充满着各种各样的复杂网络的世界中,Internet网、通信网络、交通网络、电力网络、社交网络等都与我们的生活息息相关,并且自然界也存在着如食物链网络、神经网络等复杂网络。因此,复杂网络得到了如数学、生物学、系统控制科学、社会科学等诸多学科领域,以及能源传输、通讯互联、交通运输等诸多应用领域的关注和研究。从控制学科角度来看,对复杂网络的研究主要集中在复杂动态网络的同步与控制、状态估计、拓扑辨识与传播动力学等问题上。在现实生活中,对于各个网络,人们往往需要及时了解网络中的状态信息,以便更好地监控和调节网络的运行,对可能出现的网络故障与突发情况进行正确的判断。然而,由于网络常常规模较大、节点众多,测量全部节点信息的成本太高,同时受实际因素的影响,例如网络带宽限制、传感器失效等,难以掌握网络的全部状态信息。因此,需要研究如何利用复杂动态网络可以直接获知的信息来确定其他未知的状态信息,即复杂动态网络的状态估计问题。在实际的网络信息传输过程中,会受到各种因素的影响,如噪声、时延、数据丢失等。这些不可靠的因素,都会对网络的正常运行造成影响,降低网络传输的效率,甚至引起严重的网络故障。特别是数据丢失现象是现实网络系统中常见的网络传输问题,如果网络传输的数据丢失率比较高,就会严重影响网络应用的体验效果,降低各种网络的使用效率,影响正常的生产生活。因此,针对存在随机数据丢失的情况,需要找到合适的补偿方法有效地补偿丢失的数据。大多数研究在构建复杂网络状态观测器时,都需要所有节点的输出信息。然而,实际情况是并非所有节点的输出信息都可测量。因而如何在只测量部分节点输出数据的同时,实现状态估计是一个很有意义的问题。而网络可控可观性的研究为测量节点的选择问题提供了一个新的解决思路。因此,本文基于网络可控可观性的思想,研究部分测量的复杂动态网络状态估计问题。本文在考虑复杂动态网络信息传输通道具有随机数据丢失的情况下,研究复杂动态网络状态估计问题,并且采取合适的补偿方法补偿丢失的数据,以达到良好的补偿效果。同时,研究具有多维节点动力学以及完全匹配根强连通分量的复杂动态网络的结构可控可观性问题。基于以上结构可控可观性思想,在只测量部分节点信息的情况下,实现状态估计。本文的主要工作和创新点如下:(1)构建具有内部和外部随机数据丢失的离散复杂动态网络状态估计方案。针对复杂动态网络内部通信链路和与外界的通信链路都发生随机数据丢失的情况,构建相应的状态估计方案,实现状态估计目标。内部和外部随机数据丢失用相互独立的Bernoulli随机变量集描述,并且,分别用观测器的状态数据和输出数据来补偿。通过应用Lyapunov稳定性理论和随机分析方法,以线性矩阵不等式的形式,给出实现状态估计的充分条件,同时确定合适的观测器增益,使观测器的各项数据最终等于原网络的数据,以达到良好的数据补偿效果。通过仿真实验,验证多种数据丢失情况下的数据补偿效果。(2)研究具有多维节点动力学的复杂动态网络的结构可控可观性问题。针对具有多维节点动力学的复杂动态网络,研究其结构可控可观性问题。通过利用最大匹配原理,得到需要控制的最少节点,即驱动节点。再考虑驱动节点的状态是完全控制还是部分控制,研究这两种情况下保证网络可控的驱动状态的选择问题,并且分别给出严谨的准则。由对偶性,上述结果同样可适用于具有多维节点动力学的复杂动态网络的结构可观性问题。通过仿真实验,展现具体的控制过程,验证驱动节点完全控制和部分控制的有效性。(3)研究具有完全匹配根强连通分量的复杂动态网络的结构可控可观性问题。针对具有完全匹配根强连通分量的一类复杂动态网络,研究其结构可控可观性问题。首先,将多维节点看作为子网络,对网络拓扑应用最大匹配原理,得到需控制哪些子网络。然后,提出一个算法来辨识子网络的最少受控节点。最后,通过分析整个网络的结构特征并综合应用所提算法、最大匹配原理和图方法,设计出辨识整个网络最少受控节点的流程图。根据对偶性,上述结果同样可适用于这类复杂网络的结构可观性问题。通过仿真实验,展现具体的观测过程,验证理论结果的有效性。(4)研究部分测量的具有随机数据丢失的复杂动态网络状态估计问题。针对复杂动态网络与观测器的外部通信链路具有随机数据丢失的情况,在只测量部分节点输出数据的前提下,用观测器相应的输出数据补偿丢失的数据,实现其状态估计。其中,根据是否具有完全匹配根强连通分量,讨论测量节点的选择以及具体输出矩阵的构造问题。应用Lyapunov稳定性理论和随机分析方法,给出实现状态估计的充分条件。通过仿真实验,分别验证多通道数据同步丢失和独立丢失两种模式下的部分测量状态估计方案的有效性。
[1] 云计算环境下动态网络资源调度方法仿真[J]. 计算机仿真 2017(12) |
[2] 动态网络下高校大学生心理健康教育研究[J]. 科教文汇(中旬刊) 2018(07) |
[3] 带有通信噪声的随机时延复杂动态网络的H_∞控制[J]. 应用科学学报 2014(06) |
[4] 动态网络最短程求解技术研究[J]. 系统仿真学报 2018(03) |
[5] 动态信息网络中基于角色的结构演化与预测[J]. 软件学报 2017(03) |
[6] 时滞复杂动态网络的有限时间随机广义外部同步[J]. 山东大学学报(工学版) 2017(03) |
[7] 带有随机时延的复杂动态网络的控制[J]. 南京邮电大学学报(自然科学版) 2013(02) |
[8] 具有数据丢失的离散复杂动态网络H_∞控制[J]. 计算机工程与应用 2012(33) |
[9] 一类具有多种耦合时滞的复杂动态网络的牵制同步[J]. 控制与决策 2010(11) |
[10] 多重边融合复杂动态网络的自适应同步[J]. 物理学报 2008(04) |
[11] 自适应动态网络过程研究与应用[J]. 科学技术与工程 2008(12) |
[12] 新的动态网络预测方法[J]. 网络新媒体技术 2019(01) |
[13] 一类耦合动态网络的自适应性渐近同步与稳定(英文)[J]. 沈阳师范大学学报(自然科学版) 2014(02) |
[14] 未知控制方向的复杂动态网络的自适应同步方案[J]. 宝鸡文理学院学报(自然科学版) 2014(02) |
[15] 动态网络模式挖掘方法及其应用公式变为图片版[J]. 电脑迷 2018(02) |
[16] 延迟复杂动态网络的稳定性研究[J]. 网络安全技术与应用 2011(08) |
[17] 一类复杂动态网络的鲁棒H_∞同步[J]. 复杂系统与复杂性科学 2011(03) |
[18] 动态网络表示学习研究进展[J]. 电子学报 2020(10) |
[19] 复杂动态网络环境下控制理论遇到的问题与挑战[J]. 自动化学报 2013(04) |
[20] 设计者全局最优的动态网络设计及防御准则[J]. 青岛大学学报(自然科学版) 2012(02) |
[21] 一类耦合时延复杂动态网络的输出脉冲同步研究[J]. 南京邮电大学学报(自然科学版) 2012(06) |
[22] 动态网络资源分配系统及其工程实现[J]. 江西通信科技 2008(03) |
[23] 离散复杂动态网络的一种非脆弱同步算法[J]. 电子科技 2014(03) |
[24] 2个非线性耦合复杂动态网络的广义同步[J]. 郑州轻工业学院学报(自然科学版) 2014(05) |
[25] 具有时滞和非时滞耦合的复杂动态网络的自适应同步[J]. 数学的实践与认识 2010(02) |
[26] 开放式动态网络中可渗透路径预测方法仿真[J]. 计算机仿真 2020(01) |
[27] 面向动态网络状态的数据可视化研究[J]. 信息技术 2018(05) |
[28] 非一致节点的未知复杂动态网络的自适应同步[J]. 西安电子科技大学学报 2014(04) |
[29] 复杂动态网络控制研究进展[J]. 力学进展 2008(06) |
[30] 大规模动态网络的相似性度量方法研究[J]. 计算机科学与探索 2019(09) |