电动舵机的复合自适应非奇异终端滑模控制

非奇异终端滑模控制（NTSMc）能够实现误差的有限时间收敛,但一般NTSMC的控制律采用高增益项来消除系统不确定性的影响,具有较强的保守性．为了降低这种保守性,本文采用复合白适应律对系统的不确定参数进行估计,按照估计值设计复合自适应非奇异终端滑模控制（CANTSMC）,对不确定参数引起的系统动态进行补偿．本方案曾经应用于电动舵机,以补偿不确定参数对模型动态性能的影响．本文证明了闭环稳定性,以及输出跟踪误差在有限时间内的收敛性．通过仿真验证了该方法的有效性．     

不可测前件变量模糊H∞观测器研究及在GMAW系统的应用

基于前件变量未知的T-S模糊系统设计一类模糊观测器.将模糊系统转化为广义系统的形式,提出一种广义系统的观测器设计方法,消除了控制输入对观测误差方程的影响.针对测量端含有扰动的模糊系统,通过拉格朗目中值定理,将模糊观测器转化为一组线性矩阵不等式的求解问题,并将这种观测器的设计方法应用到熔化极气体保护焊系统,快速有效地实现了对弧长的观测.最后通过仿真分析验证了所提出的观测器设计方法的有效性.     

一类基于滚动时域优化原理的多路控制器设计及其在活套控制中的应用

针对热连轧活套高度和张力的双输入双输出强耦合系统, 文中提出一类基于滚动时域优化原理的多路控制策略. 基于滚动优化原理, 在每一个周期内, 顺序求解子系统的控制律后及时更新系统. 从H∞观点出发, 将解耦问题转化为干扰抑制和多目标优化问题, 能够减轻计算机的负担, 提高控制系统的性能. 仿真结果证实了该方法具有良好的解耦效果和控制性能.     

多部图的匹配算法研究

本文给出了一个多部图的商匹配问题的定义,提出了求解多部图商匹配问题的一个算法。该算法使用圈与割集中偶图的交相结合的方法,利用求二部图的最大匹配算法,求解多部图的最大商匹配问题。     

具有随机丢包的关联系统的分散控制

研究了在子系统之间信息传输存在随机丢包现象时关联大系统的性能分析及控制器设计问题. 通过引入空间变量及空间移动算子, 将关联系统建模成具有Markovian跳变参数的关于离散时间变量和空间变量的多维系统, 结合跳变系统有界实引理, 得到使整个关联系统均方稳定并满足一定性能指标的解析条件. 然后基于线性矩阵不等式变换给出确保关联大系统鲁棒均方稳定性的一种分散输出反馈控制器的设计方法. 最后通过一组多机器人直线编队的例子说明本文算法的正确性和有效性.     

目标自动跟踪系统中瞄准线控制器的综合化设计

在目标自动跟踪系统设计中,为了简化系统结构设计以实现越来越多复杂功能的综合,提出了按控制误差实现功能综合的理论方法,并给出了基于自抗扰技术实现功能综合的完整解决方案.将目标运动速度视为系统扰动,采用扩张状态观测器实时估计并加以补偿.在提高控制性能的同时,用跟踪微分器对目标运动速度进行滤波并提取其一阶导数,结合其他传感器测量值实现对目标运动状态的估计等信息处理功能.实验结果表明:系统跟踪机动目标的误差小于0.1mrad,响应快速、超调小于10%,对目标的运动状态估计精确;该方法结构简单,只需改造现有控制器的软件,即可高性能地实现多种功能的综合,适应于今后系统功能的发展.     

不确定非线性系统的高阶滑模控制器设计

针对一类不确定非线性SISO系统,结合系统有限时间稳定理论与积分滑模控制理论,提出了一种新的高阶滑模控制器设计方法,改善了现有高阶滑模控制中存在的缺陷.积分滑模保证了系统初始时刻就具有抗扰能力,同时采用有限时间稳定观测器实现了高阶滑模的输出反馈控制.仿真结果表明该控制器可使系统在有限时间内收敛,并有效地减小了系统抖振.     

基于多嵌入维数的风力发电功率组合预测模型

为了减小混沌系统的重构参数对预测结果的影响,提出了基于多嵌入维数的风力发电功率组合预测模型.分别使用线性加权算法和神经网络算法对单一的基于相空间重构的神经网络模型进行组合,既综合了各嵌入维数下的信息,又将各维数下的预测偏差进行融合,从而有效提高了预测精度.通过对黑龙江富锦风电场的功率时间序列进行验证,证实了该组合模型的有效性,神经网络非线性组合算法的预测误差小于7%.     

智能炮弹姿态测量新方法

研究炮弹姿态制导和测量问题,智能炮弹的制导与控制,不但要求能精确测量弹体的姿态,还要求惯性敏感元件和电子系统能承受发射时的高g冲击.针对智能炮弹发射时的高冲击性及惯性短时飞行的特点,为了姿态控制稳定性,提出了一种弹体姿态测量的新方法.根据智能炮弹的特定运动规律,仅采用三个MEMS加速度计对比力矢量进行测量,建立系统的线性状态方程和非线性量测方程,采用平方根无轨迹Kalman滤波器估计系统的状态,有效的抑制了滤波发散,增强了滤波的稳定性.经三轴飞行测试转台仿真实验表明,方法测量弹体姿态的可行性.     

基于自律分散系统方法的一种WSNs路由学习算法

本文对随机散播节点的无线传感器网络的路由策略进行探讨,提出了一个通过学习方法计算节点路由的算法。该方法计算路由时,只需要与邻接点交流少量信息,通过深度优先搜索策略,并结合节点路由历史经验,选择路搜索下一节点。该方法体现了分散自律系统方法和分布估计学习算法结合的优越性。仿真结果表明,该算法是一个快速高效的无线传感器网络路由算法。