基于观测器摩擦补偿的机电系统高精度控制

针对机电作动系统在低速阶段摩擦非线性明显且同时存在其他干扰,易导致系统跟踪精度、稳定性下降这一问题,设计基于非线性观测器摩擦补偿的自适应鲁棒控制器. 针对摩擦非线性,利用LuGre摩擦模型描述系统的摩擦现象,提出非线性观测器对模型的内部摩擦状态进行观测. 针对系统摩擦系数、转动惯量及其他不确定性参数,设计参数自适应律进行估计. 利用前馈补偿的方法,对摩擦非线性和参数不确定性进行补偿,设计鲁棒项克服系统的其他扰动. 利用Lyapunov稳定性定理证明了提出的控制器在存在扰动的情况下可以实现系统的有界稳定性. 实验结果表明,提出的控制器具有较高的控制精度与较强的鲁棒性,跟踪精度较传统的PID控制器提高了一个数量级.     

电能质量数据的DCT压缩方法研究

变换编码对于电能质量数据压缩的提高是一项很重要的技术。文章首先介绍了离散余弦变换（DCT）的基本概念,然后对电能质量数据进行映射变换,并利用MATLAB进行仿真研究,利用离散余弦变换将原始电能质量数据映射到离散余弦空间,产生了更有效更紧凑的系数,但是直接对采样数据进行DCT处理,压缩比与精度成反比。提出数据复制组合方法进行改进,实验证明此方法有利于熵编码压缩码率和数据精度的提高。     

面向控制的分数阶微分模型的快速数值计算

求解分数阶控制系统的关键在于如何快速精确地计算分数阶微分.针对短记忆法和变步长记忆法的计算精度和计算复杂性顾此失彼的矛盾,本文提出了一种恒权重记忆法,它不舍弃历史数据,而是采用常值权重后全部记忆.在每个后继的采样周期,只需把新的数据简单叠加到历史数据上来考虑,从而极大地提高了计算精度和降低了计算复杂性,且有效地化解了两...     

一种新型的构件化操作系统的内核设计

采用构件化模型是当前操作系统设计新的发展趋势.构件化操作系统设计的关键技术集中反映在其内核的设计与实现中.本文首先介绍已有的内核结构以及操作系统新的抽象--服务体/执行流模型(SEFM),进而介绍基于SEFM的构件化操作系统Minicore中内核(核心服务体)的设计技术.最后以实际的测试数据验证了所采用技术的有效性.     

卫星通信系统QOS管理的策略提炼

针对基于策略的DVB—RCS卫星通信系统服务质量管理,提出一种策略提炼模型,结合实例给出目标提炼过程。该模型以线性时态逻辑为基础,在提炼模式的辅助下从高层目标中提取出低层策略,可以有效保证策略提炼过程的正确性、合理性及一致性。在系统设计阶段,该模型用于指导系统功能规划与设计,在系统运行阶段,该模型为网络管理人员提供高层策略向系统设备行为的映射方法。     

操作系统中的死锁检测

本文提供了一种检测操作系统中死锁的方法．该方法包含三个步骤：（1）通过检测进程加锁与解锁是否匹配来获得锁的持有者;（2）从异常进程中筛选出锁的等待者;（3）通过检查锁的持有者与等待者是否会形成循环等待图来判定死锁．通过实验发现,该方法对系统性能的影响小于l％,而且不需要修改内核源码和源程序．     

Sun工作站的IOMMU检测算法及其改进

介绍Ｓｕｎ工作站ＩＯＭＭＵ的组成及其机制,在此基础上论述了Ｓｕｎ工作站的ＩＯＭＭＵ的检测过程和算法,并指出Ｓｕｎ工作站加电自检（ＰＯＳＴ）的ＩＯＭＭＵ检测功能的不足,给出了ＰＳＴ对ＩＯＭＭＵ的检测原则,以及完整的检测步骤。     

一类抑制扰动的H∞状态反馈非线性控制器设计

研究了一类状态可测仿射非线性系统的扰动抑制问题 ,针对局部渐近稳定的非线性系统受到未知有界的周期性扰动 ,以H∞ 状态反馈标准控制方法为基础 ,给出这类问题的设计方法 ,得到了控制器的参数化描述     

Banach格上b-AM-紧算子的序性质

给出了Banach格上离散共轭空间的另一种刻画。证明了如果Banach格上的正则b-AM-紧算子Tn和T满足Tn-Tb-AM→0,且Tn的模Tn存在,则T的模T存在,且满足︱Tn︱-︱T︱b-AM→0;如果每个︱Tn︱可以由Riesz-Kantorovich公式计算,则︱T︱也可以由Riesz-Kantorovich公式计算。     

Novel flow control mechanism based on improved BP neural network in cognitive packet network

In this paper, a novel flow control mechanism in cognitive packet network (CPN) based on the improved back propagation (BP) neural network is proposed, considering the flow distribution status predicted by BP neural network when packets are routed. The objective is to increase the capacity of CPN and improve the quality of service (QoS) by achieving flow balance. Besides, considering the slow convergence speed of traditional BP algorithm and the quick change of the flow status in cognitive packet network, an improved BP algorithm with dynamic learning rate is designed in order to achieve a higher convergence speed. The mechanism, which we propose, regards the predicated traffic data as an important factor when packets are routed to implement flow control. By achieving balance, the quality of network can be improved obviously. The simulation results show that the proposed mechanism provides better average time delay and packets loss ratio.