关于在现代企业中实施目标管理的探析

目标管理理论是管理大师彼得?德鲁克率先提出来的.他认为,如果一个领域没有目标,这个领域的工作必然被忽视;管理者应该通过目标对下级进行管理.本文根据目标管理的概念、特点,针对目标与目标管理自身的特点,全面,系统地介绍了目标管理的原理、方法、关键要素等.     

基于自触发的异构多智能体协同输出调节

本文针对线性异构多智能体系统,基于自适应自触发条件,分别设计了状态和输出反馈协同控制器.其中自适应控制策略可以避免使用多智能体系统的全局信息,从而实现分布式控制;自触发控制不仅可以避免对触发条件进行连续监测,还可以有效地降低网络的通信负载和控制器的更新次数,且不存在芝诺现象.最后通过4个跟随智能体和一个领导智能体进行了协同输出直角编队仿真实验,实现了多智能体系统对外部系统的渐近跟踪和干扰抑制,验证了结果的有效性.     

具有执行器容错的汽车主动悬架系统有限频率H∞控制

本文研究了一类具有执行器容错的主动悬架系统有限频率H_∞控制问题.运用广义的Kalman-Yakubovich-Popov(KYP)引理,设计了有限频率H_∞控制器.该控制器不仅能够最大程度地减少路面在4～8 Hz范围内对乘客的影响,还能够保证汽车的悬架行程和车轮的动静载之比在它们允许的范围内.因此所设计的有限频率H_∞控制器不仅能够保证汽车驾驶的舒适性还能够保证汽车驾驶的安全性.为了解决系统状态不完全可测的问题,本文采用了动态输出反馈控制器策略.除此之外,在控制器的设计过程中还考虑了主动悬架系统的参数不确定性以及执行器随机故障的现象.最后,本文基于四分之一汽车主动悬架系统验证了控制器的有效性.     

虚拟控制系数未知的非完整系统的自适应神经网络控制

针对一类虚拟控制系数未知的多输入链式非完整控制系统,提出了一种自适应神经网络控制策略.在控制策略的设计中,采用了State-scaling与Backstepping技术相结合的方法.Nussbaum-type增益技术用来解决系统的控制方向完全未知的问题.所提出的自适应神经网络控制策略解决了由复杂系统所引起的奇异问题,并通过选择适当的控制参数,使闭环系统半全局一致有界,且系统的状态渐近收敛到包含原点的任意小的一个收敛域.一种基于切换策略的自适应控制方法解决了当x0(t0)=0时所引起的系统不可控问题.仿真结果验证了算法的有效性.     

Adaptive output feedback control for uncertain nonholonomic chained systems

An adaptive output feedback control was proposed to deal with a class of nonholonomic systems in chained form with strong nonlinear disturbances and drift terms. The objective was to design adaptive nonlinear output feedback laws such that the closed-loop systems were globally asymptotically stable, while the estimated parameters remained bounded. The proposed systematic strategy combined input-state-scaling with backstepping technique. The adaptive output feedback controller was designed for a general case of uncertain chained system. Furthermore, one special case was considered. Simulation results demonstrate the effectiveness of the proposed controllers.     

时间驱动的深度嵌入型智能感知网操作系统分析与设计

智能感知网操作系统是管理和调度无线传感器节点和网络中的各种资源、为实现低功耗分布式感知任务而服务的基础软件.深度嵌入型智能感知网则特指面向高可靠关键应用、软硬件交互密切、对功耗要求苛刻的感知网.与传统无线传感器网络略有不同的是,深度嵌入型智能感知网定位在测控类用途,在保留低功耗运行这个特征之外,更加强调向高可靠强实时的...     

Ad-hoc网络的负载自适应MAC协议

基于Ad-hoc网络,提出一种负载自适应MAC协议——LAP。该协议综合考虑了站点个数、帧长度和帧到达率对网络负载的影响,并引入负载因子评估当前网络的负载状况。当负载因子小于切换阈值时,LAP采用基于竞争的CSMA/CA机制;反之,则采用基于非竞争的Token-Ring机制。仿真证明,该协议能在重负载和轻负载环境中有效控制接入延时,最终提高网络实时性。     

基于事件触发的无人驾驶汽车路径跟随预测控制

研究存在有界扰动的非线性无人车辆模型的路径跟随问题,提出一种基于事件触发的模型预测控制算法,与现有的基于时间周期的模型预测控制算法相比,可以在保证车辆对参考轨迹跟随准确性的同时减少跟随过程中求解优化问题的计算量,降低在线实时优化的计算负担.最后给出无人车运动学模型的仿真结果,对比所提出的控制算法与传统算法,验证了其有效性.     

基于Backstepping的轮式移动机器人镇定研究与实验验证

根据轮式移动机器人的运动学模型,基于Back-stepping方法,构造了轮式移动机器人镇定系统的李雅普诺夫函数,并通过使李雅普诺夫函数负定,设计了移动机器人镇定控制律.轮式移动机器人的仿真实验以及实际的控制实验表明,该方法能使轮式移动机器人的伍姿从任意θ(0)≠0的初始状态渐近收敛到原点.     

基于可分离金字塔的轻量级实时语义分割算法

针对现有语义分割算法参数量过多、内存占用巨大导致其很难满足自动驾驶需要等现实应用的问题,提出一种基于可分离金字塔模块（SPM）的新颖、有效且轻量的实时语义分割算法。首先,利用特征金字塔形式的分解卷积和扩张卷积来构建瓶颈结构,从而以一种简单但有效的方式提取局部和上下文信息;然后,提出基于计算机视觉注意力的上下文通道注意力（CCA）模块,来利用深层语义修改浅层特征图通道权重优化分割效果。实验结果显示：所提出的算法在Cityscapes测试集上以每秒91帧的速度达到了71.86%的平均交并比（mIoU）。相较高效残差分解卷积网络（ERFNet）,所提算法mIoU提高了3.86个百分点,处理速度是其2.2倍;与最新的非局部高效实时算法（LRNNet）相比,所提算法mIoU略低0.34个百分点,但处理速度每秒上升了20帧。实验结果表明,所提算法有助于完成如自动驾驶中要求的高效、准确的街道场景图像分割任务。