基于无速度传感器的PMSM反步终端滑模控制

研究一种带无速度传感器的永磁同步电机PMSM(permanent magnet synchronous motor)反步终端滑模控制策略。为了解决硬传感器可靠性差的问题,设计新型无速度传感器取代硬传感器,能够有效地估计电机的实时转速,提高系统的稳定性。分析反步控制与终端滑模控制的特点,研究一种基于终端滑模负载观测器的反步控制方法,有效地提高系统的的响应速度,增强系统的鲁棒性。并利用李雅普诺夫理论证明系统的稳定性。仿真及实验表明系统具有良好动态性能。     

建筑材料供应中断对承包商成本的冲击研究——基于鲁棒模型分析

为了揭示供应商与承包商为主体的二级供应链中，两者间耦合作用条件下发生的供应中断对供应商最优决策及对承包商成本的影响机制，且剖析供应中断对承包商成本的冲击效应，以供应商存在高退出风险为研究对象，在仅知产量均值与方差条件下，运用Scarf提出的“极大极小值”鲁棒决策方法，通过设定不同决策情况下的供应链系统反馈，分析了不同退出标准情况下二级供应链的博弈过程。基于理论支撑下的鲁棒模型数值仿真结果得出：在退出标准α为100时，中间变量在290~350范围内，供应商存在最优决策，但承包商最优决策无法确定；与α为0时相比，在订货量达到一定状态，即α为140时，承包商成本增加了1.5%，表明承包商成本与供应商退出标准呈正相关，退出标准越高，对承包商成本造成的冲击效应越大。此研究结论为供应链初期不稳定且信息不完整条件下发生的供应中断影响机理提供了新的视角。     

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

考虑节点过载的碳排放空间关联系统级联失效模型

为提高突发事件级联失效对现实碳排放关联系统破坏程度的评估可信性，在传统复杂网络的"负载-容量"级联失效模型基础上，考虑个体成员对负载的冗余能力，提出一种过载失效概率，构建了考虑节点过载状态的级联失效模型，并基于节点特性提出了6种过载节点负载分配策略。仿真结果表明：在过载节点负载分配策略中，综合分配策略整体上较优，能够有效控制级联失效的规模，增加网络鲁棒性；在一定范围内提升过载参数有助于降低级联失效的影响，但提升到一定程度时改善效果不明显；在不同负载分配策略下，剩余系数存在一个最优值，容量可调参数存在最优区间，可以使碳排放关联网络保持较好鲁棒性的同时，花费较小的构建成本，其中紧密度分配策略对应的网络构建成本较高。     

一种新的多渐消因子容积卡尔曼滤波

将强跟踪思想引入容积卡尔曼滤波（cubature Kalman filter，CKF），建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下，滤波性能下降的问题。通过分析现有多渐消因子计算方法，发现它们均只利用了协方差矩阵的对角线元素，并没有考虑各个状态之间的相关性，不能充分发挥多渐消因子的优势。为此，本文提出渐消因子矩阵，基于正交原理推导渐消因子矩阵的求解方法，提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制，也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性，能更好的满足工程应用的要求。