排序方式: 共有39条查询结果,搜索用时 250 毫秒
1.
研究含间隙机械系统的混杂模型预测控制问题.首先,将含间隙机械系统的运行模式分为"间隙模式"和"接触模式".其次,建立了含间隙机械系统的混杂分段仿射 (PWA)模型.然后,利用模型预测控制 (MPC)的方法对约束PWA系统的最优控制进行求解,通过动态规划与多参数二次规划方法,得到了MPC的离线解.最后,通过将分段二次 (PWQ)Lyapunov函数的求解转换成半正定规划,找到了确保闭环控制稳定性的PWQ Lyaplanov函数.跟踪参考速度的实验结果表明,混杂模型预测控制器对含间隙机械系统的跟踪控制具有较好的效果,能够满足小采样时间系统的实时控制要求. 相似文献
2.
3.
4.
考虑了在区域极点约束下状态反馈的鲁棒H2控制问题.分别对含多面体不确定性的连
续和离散系统进行了讨论.基于LMI,给出了存在参数相关的Lyapunov矩阵的充分条件.利用
LMI凸优化方法的解,所得静态反馈控制器,不仅保证闭环系统的极点在-给定区域内,而且还
使性能指标H2的一上界达到最小. 相似文献
5.
本文设计了一种基于屏障控制函数(CBF)的分布式协同控制算法,实现了领航–跟随者框架下非完整约束多智能体系统的连通性与编队控制.首先,通过将连通性保持问题建模为系统约束,定义了该约束的调零屏障函数(ZBF).其次,在此基础上,构建李雅普诺夫函数与角速度输入之间的关系,对跟随者智能体设计了基于调零屏障函数的协同控制算法,其中线速度控制器保证跟随者的速度的跟踪与队形的跟踪,而梯度型角速度控制器实现跟随者角度的矫正.然后,利用调零屏障函数不变集相关引理证明了连通性约束集为正不变集,若初始时刻连通,则跟随者智能体始终与领航者保持连通性.同时,本文提出的算法实现编队误差的渐近收敛.本文中的队形适用常见的固定队形编队需求,也适用于领航者是动态(有线速度和角速度)的情况.最后,通过数值仿真进一步验证了该算法在不同队形需求下的有效性. 相似文献
6.
7.
云网融合的加速发展,既推动着数据中心规模快速增长,也带来了巨大的能源消耗.如何制定合理的数据中心能效评估标准已成为指导数据中心能效提升亟需解决的关键问题.针对单一指标很难全面衡量数据中心的能源效率,且不同的数据中心能效指标各有侧重,甚至互相矛盾的问题,提出了将多指标进行融合来综合评估数据中心的能效,采用了主客观结合的赋权方法,为不同的能效指标设置权重,设计了基于云模型的多指标融合评估策略,得到了更加科学、全面的数据中心能效评估结果.最后,利用灰色关联法分析了评估结果与各能效指标之间的关系,分析结果对数据中心能效的提升具有重要的指导意义. 相似文献
8.
绿色能源互补智能电厂云控制系统研究 总被引:2,自引:1,他引:1
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题, 基于云控制系统理论, 以智能电厂为研究对象, 本文提出了智能电厂云控制系统(Intelligent power plant cloud control system, IPPCCS)解决方案. 基于智能电厂云控制系统, 针对绿色能源发电波动性强、抗扰能力差的问题, 利用机器学习算法对采集到的风电、光伏输出功率进行短时预测, 获知未来风、光机组功率输出情况. 在云端使用经济模型预测控制(Economic model predictive control, EMPC)算法, 通过实时滚动优化得到水轮机组的功率预测调度策略, 保证绿色能源互补发电的鲁棒性, 充分消纳风、光两种能源, 减少水轮机组启停和穿越振动区次数, 在为用户清洁、稳定供电的同时降低了机组寿命损耗. 最后, 一个区域云数据中心的供电算例表明了本文方法的有效性. 相似文献
9.
受多目标优化理论的启发,针对非完整约束轮式机器人设计基于屏障控制函数的多目标协同控制算法.该方法可实现队形控制主目标、连通性次级目标以及避碰次级目标,其中将连通性保持和避碰问题建模为两个系统约束,屏障控制函数作为约束对应的惩罚函数,可解决系统有输入或状态约束的问题.通过获取的局部信息将系统状态约束转化为屏障控制函数,利用屏障控制函数的类李雅普诺夫特性对其导数引入约束,再通过保证约束集的正不变性,达到控制目标.所提出方法可有效地避免控制器在连通性约束和避碰约束边界处的频繁切换,减小机械疲劳,在理论上可进一步扩展次级目标的数目,实现多目标控制.另外,所提出的协同控制算法对编队队形没有特殊要求,适用于不同编队需求和通信拓扑情况.最后通过数值仿真验证了所提出算法在不同情况下的有效性. 相似文献
10.