基于ESO的一类线性时变系统自学习滑模控制方法

针对一类线性时变系统的控制问题,提出了一种基于扩张状态观测器的自学习滑模控制方法。该方法首先设计了两种非线性光滑函数, 然后将两种光滑函数分别应用于扩张状态观测器和滑模趋近律的设计。为了进一步提高系统的自适应控制能力, 使用最速下降法对滑模控制器的增益参数进行自学习镇定。仿真结果表明了该控制方法不仅响应速度快、控制精度高, 而且有效解决了现有理论方法难以解决的问题, 因而是一种有效的不依赖于被控对象模型的LTV系统控制方法。     

基于Laguerre基函数的液位传感器温度补偿方法

针对环境温度影响液位传感器的检测问题,提出了基于Laguerre基函数的液位非线性校正和温度补偿的复合校正模型,采用递推最小二乘(RLS)法对标定液位进行拟合以确定复合补偿模型的参数.根据液位传感器的测量值和环境温度可高精度计算出实际液位.仿真结果表明:补偿后的最大相对误差不超过(3.4145×10-7)％,具有良好的非线性校正和温度补偿效果,在液位检测领域具有重要的理论和应用价值.     

一种湿度传感器温度补偿的非线性校正方法

针对湿度传感器易受温度影响的问题,提出了基于Laguerre多项式的湿度非线性校正和温度补偿的复合校正模型,采用递推最小二乘法对标定湿度进行拟合以确定复合补偿模型的参数.该方法根据湿度传感器的测量值和环境温度即可高精度计算出实际湿度.仿真结果表明,补偿后的最大相对误差不超过4.5576e-4％,具有良好的非线性校正和温度补偿效果,在湿度检测领域具有重要的理论和应用价值.