RBF neural networks-based robust adaptive tracking control for switched uncertain nonlinear systems

In this paper, a robust adaptive H∞ control scheme is presented for a class of switched uncertain nonlinear systems. Radical basis function neural networks (RBF NNs) are employed to approximate unknown nonlinear functions and uncertain terms. A robust H∞ controller is designed to enhance robustness due to the existence of the compound disturbance which consists of approximation errors of the neural networks and external disturbance. Adaptive neural updated laws and switching signals are deducted from multiple Lyapunov function approach. It is proved that with the proposed control scheme, the resulting closed-loop switched system is robustly stable and uniformly ultimately bounded (UUB) such that good capabilities of tracking performance is attained and H∞ tracking error performance index is achieved. A practical example shows the effectiveness of the proposed control scheme.     

Improved stability conditions for systems with interval time-varying delay

The paper is concerned with the stability of linear systems with interval time-varying delay. Through constructing a new augmented Lyapunov-Krasovskii functional (LKF) which contains some quadruple-integral terms and estimating the time derivative of the LKF less conservatively, new stability criteria are derived without introducing any free matrices. Moreover, by proving the positive definiteness of the LKF with some integral inequalities, the constraints on some functional parameters are relaxed and the conservatism of the obtained results are further reduced. Numerical examples are also given to demonstrate the effectiveness and reduced conservatism of the obtained results.     

一种改进的基于多项式滤波的稳态检测方法

化工过程的数据中常常含有较多的随机误差和粗差干扰,导致传统的稳态检测方法无法得到准确的结果,从而降低系统故障诊断的可靠性。针对实际的工业过程数据,提出一种融合自适应平滑技术的稳态检测方法,该方法首先以基于导数分析的自适应平滑算法进行降噪处理,消除随机误差的影响,然后引入阈值拟合技术进一步抑制粗差干扰,以多项式滤波方法对数据进行稳态检测,根据测量信号的趋势特征确定过程是否处于稳态。仿真实验研究表明:融合自适应平滑技术的稳态检测方法能够克服传统稳态检测方法中随机误差和粗差干扰对检测结果的影响,进而显著提高稳态检测处理的准确性,检测结果明显优于传统的基于多项式滤波的检测方法。     

偏最小二乘回归在气温预测中的研究与应用

气温的预测要考虑多重气象因子,然而各气象因子间的多重相关性导致普通的多元回归模型失真,预测精度降低。为了解决以上问题,本研究采用偏最小二乘回归(Partial Least Squares Regression,简称PLS)建模,根据实际建模需要对算法进行改进。为了验证该模型,本研究以成都市10月份气温场为预报场,并结合成都市13个自动站气温数据,提取预报所需主要因子,进行PLS回归建模。实验表明该模型有较好的预测能力。     

基于雷达/红外成像的机动目标加速度估计

研究机动目标跟踪精度优化问题,需获取机动目标加速度准确信息。由于空间外界干扰造成雷达提供信息不准确,为此提出了基于雷达/红外成像的机动目标跟踪信息融合算法。建立了机动目标与空空导弹的相对运动目标机动数学模型,引入了雷达/红外成像导引头联合观测方法,并对两者的观测信息在时间上进行同步配准。采用雷达/红外成像信息融合跟踪扩展自适应卡尔曼滤波算法进行仿真。仿真结果表明,改进算法能够对机动目标加速度信息进行有效的、实时准确的估计,验证了所设计的跟踪算法的正确性,实现了以直接碰撞方式达到毁伤目标的目的。     

变形镜交连值的优化分析

关于优化光波控制,自适应光学校正是至关重要的一个环节,可用于改善激光光束质量及校正光束在传输过程中气流引起的波前畸变等。变形镜是其核心器件,而交连值是影响变形镜校正精度的关键因素。针对变形镜实际使用时需要对致动器进行一定的约束,利用带约束的最小二乘法,分析了在一定约束条件下交连值变化对变形镜校正精度及控制稳定性的影响。以Zernike像差和以大气湍流模型构造的像差为校正对象,寻找校正效果最好的交连值。结果表明各阶Zernike像差对应的最优交连值差异较大,最优交连值主要分布在15%～35%之间。从控制误差引起的校正效果变化的方面考虑,对正方形致动器排布的最优交连值位于15%～25%区域。     

领域驱动模型的WEB软件系统设计研究

首先分析了J2EE3层架构的特性及局限,说明了领域驱动设计模型中的充血模型的优势。通过运用最新JDKI．7及Tomcat的相应改造,设计出能实现以充血模型结构为基础的新型WEB系统开发框架,并通过一简单实例说明架构如何支持系统开发。     

水性聚氨酯材料配方设计技巧

介绍了优选法的0.618法和分数法,对其进行改进创新和原理证明,并应用于生产涂料配方设计中。     

环己烷液相无催化剂的氧化动力学研究

采用搅拌釜反应器,在确认已排除传质因素对反应速率影响的情况下,研究了环己烷液相无催化剂的氧化反应动力学。应用自由基理论及最优化计算技术,从导出的8个候选动力学模型中,确定了最佳的动力学模型,它能满意地描述环已烷氧化过程。该动力学可为环己烷氧化工业生产操作条件的优化、反应器的选型及工业设计提供依据。