非一致目标跟踪的混合自适应迭代学习控制

针对一类含有时变和时不变参数的高阶非线性系统,结合Backstepping方法,提出了一种新的自适应迭代学习控制方法,该方法由微分-差分型自适应率和学习控制率组成,保证对非一致目标的跟踪误差平方在一个有限区间上的积分渐近收敛于零,克服了传统的迭代学习控制(ILC)对目标轨线限制,可以跟踪非一致目标轨线.通过构造复合能量函数,给出了闭环系统收敛的一个充分条件,仿真结果说明了该方法的有效性和可行性.     

周期时变时滞非线性参数化系统的自适应学习控制

针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.     

有数据包丢失和时延的网络控制系统稳定化

在同时考虑网络时延和数据包丢失的基础上,研究了网络控制系统的反馈控制器设计问题;用迭代的方法分析了数据包的丢失问题。在当前的状态测量不能被控制器实时得到时,利用旧的信息来控制系统,将网络化控制系统建模为切换模型。基于切换系统理论和分段Lyapunov函数理论,构造了线性矩阵不等式,推导出网络控制系统反馈控制器稳定的充要条件。数值仿真算例说明了所提方法的可行性和有效性。     

电动汽车V2G技术及其充电设施供配电分析

基于电动汽车的发展现状,对V2G技术(电动汽车到电网)及不同功能建筑内充电设施设置原则及供配电方案进行分析研究:介绍电动汽车充电设施发展现状;论述V2G技术应用的过渡阶段;提出V2G技术分层实现的概念;按不同建筑功能特性,对供配电方案进行分析。     

对2010版《建筑物防雷设计规范》的思考

依据GB50057-2010《建筑物防雷设计规范》,分析建筑物防雷设计中常遇到的几个问题,阐述作者对规范条文的理解,并提供设计方案。     

控制在小世界网络中的仿真研究

探讨和分析了NS的工作原理和仿真机制,介绍了在小世界网络下利用NS软件进行网络控制系统仿真的方法和设计实现过程。基于网络仿真软件NS的编程通用性强和功能可扩展的特点,利用NS中类C++的语言环境实现了控制系统微分方程的实时求解,最后展示了仿真研究的结果。     

连续时间非线性时滞系统的协状态预测算法

研究了非线性连续时间时滞系统的最优控制问题，提出了基于线性时滞模型的协状态预测算法，在模型与实际存在差异的情况下，给出了原问题的最优解，该算法具有每次迭代的计算简单，易于实现等优点，仿真结果验证了这一结论。     

基于Hopfield神经网络的状态观测器设计

基于神经优化计算原理，给出了线性定常系统的状态观测器的设计方法。将观测器设计问题转化为约束非线规划问题，利用Hopfield神经网络在线的计算观测器的增益矩阵和输入矩阵，能够保证观测器输入信号的平均幅值接近最小。数字仿真结果表明了该方法的有效性。     

对《配四》中某电压降计算公式的讨论

讨论供电线路电压降计算常用的4种方法,通过实际案例对其中的电压损失计算系数法公式进行验证比较,指出其差错的原因并给出解决方案,进而对标幺值计算法在公式转换中需注意的问题给出建议.     

非线性动态系统优化与参数估计集成的神经网络算法

基于动态系统优化与参数估计集成的迭代算法，提出一个求解系统优化的神经网络方法，得到一种动态系统优化与参数估计集成的神经网络算法，该算法通过重复求解参数估计问题和悠神经网络，获得原问题的精确最优解，由于系统优化问题用神经网络求解，因此该算法具有求解速度快，易于硬件实现等优点，特别适用于在线优化与控制。