Petri网的一类禁止状态问题的混合型监控器算法设计

针对广义互斥约束下Petri网的不可控影响子网为状态机的一类禁止状态问题,给出了观测器的设计方法,并基于观测器得到了求解最大允许控制策略的算法.利用观测器将广义互斥约束简化为单禁止库所约束,并将存在不可控变迁的问题简化为相当于变迁全部可控的问题,这有效地解决了不可控变迁带来的计算复杂性问题.最后,利用一个地铁交通调度示例验证和说明该监控器设计方法.     

自动导引车系统防碰撞及死锁的形式化控制方法

针对自动导引车系统中的协调控制问题,提出一种基于有向图的控制程序自动化设计方法.首先,根据自动导引车系统的结构建立基于区域控制的有向图模型;其次,在部分可观的条件下,定义扩充危险域的概念,给出一种估计危险域中车辆数目的方法,进而给出导引路径的防碰撞控制规范;最后,讨论系统发生死锁的两个条件,给出相应的死锁控制方法,并通过仿真实验验证了所提方法的有效性.     

基于关联矩阵代数运算的逻辑型监控器设计

对于含有不可控变迁的Petri网监控问题,允许状态空间可能需要一组“或”的允许约束来描述,而库所不变量的监控方法[12]只将给定约束转换为单个的允许约束,其监控器将系统行为限制在允许标识状态空间的较小子集内,其限制性过于严格,且该方法无法解决某些监控问题.针对上述问题,给出了一种基于关联矩阵代数运算的约束转换方法,能够...     

基于LPV模型的鲁棒PI控制方法

基于LPV模型的非线性系统设计同时满足设定点跟踪和扰动抑制性能的比例积分微分(proportional integrator differential,PID)控制器的研究较少,即使对于单一模型系统的设计方法中也很难找到同时满足以上2种性能的PID参数.针对以上问题作者提出了适用于LPV模型系统的鲁棒比例积分(proportional integrator,PI)控制器设计方法,首先设计有增益自适应调节的PI控制器满足非线性系统干扰抑制性能,进而追加2个前项增益参数分别调节已设计的自适应P和I参数满足设定点跟踪性能,通过前项增益调节使得控制系统同时满足以上2种设计指标,并通过仿真及实验验证了该法.     

变压器空充下的励磁涌流二次谐波特性分析

针对近年来变压器空充试验时,电流的二次谐波含量低于保护整定值导致差动保护误动作的问题,首先利用2条不同斜率的直线对变压器磁化特性曲线进行拟合,推导出不同空充电压下励磁涌流二次谐波含量的表达式,进而基于有限元分析软件搭建并验证了一台14 kVA单相变压器以及一台325 MVA三相变压器的仿真模型,然后对验证过的模型进行了变压器空充仿真。研究表明：在考虑铁芯磁化曲线起始部分存在非线性特征的情况下,空充电压小于临界电压时,励磁涌流中含有少量二次谐波;空充电压等于临界电压时,励磁涌流二次谐波含量达到峰值;随着空充电压等级的提高,励磁涌流二次谐波含量呈现先增后减的趋势。     

高频变压器技术研究综述

高频变压器(high frequency transformer,HFT)是一种结合电力电子技术和高频磁链技术的电能变换设备.由于与工频变压器相比,HFT具有体积小、质量轻等优点,因此HFT在现代变换器中有着广泛的应用.但是,HFT在应用过程中还存在许多问题有待解决.在介绍HFT发展历史的基础上,总结了HFT的基本原理...     

高频变压器漏电感简化计算方法

绕组高频效应使高频变压器漏感参数具有复杂的频变特性.但传统算法并未考虑漏磁的频变特性导致计算精度较差,而现代计算方法单纯地套用Dowell公式,并且没有考虑不同绕组结构的漏磁分布特性,导致公式通用性较低,在实际工程中难以使用.本文在对高频变压器实际漏磁分布模型分析的基础上,提出一种高频漏磁分布等效变换模型,并基于磁链分...     

基于学习速率自适应的脉冲神经网络快速学习方(英文)

For accelerating the supervised learning by the SpikeProp algorithm with the temporal coding paradigm in spiking neural networks (SNNs), three learning rate adaptation methods (heuristic rule, delta-delta rule, and delta-bar-delta rule), which are used to speed up training in artificial neural networks, are used to develop the training algorithms for feedforward SNN. The performance of these algorithms is investigated by four experiments: classical XOR (exclusive or) problem, Iris dataset, fault diagnosis in the Tennessee Eastman process, and Poisson trains of discrete spikes. The results demonstrate that all the three learning rate adaptation methods are able to speed up convergence of SNN compared with the original SpikeProp algorithm. Furthermore, if the adaptive learning rate is used in combination with the momentum term, the two modifications will balance each other in a beneficial way to accomplish rapid and steady convergence. In the three learning rate adaptation methods, delta-bar-delta rule performs the best. The delta-bar-delta method with momentum has the fastest convergence rate, the greatest stability of training process, and the maximum accuracy of network learning. The proposed algorithms in this paper are simple and efficient, and consequently valuable for practical applications of SNN.     

基于知识Petri网和归结规则的推理方法

本文提出了一种基于知识Petri网和归结规则的推理方法.通过知识Petri网描述命题逻辑知识库,将归结规则映射到知识Petri网上,根据库所和变迁的连接关系,定义了知识Petri网中的归结结构.利用归结结构,给出了基于知识Petri网的归结推理算法和扩展知识库的推理算法,并利用Wumpus实例验证了推理算法.该推理方法是可靠且完备的,能够利用知识Petri网的网络结构降低计算复杂性.     

非平衡负载下轮式移动机器人的抗扰PID控制

在非平衡负载条件下,轮式移动机器人(WMR)的前进、转向速度耦合,影响着轨迹跟踪和避障等运动控制性能.为此,本文提出了一种基于抗扰PID(DR–PID)控制器的WMR速度调节主动抗扰(ADR)控制策略.首先,建立WMR的速度耦合模型,引入解耦矩阵减小静态耦合作用;然后,基于一类改进干扰观测器(DOB)控制方法,设计一种...