一类不确定切换奇异系统的动态输出反馈鲁棒H∞控制

研究一类由任意有限多个不确定子系统组成的切换奇异系统的动态输出反馈鲁棒H∞控制问题. 利用共同 Lyapunov 函数方法和凸组合技术, 给出由矩阵不等式表示的控制器存在的充分条件, 并设计了相应的子控制器和切换策略. 采用消元法, 将该矩阵不等式转化为一组线性矩阵不等式 (LMIs). 最后, 数值实例验证了所提方法的有效性.     

低压永磁真空断路器的控制及通信设计

在分析单稳态永磁操动机构的真空断路器结构特性和工作原理的基础上,综合微处理器技术、电器技术和通信技术,研究了永磁真空断路器的智能化控制模块的总体设计结构。分析了智能化低压永磁真空断路器Modbus、Profibus—DP现场总线的硬件结构和通信原理,探讨了各自的通信命令格式及软件系统设计。实现了智能化永磁真空断路器的可选择性远程通信、监测与控制技术,对于提高智能电网供电水平、自动化程度和安全性具有工程应用价值。     

离散混沌系统的非线性反馈控制

提出一种利用非线性反馈控制离散系统混沌运动的方法、根据离散系统的稳定性理论．确定了非线性反馈控制增益的取值范围．理论分析和数值研究结果表明该方法不仅可以实现不动点的镇定,而且可以将离散混沌系统控制到低周期态。     

磁流变智能结构的微粒群优化控制

在磁流变智能结构的减震控制中,结构的位移控制和加速度控制是其减震控制的两个重要控制目标,这就使得磁流变智能结构的减震控制成为了一多目标优化控制。为此,本文采用微粒群优化控制算法同时对磁流变智能结构的位移和加速度进行了最优控制分析,实现了磁流变智能结构多目标的优化减震控制。并对一每层各安装一个磁流变阻尼器的五层钢结构分别采用微粒群优化控制算法、ON控制算法和OFF控制算法进行了实例对比分析,结果表明：采用微粒群优化控制可显著地减小结构的位移反应,同时也可一定程度地减小结构的加速度反应。     

控制类课程工程化教学模式的探讨

本文针对电气工程及其自动化专业控制类课程存在教学体系陈旧问题,将学生参加控制类课程相关的课外科研项目、卓越工程师计划、大学生创新项目以及参加各种学术讲座和科技竞赛等纳入工程化教学培养方案。通过各种工程化教学模式的的探索与实践,培养具有创新精神和实践能力的高级应用型科技人才。     

基于自适应双边全变差的图像超分辨率重建

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准的MAP算法引入了自适应概念,引入了图像自适应加权系数矩阵;据此给出一种基于自适应双边全变差的图像超分辨率重建算法,该方法不仅能在图像超分辨率重建过程中抑制噪声,而且能锐化图像中的边缘信息;建立了自适应重建模型并用梯度下降法推导出迭代计算公式.实验表明,该算法在收敛性和精确性上都达到了较好的效果.     

基于多尺度特征表示的城市道路检测

基于图像的车辆周边场景分析是近来车辆主动安全的热门研究方向,但对于复杂路况的道路识别目前依然是一个难题。该文提出一种适用于城市复杂道路场景的单目视觉路面识别算法。该方法结合多尺度的稀疏编码,在大尺度上利用道路的局部纹理信息,在较小尺度,特别是中等尺度上利用空间上下文信息,对车辆的可行驶区域进行识别。实验表明,该方法提高了道路与周边环境中相似纹理的区分能力;在铺设良好的结构化道路,或者车道线、路界缺失,光照复杂的道路场景中,该方法都取得了较好的检测结果。     

“计算机控制技术”课程PID控制部分的教学

本文以"计算机控制技术"课程的PID控制教学内容为主要分析对象,讨论了该内容的教学特点和难点,分析了课堂理论与实验实践之间的紧密联系,并提出了一些针对性的教学建议和方法。论文从PID控制算法分析、Matlab验证PID控制律以及实验平台水箱液位PID控制调试三个方面进行分析,促进了学生对知识点的融会贯通,提高了"计算机控制技术"课程的教学质量。     

基于Internet的力觉临场感遥操作机器人系统设计

力觉临场感遥操作机器人系统通信通道中存在的通信时延严重影响了操作性能,甚至使系统不稳定.当用Internet传输信号时,时延是时变或随机的,对系统的影响尤为剧烈.为了解决这个问题,文章对时变时延和数据丢失进行了处理,最后提出了一种基于虚拟模型的从手受力预测方法.实验表明对系统的设计是非常有效的.     

基于Q-learning模型的智能化放顶煤控制策略

传统的综放工作面放顶煤控制存在顶煤采出率低、出煤含矸率高等问题,而现有智能决策方法又存在建模困难、学习样本难以获取等障碍。针对上述问题,在液压支架放煤口动作决策过程中引入强化学习思想,提出一种基于Q-learning模型的智能化放顶煤控制策略。以最大化放煤效益为主要目标,结合顶煤放出体实时状态特征及顶煤动态赋存状态,采用基于Q-learning的放顶煤动态决策算法,在线生成多放煤口实时动作策略,优化多放煤口群组协同放煤过程,合理平衡顶煤采出率、出煤含矸率的关系。仿真和对比分析结果表明,该控制策略的顶煤平均采出率为91.24%,比传统"见矸关窗"的放煤方法提高约15.8%;平均全局奖赏值为685,比传统放煤方法提高约11.2%。该控制策略可显著减少混矸、夹矸等现象对放煤过程的影响,提高顶煤放出效益,减少煤炭资源浪费。