【摘 要】
：
研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的I2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充
【机 构】
：
南通大学电气工程学院,江苏南通226019;南京航空航天大学自动化学院,江苏南京210016 南京
论文部分内容阅读
研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的I2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充分条件;进一步的,提出一个迭代算法来权衡噪声鲁棒性与故障灵敏度,并将矩阵不等式转换成可解的线性矩阵不等式.最后,对某型飞控系统的仿真实验验证了所提方法的有效性.
其他文献
本文合成了低苯乙烯含量新型环保乙烯基酯树脂，通过对树脂各种性能的测试，该树脂具有低苯乙烯挥发性和较好的工艺性能、力学性能和耐腐蚀性能。
本文研究了一种低成本的烯丙基醚改性的DCPD型PE树脂，希望提高其气干性能以及低温下的打磨性和防绿化性能等。试验证明：烯丙基醚可以明显改善DCPD型PE树脂的气干性和打磨性能，并能改善防绿化性能等。结果表明：新型树脂的漆膜气千性和低温打磨性以及防绿化性能等大幅度提高，明显优于DCPD型PE树脂，甚至在某些方面已经超过烯丙基醚型PE树脂，性能上完全能够满足低温下的使用要求。
《德国劳氏船级社非金属材料技术规范要求》一共分为三个部分，第一部分是关于原料和产品的生产品质要求的规定，第二部分是关于复合增强材料的检验要求及实验标准，第三部分是关于产品的修补。
本文研究介绍了以2-甲基-1，3-丙二醇(MPD)为原料来合成不饱和聚酯树脂，介绍了此树脂的优越性能，并以此树脂为基体配制了胶衣树脂。
文章介绍了具有高反应性、耐化学性的高强度聚氨酯改性树脂的类型及优异性能，比较了聚氨酯改性树脂、传统不饱和聚酯树脂、乙烯基酯树脂在酸、盐、潮湿环境中暴露6周、18周、60周后的拉伸强度及模量、弯曲强度及模量、剪切强度等机械性能保有率，结果表明，聚氨酯改性树脂在各种腐蚀环境下拥有优异的机械性能保有率，且高于传统不饱和聚酯树脂、乙烯基酯树脂。
动态智能交通(ITS)信息在微观层面提升驾驶员的预测能力和适应能力,在宏观层面表现为车队群体的预期性和适应性.本文引入期望密度/速度函数以及预期性和适应性调节系数扩展了元胞传输模型,弥补了原始模型未考虑ITS信息影响的不足.线性稳定性分析和收敛性仿真结果表明预期性和适应性会减少弛豫带来的负效应,增大交通流的线性稳定域,不同的状态调节系数组合刻画了不同程度的预期性和适应性,改变了平衡曲线与收敛速度,
为了提高航迹控制器的跟踪性能,节省航程,本文推导了期望航向和航迹偏差的数学模型,设计了可预测期望航向的船舶航迹预测控制器,它不仅能预测系统的输出(船首向和航迹偏差),而且可以提前多步预测系统的参考输入(期望航向),以提前修正命令舵角.对货船的航迹控制计算机仿真结果表明,算法提高了控制器的跟踪速度和精度,缩短了船舶的实际航程.本文还给出了求解控制器中逆矩阵的递推算法,其计算量为通常算法的1/3.
因信号设定时间和车流量动态行为引起的交通量变化是现代交通控制系统存在高度不确定性的主要因素.根据交通流量具有高峰期、正常期及突发超流量期的特点,本文提出了一种监督多模型交通流量建模方法,结合模型预测控制技术对交通信号灯进行优化式智能控制,对不同交通模式下交通流量的实时变化作出反应,在优化的模式下对关键主干道交叉路口的信号灯进行自适应调节,达到实现通行次数合理,车辆延误时间以及停车时间都减少的目的.
针对高度动态、不可预测的海洋环境,开展了无人艇智能运动控制系统的设计研究.首先本文利用认知学科的"图式"概念来分析人体运动控制系统的结构.提出一种混合式分层递阶结构,把人类的先验知识、专家经验融入到该结构中,并在实践中不断学习和完善,则形成了一种混合仿人智能图式:然后根据该图式的思想,设计了自主驾控系统的体系结构,并编制成简单实用、逻辑性强、能实时运行的控制流程;最后进行了无人艇的航线跟踪和安全自
本文提出一种自适应和神经动力学相结合的轮式移动机器人路径跟踪控制方法.首先,设计运动学控制器用来获得机器人期望速度;其次,考虑机器人动力学模型参数的不确定性,利用模型参考自适应方法来设计动力学控制规律,使得机器人实际速度渐近逼近期望值;再次,为克服速度和力矩的跳变,加入神经动力学模型对控制器进行优化,并且通过Lypunov理论来证明整个控制系统的稳定性;最后仿真结果表明该控制方法的有效性.