【摘 要】
：
网络控制系统中,通讯网络会引起控制环路时延,网络带宽分配(调度)技术引起采样速率改变,不规则采样和时延抖动会影响闭环系统稳定性能。本文将在有界区间范围内抖动引起的时变不确定性描述为系统的离散时间闭环区间状态矩阵,通过对单个时不变矩阵范数的判断,导出区间系统鲁棒稳定的充分条件,仿真算例表明该判据简单易实现.
【机 构】
：
中南大学信息科学与工程学院,长沙410083;国防科大指挥军官基础教育学院,长沙410003 中南
论文部分内容阅读
网络控制系统中,通讯网络会引起控制环路时延,网络带宽分配(调度)技术引起采样速率改变,不规则采样和时延抖动会影响闭环系统稳定性能。本文将在有界区间范围内抖动引起的时变不确定性描述为系统的离散时间闭环区间状态矩阵,通过对单个时不变矩阵范数的判断,导出区间系统鲁棒稳定的充分条件,仿真算例表明该判据简单易实现.
其他文献
设计并制造了一种精密定位并联机器人,可实现对实验靶的6 自由度全方位微米级定位。论述了系统定位工作原理,设计了高集成度的并联机器人控制系统,将所有控制模块集成于控制计算机内。在对该并联机器人位姿控制算法研究的基础上,推导了靶定位数学模型。研究了一种基于视觉的靶定位闭环控制方法,这种方法在坐标系关系不完全确定的情况下,通过对6自由度并联机器人各自由度循环调整实现了对靶的多自由度精密定位。实验表明该机
合理.容错的调度机制是有效利用网格资源、保证应用任务执行生命的关键因素。针对基于网格环境下的分布式控制系统(GDCS),提出了二级任务调度系统框架:系统调度器将所有上传任务按功能或属性分类排序,再分派局域调度器选择资源分配任务,由其在任务进程中动态调度节点资源及容错处理.针对分布式控制系统完全独立与不完全独立两种类型的子任务,对局域调度器建立了具有容错机制的SPN 模型,给出了完全独立子任务的选择
群机器人学是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体。如何控制不受数量限制的群机器人系统,是一个极具挑战性的问题。网格分布是指大量机器人按照一定的要求均匀分布在某一区域中.本文基于人工物理原理分析了群机器人网格分布控制原理和方法,并制定了详细的系统性能评价指标(稳定时间、碰撞次数、覆盖率、连接数、簇数、分布密度等参数),还提出了采用曲线拟合法构建虚拟力模型。通过在无障碍物和有障
分析了MAS网络测控系统中联盟构成问题,研究了蚁群算法在多Agent 协作联盟中存在的不足,利用遗传算法和蚁群算法各自优势,提出了一种新的融入了遗传算法的改进蚁群算法,并进行了仿真实验.结果表明,改进的蚁群算法无论是优化性能还是时间性能都取得较大提高,不仅加快了蚁群算法的收敛速度,提高了求解精度,而且避免求精确解阶段陷入局部最优。
本文研究了一类具有非线性静态互联结构的分布式异构网络的L2 稳定性。假定网络的节点为有限平方可积空间上的单输入单输出算子, 节点之间通过满足扇区条件的非线性时变静态环节互联.对于这样构成的分布式异构网络系统, 首先建立了网络互联映射满足的代数二次约束条件, 在此基础上, 在假定网络互联适定的条件下给出了网络具有有界增义L2稳定的条件。进一步, 当节点动力学由线性时不变算子刻画时, 给出了网络具有有
研究系统的故障诊断和检测策略问题。假定系统有两种工作状态(正常、异常)和一种故障状态。每隔一段随机时间检测一次系统.检测目的是通过诊断参数的观测值,确定系统的状态并采取适当的维修措施.由于系统的劣化和巨额的更换费用,在对系统进行更换之前,先进行修复非新的维修.利用概率分析和向量Markov过程方法推导出系统的各种可靠性指标,并求出诊断参数的最优临界值和最优检测周期.该最优值使稳态收益率最大.数值算
本文提出采用支持向量机实现电力电子电路故障诊断的方法,在小样本的情况下,实现高准确率的故障诊断,克服了神经网络等方法的局限性。并且以三相桥式整流电路为例,对其故障情况进行了分析,选用支持向量机进行了有效的故障诊断.仿真实验表明,本方法是有效的。
为实现例外处理的模块化,可扩展性以及适应性,提出一种基于元流程的Web服务组合例外处理模型,并对该模型的元素及其关系的语义进行了详细说明.模型中的规则基于事件,状态以及基础流程案例数据。当例外事件发生时,若有规则被满足,则相应的元流程启动,并由元流程对基础流程进行协调和控制。实例分析表明该方法不仅支持错误恢复,同时也支持流程修改等复杂状况。
为了对内燃机气门及活塞-连杆组故障进行有效地诊断,通过实验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度-小波能量谱.其能量主要分布于尺度范围1~32,且相同故障模式下的尺度-小波能量谱呈现出相似性,不同故障模式之间的尺度-小波能量谱存在很大的差异性。利用粗糙集简化理论提取出对信号特征敏感性最强的尺度小波能量,以此作为不同故障模式的信号特征,结合BP
基于群体的增量学习算法(PBIL)是一种将遗传算法和竞争学习相结合的新型进化优化算法。本文针对PBIL算法仍然存在的问题,将精英策略引入PBIL算法,提出了一种对当前种群最优解集和至今算法最优解同时进行学习的改进PBIL算法。通过对测试函数的实验表明,改进算法具有比标准PBIL算法更好的优化性能。