【摘 要】
：
针对基于Raptor30的微小型直升机悬停点附近水平线运动建模困难的问题，建立了基于回声状态网络的线运动黑盒模型，并与状态空间的角运动模型组合成一个4自由度的混合模型。利用遥控实验数据进行系统辨识，模型检验的结果表明，该模型基本能够预测该微小型直升机悬停点附近的运动趋势。该模型可以用于优化参数化控制器。闭环仿真进一步对模型进行了验证。
【机 构】
：
清华大学计算机科学与技术系智能技术与系统国家重点实验室,清华信息科学与技术国家实验室,北京100084
论文部分内容阅读
针对基于Raptor30的微小型直升机悬停点附近水平线运动建模困难的问题，建立了基于回声状态网络的线运动黑盒模型，并与状态空间的角运动模型组合成一个4自由度的混合模型。利用遥控实验数据进行系统辨识，模型检验的结果表明，该模型基本能够预测该微小型直升机悬停点附近的运动趋势。该模型可以用于优化参数化控制器。闭环仿真进一步对模型进行了验证。
其他文献
本文研究了带马氏跳变参数的大种群随机多自主体系统的分散博弈。各自主体通过指标耦合，其结构参数是时变的，由一列独立同分布的马氏链来刻画。运用平均场方法证明了存在可以用来逼近指标中的耦合项的确定性函数，给出了分散控制律；证明了当种群数目趋于无穷时，闭环系统是一致稳定的，并且分散控制律是Nash均衡意义下次最优的。
针对线性定常离散系统，首先运用双线性变换及其反变换，对基于LMIs方法的连续系统加性模型降阶问题进行了推广，并得到了离散系统下一个g-次最优降阶等价命题，另外，比较相关文献，不仅给出了更低的降阶模型系统误差上界，而且给出了误差下界，从而得到了该系统的一个误差下确界。最后，考虑到性能约束及计算过程中MATLAB-LMI实现问题，提出了一个可求解离散系统最优降阶模型的算法。
本文提出了一种基于前馈神经网络构造被控对象的非线性鲁棒控制器（NRC）参数整定方法。该方法借助神经网络的非线性映射特性，以ITAE值、阶跃响应上升时间及超调量为控制系统性能指标，通过Monte-Carlo实验验证了NRC控制器参数整定规律，并且分析了该控制器参数值对系统稳定性的影响。
MW级风力机已成为当今风力机的主流，该类风力机都采用变桨装置来控制功率输出。本文以电动变桨风力机为研究对象，分析桨叶在变桨过程中所受到的各种扰动对风机变桨的影响。针对桨叶的某一叶片截面，由于截面的重心、气动作用点和变桨轴所在点的不一致，桨叶变桨过程中，重力、离心力、升力等作用力会对变桨产生不容忽视的影响；这里详细介绍和分析了风机变桨中受到的各种扰动，并着重对其进行了MATLAB仿真。
针对复杂应用环境中网络新媒体服务系统的特点，提出一种事件驱动的动态服务组合策略及其在线优化算法，在保证各类业务Qos的同时，提高系统资源的利用率。通过定义不同类型的事件，驱动服务组合的动态调整，实现对各类业务Qos的保障和对业务需求变化的感知。构建基于半Markov切换空间控制过程的系统分析模型，利用模型的动态结构特点，提出一种结合性能势估计和策略迭代的在线优化算法。该算法不依赖系统参数信息，对环
针对单一视觉特征跟踪的局限性，本文提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法，该方法首先选择简单且具有互补性的色彩与纹理特征描述表示当前图像，然后在粒子滤波框架下，利用民主融合策略进行信息融合，民主融合策略能够根据信息在当前的跟踪环境的可靠性自适应调节各个特征信息的权重，发挥各个信息的优点，从而实现各特征信息间的自适应融合，增加描述目标观测的可靠性，从而提高目标观测模型的鲁棒性；另
本文从印刷电路板(PCB)的贴装顺序和元器件类型在不同贴片机上的分配方案出发，研究电子组装(SMT)生产线的负荷平衡优化问题，使得生产线完成元器件贴装的时间最小，从而提高生产效率。该问题具有流水线调度和一般分配问题的特性，据此建立了整数规划模型，模型考虑了PCB板在贴片机之间的传输特性和元器件类型的单机贴装约束。通过变量替换，将模型进行线性化。对小规模问题，可用线性规划求解器求解出问题的最优解。
变桨距风机其桨距角控制性能直接影响功率调节的效果。针对变桨距风力发电机组的桨距角控制，本文提出自适应模糊滑模控制策略。利用反馈线性化方法，结合自适应策略的模糊控制方法，设计滑模控制器，在被控对象数学模型未知的情况下，也可达到有效控制。仿真结果表明：自适应模糊滑模控制系统运行平稳，可有效的抑制风速扰动，具有良好的稳态和动态特性。
非线性滤波算法一直是个活跃的研究方向，本文从非线性系统的逼近出发，利用高斯-牛顿方法，详细推导了基于Kazakov线性化的迭代滤波算法。文中将该算法应用于机器人定位领域中的SLAM问题，并与uKF进行比较。仿真结果表明基于Kazakov线性化的迭代滤波算法性能要明显优于UKF算法。
针对高炉冶炼行程炉况故障分类边界的模糊性和故障模式之间存在交叉数据的诊断不确定性问题，提出了一种应用独立分量分析(ICA)和量子神经网络(QNN)相结合进行高炉炉况故障诊断的方法。首先，应用独立分量快速算法（FastICA）分离高炉故障时的状态信号以提取其状态特征向量。然后，利用量子神经网络对具有不确定性、模式之间存在交叉数据的故障有较好的模式识别功能来完成对高炉炉况故障的识别。试验结果表明，基于