【摘 要】
:
在现实系统中,因为受部件影响,执行器总是伴随着死区特性。在生产过程中,执行器的参数也随着工作条件和环境的变化而变化。另外,参数随时间的变化会导致控制系统失衡,严重限制了系统的性能。再者,许多研究并没有考虑实际系统的切换特性。主要原因如下:在切换系统中,有许多不同的切换规则。在一定的保守条件下,没有统一的切换规则来稳定系统,使得系统的稳定性分析非常复杂。其次,由于执行器死区参数的跳变,系统的稳定性不
论文部分内容阅读
在现实系统中,因为受部件影响,执行器总是伴随着死区特性。在生产过程中,执行器的参数也随着工作条件和环境的变化而变化。另外,参数随时间的变化会导致控制系统失衡,严重限制了系统的性能。再者,许多研究并没有考虑实际系统的切换特性。主要原因如下:在切换系统中,有许多不同的切换规则。在一定的保守条件下,没有统一的切换规则来稳定系统,使得系统的稳定性分析非常复杂。其次,由于执行器死区参数的跳变,系统的稳定性不能用李雅普诺夫函数来分析;现有自适应控制方案的设计包括基于李雅普诺夫分析的控制器设计和参数自适应律设计。然而李雅普诺夫函数并不可导,导致无法通过该方法进行控制器等的设计。因此,本课题的目标是实现带有死区特性的切换非线性系统的跟踪控制。为了解决这些问题,研究了具有执行器死区的非线性系统的自适应跟踪控制。本文的主要工作包括以下几个方面:(ⅰ)对于含不确定死区的非线性切换系统,调查了一种控制方案。模糊逻辑系统被用来近似未知函数。为了估计不可预测状态,构造了切换模糊状态观测器。为了保证闭环系统的边界和理想的跟踪性能,采用了多李雅普诺夫函数和方法,得出了一种模糊控制器。(ⅱ)研究针对输入死区未知、控制增益非恒定及非对称全状态约束条件下切换系统的自适应跟踪控制问题。针对未知非常数控制增益函数存在的未知输入死区非线性问题,利用模糊逻辑系统,使用了一种光滑死区逆算法。对于存在未知死区和全状态约束的切换系统,可知,基于障碍李雅普诺夫函数的控制器是不容易构造的。此外,所提出的控制器不仅可以防止所有约束状态的违反,并能保持闭环系统的有界性。(ⅲ)不确定死区补偿在切换系统的自适应模糊固定时间控制中具有重要的理论和实践意义。由于复杂的切换框架和死区输入的存在,得出固定时间控制器是不容易的,目前还没有关于这一问题的报道。利用一种功率积分器方法和模糊死区模型,针对上述问题,提出了一种模糊定时控制器。保证闭环系统在固定时间内是稳定性的。
其他文献
为了解决交通拥堵和交通污染,大容量、高效、准时、安全的城市轨道交通(地铁,轻轨,有轨电车)已成为城市交通发展的最终解决方案。手动检查存在一系列重大问题,在地铁检查行业中,需要更多基于技术的便携式和小型检查设备。因此,本文设计了基于无人机采集图像的轨道缺陷检测系统,主要工作如下:在课题准备阶段,本文首先查询了当下四种主流的轨道缺陷主要检测方案;研究了现在普遍使用的地铁检测方案,深入地铁巡检一线了解现
出租车作为公共交通系统的重要补充,在改善出行服务,提升道路运力方面发挥着较为重要的作用。在实际生活中,由于人群活动复杂多样且各区域人口分布不均,这导致人群的出行需求在时间和空间分布上具有较强的随机性和波动性。出租车因无法及时感知人群出行需求,常常引起客运服务的区域性供需矛盾。如何合理分配城市中车辆运力资源,实现客运服务按需供给成为近年来研究的热点。针对人群出行的特点,本文提出一种基于组合神经网络的
随着工业智能化的不断推进和换向器产能需求的不断提高,过去非常低效率的人工检测传统方法和存在各种局限性的传统数字特征处理检测方法将逐步退出工业缺陷检测界的主要舞台。近些年来,卷积神经网络经过长足的发展,分类、检测、分割的各个领域上都有了突破性进展。越来越多的神经网络框架被应用到各类物品的表面缺陷检测任务中。应用在表面缺陷检测的目标检测框架常常可以划分为一阶检测器和二阶检测器。二阶检测器中经典的网络框
由于在划分无标签且含有缺失实例的多视图数据上具备优势,不完整多视图聚类吸引了越来越多的研究关注。虽然已取得很大进展,大多现有不完整多视图聚类方法仍存在至少一个以下缺陷:(1)无法同时开发数据样本之间跨视图的共同关系及原始数据特征表示的互补多视图信息;(2)忽略视图之间高阶的相互关系;(3)只能处理诸如只有两个视图等特殊视图不完整情况。针对这些问题,本文主要开展了以下两方面研究:(1)为了同时挖掘数
互联网给用户带来丰富资源和便捷服务的同时,因其开放性和匿名性,也成为网络攻击的平台。在众多网络安全问题中,恶意网页扮演重要角色。如何实现对恶意网页的精准快速识别,已经成为一项迫切且具有挑战性的工作。目前,识别方法大致分为四类:基于黑名单技术的检测手段、基于启发式规则的检测方法、基于机器学习的检测方法以及基于蜜罐技术的检测手段。但已有方法都有各自的局限性,必须面向恶意网页检测手段进行更深层分析与探讨
随着信息技术的不断发展,网络安全问题层出不穷,网络攻击的方式也变得复杂多样。入侵检测系统具有主动防御的功能,能够对网络流量进行持续监控,提升了系统的安全性。近年来,随着机器学习技术的普及和计算力的大幅提升,大量基于机器学习的技术被应用于网络入侵检测领域,相较于传统的网络安全防御手段,更能适用于当今网络攻击复杂多样化的环境。但在大量的网络数据中入侵行为只占少数,数据分布不均衡,而且原始网络流量存在大
随着大数据时代的到来,图像数据的采集变得越来越简便与多样化。在现实应用场景中,由于采集设备、拍摄角度、目标物遮挡等外部条件是动态变化的,因此采集到的图像数据即使表示的是同一类目标,数据分布也几乎都是不一致的。大多数现有的机器学习算法是基于训练数据和测试数据分布相同的假设进行训练和测试,并不适用于处理在复杂的现实环境采集到的图像数据。作为迁移学习方法的具体应用,交叉领域识别可以有效解决上述问题。交叉
我国通信业正逐步加强网络建设,积极推进网络强国战略,为了落实提速降费,研究网络运维中基站维护是具有重大意义的。截止2019年底,国内部署的通信基站总数量已经超过800万,电信业务收入超过1.31万亿元。本文在分析国内外大量相关文献的基础上,着重展开网络运维中基站维护领域的“现场作业综合调度”优化问题的研究,希望可以提高通信基站的运营维护效率,降低通信基站的维护成本,从而降低通讯资费。通过分析基站维
比特币作为虚拟货币被人们所重视,而区块链作为比特币的底层技术被受到大量人员的关注和研究,凭借数据安全透明、防篡改、点对点传输、去中心化、可溯源等特点,区块链的应用开始层出不穷。区块链的本质也是一种分布式数据库,分布式数据库首先要解决的是多节点如何保证一致性和如何达成共识等问题。共识机制是区块链的灵魂,也是目前的研究热点之一,针对区块链项目应用场景和算法的性能要求的不同,接连出现了众多的共识机制,区
2020年由于新冠疫情的影响,人们避免面对面接触式的购物,这使得自动蔬菜机、自动饮料机等等自动无人售货机更加受到市场青睐。自动售货机市场也迎来了发展的又一次高峰。传统自动售货系统在支付方式、对售货机的状态监控方式等等方面已经落后,对于自动售货机的补货频率和区域补货人员配比问题已经成为行业的难点,该问题直接影响了商家的盈利能力,为解决该问题有必要建立销售量预测模型,根据该模型预测结果提前设计补货频率