基于滑模控制的冠状动脉系统混沌抑制方法研究

来源 :华北电力大学(北京) | 被引量 : 0次 | 上传用户:sbtlan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
混沌现象指在确定性系统中存在的不规则运动。它通常表现为系统运动的不确定性、不可重复性和不可预测性。在医学上,冠状动脉系统是最具代表性的混沌系统之一。冠状动脉系统的混沌现象会导致严重的并发症,严重的将威胁到人类的生命。本文首先针对冠状动脉系统的生物数学模型从状态响应、相轨迹、分岔图、信息熵和数值方差多个方面论证了系统处于混沌区域时集总参数所在范围,直观地展现了系统的混沌行为。在此基础上确定了一组具有代表性的混沌区域集总参数,并以此作为控制模型参数。根据冠状动脉系统的非线性动力学特性,本文采用自适应增益超螺旋滑模方法设计混沌同步控制器。该方法可以在有限的时间内实现冠状动脉响应系统和驱动系统的几乎零误差跟踪,即实现病变系统对健康系统的跟踪。对于系统中存在的非匹配不确定性,在超螺旋滑模算法的基础上,分别利用非线性扰动观测器和极限学习机对其进行补偿优化。借助李雅普诺夫稳定性理论对设计的闭环系统分别进行稳定性分析,证明了各系统均可以在有限时间内达到稳定。使用MATLAB&simulink进行仿真,通过对比分析,证明所设计的控制器在存在不确定干扰情况下具有良好的鲁棒性,对未知参数具有良好的适应性。
其他文献
几十年来,基于布里渊光纤散射的分布式应变和温度传感技术,已经引起了广泛的关注。迄今为止,已经采取了多种方法来获取有关布里渊增益谱(BGS)分布的信息,从中可以得出应变或温度变化的幅度和位置。其中的布里渊光学时域分析(BOTDA)性能甚至达到了亚厘米级的空间分辨率。但是,实用的BOTDA分布式应变和温度传感技术存在测量时间长,温度与应变同时测量互相干扰,现场测试时需要的准备工作繁琐复杂等不足。论文比
木片作为一种常见的生物质燃料,广泛应用于工业生产和日常生活中。木片的水分含量会影响燃烧效率,与安全性和经济性息息相关,因此对木片水分的测量很有必要。电容法因其结构简单,成本低等优点,被广泛应用于各种工业生产中。但是电容法测量木片水分易受到木片种类、环境温度和容积密度等因素的影响。本文采用了一种螺旋式的电容传感器进行木片水分含量的测量。与平行式电容传感器相比,这一结构的传感器灵敏度分布更均匀,可以提
学位
智能电网己成为未来电力系统的发展趋势,由于楼宇负荷在电力系统中占有较大的比重,同时具有较强的可调度能力,所以楼宇能量管理是电力系统需求侧能量管理的主要实施对象之一。本文以智能楼宇群为研究对象,为了使其更好地适应服务于电力系统需求侧能量管理,在以不损害智能楼宇用户舒适度的前提下,楼宇能量管理系统通过对用电负荷进行调度从而削减负荷峰值并降低用户用电成本。本文以智能楼宇群用户的能量优化为核心,研究了智能
当今许多Web服务提供商都将其业务服务发布在云端,这导致了大量的且功能相似的Web服务数量呈井喷式增长,使Web服务发现愈发具有挑战性。在现有的这些服务注册中心中,Web服务通常用Web服务描述语言或简单的自然语言文本描述。如何准确、高效的检索到符合用户需求的Web服务已经成为当前研究的热点问题。对具有相似功能的Web服务进行分类是促进Web服务发现的有效途径。早期的服务分类方法大多是基于传统的机
重型燃气轮机控制系统是燃气轮机的核心组成部分,随着重型燃气轮机技术的发展,控制系统的结构和功能越来越复杂,控制过程中的某一部分发生问题,会造成整个系统控制性能降级,甚至可能导致系统整体故障。此外,控制系统数据传输中存在丢包、时滞等问题,这些问题可能导致网络通道拥塞甚至瘫痪。同时,由于燃气轮机控制系统数据传输网络的开放性,可能遭受网络攻击的威胁,影响燃气轮机系统性能。基于上述考虑,本文展开如下研究:
与常见的面部表情不同,微表情是一种微妙的、不自觉的面部表情。常见的面部表情有时具有欺骗性,微表情却能反映一个人内心的真实情感。微表情由于持续时间短、强度低,很难被正确的理解和解释,所以微表情的准确识别是一个巨大的挑战。微表情识别是一个新兴的研究领域,目前正处于发展的早期阶段。我们提出了一种关注微表情峰值帧附近光流信息的3D-Apexflow微表情识别算法。首先,我们从每个微表情视频序列中获得峰值帧
随着社会信息化的不断发展和国家对生产安全的高度重视,煤矿企业建设了许多数字化系统确保煤矿的安全开采,然而这些系统前期并没有统一规划,都是自成一体,系统之间无法进行信息共享,形成了许多“信息孤岛”。随着第五代通信技术和大数据以及人工智能等现代信息技术的应用和发展,人类社会正在向智能化转型,煤矿开采也在朝着智能化方向发展,智慧矿山的建设是一个重要的标志。煤矿数字化系统在运行过程中产生了海量的数据,传统
舰船检测与识别是实现海上安全的基础与前提,可以为国家提供强有力的保障和支持。由于传统的舰船检测与识别需要大量的人工判读,且难以保证舰船识别的准确性与可靠性,因此,需要引进新的技术与方法,在保证舰船识别高效性的同时,减少人力的消耗。随着大数据时代的到来,深度学习在图像上的发展为舰船检测与识别提供了新的技术。本文主要从图像技术的角度出发,分别设计了基于混沌鲸鱼优化算法的非极大值抑制的舰船检测模型和基于
随着多媒体信息处理技术的蓬勃发展,多媒体信息的处理应用在人们的生活中变得越来越广泛。数字图像作为多媒体信息的一种重要形式,与其相关的研究处理在生活中的很多领域里都占据了重要地位。图像分类属于数字图像处理中的基础研究内容,具有很重要的研究价值,很多相关研究都是在图像分类的基础上展开,比如目标检测、图像分割、目标识别等。卷积神经网络模型作为近年来数字图像处理中研究最多的图像处理方法,相比传统分类方法,