基于随机通信逻辑的网络控制器设计

设计具有带宽约束的网络控制器,采用带时倚强度的泊松过程形成随机通信逻辑调度策略,实现系统状态的有限次更新,根据其马尔科夫跳变本质,基于更新时刻特性,协同设计控制器。仿真结果表明,引入随机通信逻辑能减少状态更新的次数,降低网络带宽对控制性能的影响,提高系统的动态性能。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

基于收缩理论的一类非线性系统自适应动态面控制

针对一类不确定非线性参数严反馈系统,提出基于收缩理论的自适应动态面控制方法.动态面控制器设计保证了各子系统关于状态误差部分收缩;对不确定参数构造收缩自适应律,并利用收缩下的奇异摄动分析降阶处理子系统,确保降阶前后状态误差间的偏差及滤波误差有界;通过分层子系统的收缩鲁棒性分析,证明了原闭环系统状态半全局收敛到以期望轨迹为中心的球域内,保证了跟踪误差及自适应估计有界.刚性机械臂系统仿真验证了所提出方法的有效性.     

基于DSP的交流感应电动机直接转矩控制系统

介绍了基于DSP的交流感应电动机直接转矩控制系统的硬件结构和软件设计，电压空间矢量的选择方法和故障诊断原理，并对系统的仿真结果和实验结果进行了分析。由于采用了高集成度的智能功率模块IPM作为逆变器，使得控制系统的体积大大缩小。本系统具有动态响应快、调速范围宽、可靠性高等特点。     

基于预测控制的高超声速飞行器容错控制器设计

针对存在升降舵面偏转角卡死故障的高超声速飞行器,提出一种基于预测控制的容错控制器设计方法.利用输入输出反馈线性化,对高超声速飞行器纵向模型进行变换;对于速度和高度的高阶导数以及故障项,设计扩张状态观测器在线观测;采用泰勒展开得到预测模型,建立连续预测控制器,分析证明闭环控制系统的稳定性和观测误差的有界性.仿真结果验证了所提方法的有效性.     

基于MobileNet的多目标跟踪深度学习算法

针对深度学习算法在多目标跟踪中的实时性问题,提出一种基于MobileNet的多目标跟踪算法.借助于MobileNet深度可分离卷积能够对深度网络模型进行压缩的原理,将YOLOv3主干网络替换为MobileNet,通过将标准卷积分解为深度卷积和逐点卷积,保留多尺度预测部分,以有效减少参数量.对于检测得到的边框信息,利用Deep-SORT算法进行跟踪.实验结果表明,所提出方法在跟踪效果基本不变的情况下可提升处理速度近50%.     

基于动态面的高超声速飞行器模糊自适应非线性控制

针对高超声速飞行器模型非线性、多变量和参数不确定特性, 并考虑控制增益变化可能导致控制奇异值问 题, 提出一种基于动态面的模糊自适应非线性控制方法. 根据动态面和动态逆策略, 分别设计了高度和速度跟踪控制 器. 利用模糊自适应方法在线逼近不确定函数项, 并采用Nussbaum 增益技术抑制虚拟控制增益不确定影响, 以减少 在线学习量, 保证系统的半全局一致最终有界性. 仿真结果表明, 所提出的方法可实现飞行器对高度和速度的准确跟 踪控制.

     

基于模糊多目标的高超声速飞行器再入轨迹设计

针对多约束条件下的高超声速飞行器再入轨迹的优化问题,考虑多个具有不同重要性等级的优化指标,提出基于模糊多目标的轨迹设计方法.首先,利用直接配点法,将最优控制问题转化为带优先级的非线性多目标规划问题;然后,基于模糊满意优化的思想,根据更重要目标具有更高满意度的原则,将优先级表示为满意度序,并设计两步式优化模型.通过调节参数,能获得同时满足优化和重要性等级要求的最优轨迹.仿真结果表明了所提出方法的有效性.     

非线性系统有输入饱和时基于平方和的鲁棒模型预测控制器

本文针对带有参数不确定和输入饱和的单输入单输出(SISO)仿射非线性系统,利用反馈线性化,将非线性系统转化为带有扰动和状态依赖输入饱和的多胞线性参变(LPV)模型,进而提出一种基于平方和(SOS)的鲁棒模型预测控制器(RMPC)设计方法.基于多胞RMPC控制器,设计加权状态反馈控制律,通过引入范数有界定理,确保扰动下预测状态收敛到不变集内,并利用勒让德多项式近似和SOS技术,将状态依赖输入饱和约束转化为多项式凸优化问题,以获得实际和辅助状态反馈律,所设计的SOS-RMPC控制器能够保证闭环系统的稳定性.通过与常规多胞RMPC控制器的仿真比较,验证了本方法的有效性,并进一步仿真分析了勒让德多项式阶次对控制器性能的影响.