融合GPC和QFT对不确定性系统的鲁棒控制

针对广义预测控制(GPC)与定量反馈理论(QFT)的特点,提出了把两种算法融合的鲁棒控制算法。该方法是在对QFT进行修改的基础上,采用双回路控制。内回路采用QFT控制器实现对系统不确定性的控制;外回路采用GPC控制器,实现对系统的各种性能要求并且提高鲁棒性。该方法可以充分利用两种控制理论的优点。最后的仿真结果显示,融合的算法比单独采用其中的任何一种控制算法所取得的控制效果都好。     

基于扩张状态观测器的磁通切换永磁电机的无传感器控制

将线性自抗扰控制应用于磁通切换永磁电机（FSPMM）的无速度传感器控制中,采用线性扩张状态观测器（LESO）构造FSPMM的转速观测器,实现对转速准确而快速的实时估计;设计线性自抗扰控制器（LADRC）作为转速环调节器,系统的鲁棒性被提高了.仿真结果验证了所设计的基于LESO的无传感器LADRC控制策略能够使FSPMM可靠稳定运行,LESO提升了系统的观测精度和响应速度,克服了滑模观测器（SMO）带来的高频抖振和滞后现象;与基于SMO的无传感器PI控制策略相比,所提的控制策略在负载扰动和参数摄动时具有更强的鲁棒性.     

基于转速反馈的动力翼伞纵向串级控制

为提高动力翼伞纵向跟踪效果,并针对现有模型及控制方法的局限性,着眼于实际飞行试验,提出一种基于转速反馈调节的串级自抗扰控制策略.首先在动力翼伞纵向模型的基础上,改进引入无刷直流电机模型,并利用转速测量装置实时更新电机转速信息,应用最小二乘法拟合电机转速与螺旋桨静推力的非线性关系.设计纵向轨迹控制器,内环实现对电机转速的...     

二阶非线性系统自抗扰控制的全局渐近稳定性

自抗扰技术应用已十分广泛,但其稳定性和收敛性分析仍是一个核心问题.因此,基于二阶非线性动态系统,设计了线性自抗扰控制器,并利用李雅普诺夫函数方法,通过理论分析和数学证明得到了系统大范围渐近稳定时的控制参数可行域.当被控对象的动态模型已知时,只要系统总扰动的导数满足利普希茨条件,控制参数可以从得到的可行域内任意选择.当被控对象的动态模型未知时,还需满足总扰动关于输入和外扰的二阶导数等于零这个条件.然后针对不同的利普希茨常数绘制了参数可行域,并对系统进行了数值仿真,体现了自抗扰控制技术的强鲁棒性.这些分析都建立在扩张状态观测器和控制器相结合的基础上.     

基于自适应神经模糊推理系统的船舶航向自抗扰控制

在实际的船舶航向控制中,航向系统在受到外界风浪干扰时表现出的模型非线性和参数不确定性,为航向控制器的设计带来了困难。针对该问题,设计了常规的线性自抗扰控制器和两种在线学习的自抗扰控制器。利用自适应神经模糊推理系统(ANFIS)实现自抗扰控制器参数的在线调整,设计了自适应PD的自抗扰控制器和自适应扩张状态观测器(ESO)的自抗扰控制器;分别在船舶受到外界扰动和参数摄动的两种情况下进行了仿真,仿真表明自适应自抗扰控制器控制效果更好,抗扰能力更强,表现出较强的鲁棒性。     

一阶惯性大时滞系统Smith预估自抗扰控制

大时滞系统是工业过程控制中的典型难题,将先进控制方法应用于大时滞系统时需要与传统的Smith预估器相结合才能获得理想的控制效果。针对一阶惯性大时滞系统,研究了Smith预估器与线性自抗扰控制技术相结合的设计问题,分析了系统的稳定条件和参数摄动问题。证明了当被控对象参数与Smith预估器参数相同时,闭环控制系统稳定的结论,同时推导了参数不同时控制系统稳定的一个充分条件。另外基于数值仿真,从暂态性能、稳定裕度和抗扰能力三方面分析了系统参数和控制参数摄动的影响作用,这些结果可用于Smith预估器和线性自抗扰控制器参数的整定。     

基于P2P网络技术的视频直播系统的实现与测试

对常见的几种P2P组网模式进行了研究和分析,设计并实现了一个基于P2P技术的网络视频直播原型系统,对其主要性能指标进行了测试.     

基于混沌的视频压缩与加密方法研究

针对多媒体流的压缩与加密技术,分析了很多算法在安全性和实时性上存在的缺点。对现有多种代表算法做出了比较,将一些算法的优点与混沌伪随机序列发生方法相结合,提出了一种适于软件实现的安全性高、速度快的加密方法,并分别针对MPEG2视频压缩算法和基于小波变换的视频压缩算法的特性进行加密处理。实验结果表明,MPEG2混沌加密算法可实现实时处理,基于小波变换的混沌加密算法能达到较高压缩比。     

自动带焊（TAB）技术的特点及应用

自动带焊（ＴＡＢ）技术的特点及应用天津理工学院半导体技术研究室孙青林，赵刚，赵英一、引言自动带焊ＴＡＢ技术最早出现于６０年代末，初期主要应用于ＩＣ生产过程中从管芯片到封装的一个中间步骤「１］，随着自动焊线机的广泛应用，该技术曾一度被搁置。然而随着表面...     

新型混沌粒子群算法在PCB电路检测中应用

传统的粒子群优化算法(PSO)基于粒子的搜索向最优方向逼近,在解决复杂的多峰函数的优化问题时容易陷入局部极值点,得不到正确的优化结果.为此研究能够优化多峰函数的新型粒子群优化算法.将混沌的概念和子种群的概念引入粒子群优化算法,从而形成一种新型的基于子种群的混沌粒子群优化算法,用以解决多峰值优化问题.这种新型的优化算法应用于PCB电路板的模块匹配问题,通过实验研究验证了它的有效性.算法能够识别并准确找到电阻元件,并检测出焊错的原件.该优化方法适用于过程优化、模式识别、图像检测等复杂的工程优化问题.