离散时滞切换系统异步混合H∞和无源跟踪控制

研究一类离散时滞切换系统基于异步切换下的混合H∞和无源模型参考跟踪控制问题。采用多Lyapunov函数理论并利用平均驻留时间方法,得到以线性矩阵不等式(LMIs)表示的时滞切换系统异步切换下指数稳定且具有混合H∞和无源模型参考跟踪性能的充分条件。最后,以仿真例验证所提出方法的正确性和有效性。     

可调谐固体激光晶体

1.目的意义激光的作用已被人们认识,近年来在科研,国防,经济建设中发挥出越来越大的作用,但是目前的激光器大都单一波段,染料激光器的可调谐给固体材料一个有力启发,因为固体材料寿命长、体积小、功率高,远胜于有机染料.若固体实现可调谐,不仅可以代替庞大的染料激光器,而且将会在各方面发挥更大作用,如分离同位素、核聚变、光谱学研究以及在医疗和工农业上的应用等等。     

激光晶体YAG:Er中的浓度效应

本文讨论了激光晶体YAG:Er中Er~(3+)浓度效应所引起的晶体结构畸变,Er~(3+)离子高激发态(~4S_(3/2),~4F_(9/2)和~2H_(11/2)能级)的发光与浓度猝灭,~4I_(11/2)→I_(13/2)自饱和跃迁和激光波长红移的变化规律。     

考虑负荷损失的电网网架结构评价体系研究

电力用户为了保护生产设备的用电安全,配置了大量的低压脱扣装置,在电网发生电压暂降时,低压脱扣装置可能发生动作,导致电网大量负荷损失,严重威胁供电可靠性。针对此问题,本文提出了考虑负荷损失的电网网架结构评价体系。首先,根据电网内母线和线路发生的4种短路故障建立各类型电压暂降矩阵;其次,依据低压脱扣装置的整定值,变换电压暂降矩阵的元素,得到能反映电压暂降范围和程度的凹陷域矩阵和反映电压暂降对电网负荷影响程度的负荷矩阵;然后,通过对凹陷域矩阵和负荷矩阵内行列信息的处理得到暂降频次等指标,建立电网网架结构评价体系;最后,结合实际案例验证了所提评价体系能够从供电端和受电端两个角度评价电网的网架结构并准确描述电网中发生短路故障后的电压暂降水平和负荷损失情况,并通过对比网架结构调整前后电网网架结构评价体系指标,能够验证网架结构调整方案的有效性。     

常用投影大地线的高效展绘及Mathematica实现

针对大地线方程的复杂性及高效展绘难以实现的问题,以第三扁率n 改化大地问题正反解的计算公式,根据法截线方位角与大地方位角的数学关系提高大地方位角计算精度,并提出了等间距内插的大地线展绘方法;利用Mathematica 建立了精度自适应控制模型,提高了等间距内插的效率和精度;利用Mathematica 强大的绘图功能实现了不同距离和应用场景下不同地图投影的大地线展绘,挖掘了大地线展绘的应用价值。实验结果表明：该方法在精度可控的条件下能实现对任意长度大地线的高效率展绘,不同地图投影的大地线展绘在不同的应用场景下具有独特的意义。     

国内智能化油气储运管网的发展与应用

智能化油气管网的构建是油气管道工程建设中的重要部分,文中阐述了智能化技术在油气管网建设施工中的应用。以实际工程为例,讲述大数据、物联网、无人机等新型科技手段在油气储运管网运行中的应用方式以及使用方法,达到满足油气储运管网安全、高效运行的需求,实现实时监控管网运行的目的。智慧管网的构建减少了国内油气田生产成本,提高油气田经济效益。     

基于ADS-B数据的跑道容量评估方法研究

基于历史数据构建容量包络曲线评估方法依赖样本数据和先验信息的准确性,导致评估结果鲁棒性较差,针对该评估方法的不足,提出基于广播式自动相关监视ADS-B(Automatic Dependent Surveillance-Broadcast)数据的跑道容量评估新方法。通过分析挖掘解码处理后的ADS-B数据信息,统计得到跑道小时抵港离港架次,应用K-S(Kolmogorov-Smirnov)检验对由ADS-B解析数据统计得到的样本数据进行假设检验,Box-Cox变换转换非正态数据,区间估计评估正态数据。以天津滨海国际机场为例,计算了抵港跑道容量、离港跑道容量以及双跑道容量,并将所提出的评估方法与基于包络曲线评估容量进行比较分析。发现基于包络曲线评估容量所得结果比参考容量值大5%至7.5%,而基于ADS-B数据的跑道容量评估新方法所得结果能准确涵盖参考容量值,评估结果更加准确可靠。结果表明:所提出的容量评估新方法可有效降低样本数据的差异对评估结果的影响,鲁棒性更好。通过与参考容量作比较,证实了基于ADS-B数据的跑道容量评估新方法可为空管人员进一步优化跑道容量提供参考依据。      

基于环境反馈机制的四足机器人运动技能学习

哺乳动物的运动学习机制已得到广泛研究,犬科动物可以根据环境反馈的引导性信息自主地学习运动技能,对其提供更为特定的训练引导可以加快其对相关任务的学习速度.受上述启发,在软演员-评论家算法(SAC)的基础上提出一种基于期望状态奖励引导的强化学习算法(DSG-SAC),利用环境中的状态反馈机制来引导四足机器人进行有效探索,可以提高四足机器人仿生步态学习效果,并提高训练效率.在该算法中,策略网络与评价网络先近似拟合期望状态观测与当前状态的误差,再经过当前状态的正反馈后输出评价函数与动作,使四足机器人朝着期望的方向动作.将所提出算法在四足机器人上进行验证,通过实验结果可知,所提出的算法能够完成四足机器人的仿生步态学习.进一步,设计消融实验来探讨超参数温度系数和折扣因子对算法的影响,实验结果表明,改进后的算法具有比单纯的SAC算法更加优越的性能.