基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

一类线性不确定切换系统的鲁棒镇定

考虑一类标称系统存在统一Lyapunov函数的线性不确定切换系统的鲁棒镇定问题,在不确定项满足一定限定条件下,利用完备性条件和统一Lyapunov函数方法,设计出鲁棒状态反馈控制器,使闭环系统仍然具有统一Lyapunov函数,从而在任意的切换策略下,确保闭环系统在其平衡点处是渐近稳定的. 仿真结果表明所设计的控制器是有效的.     

基于KAUTZ模型的预测函数控制及其稳定条件

对模型未知的系统采用Kautz函数逼近得到系统的近似模型.基于所得到的Kautz模型设计了一种预测函数控制器.对该算法进行了稳定性分析,依据Lyapunov稳定性定理得到了保证闭环控制系统稳定的充分条件.仿真实验证明,该算法能够准确逼近真实系统模型,实现自适应控制,得到满意的控制效果.     

多模型自适应控制算法的性能分析

多模型自适应控制利用多个元素模型覆盖被控对象的不确定性,并针对这多个元素模型建立多个稳定的控制器。每一个采样时刻,基于一个以模型输出误差为变量的具有积分特点的指标切换函数,选择描述被控对象最优的元素模型,并将基于此模型的控制器切换为当前被控对象的控制器。研究如何调整多模型自适应控制器的结构和参数,提高控制品质,为多模型自适应控制器的应用和进一步研究提供理论基础。     

基于PCA-OS-ELM的大气PM2.5浓度预测

为了提高细颗粒物PM_2.5浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合（PCA-OS-ELM）的PM_2.5浓度预测方法. 首先,通过主成分分析方法（PCA）提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机（OS-ELM）网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM_2.5浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM_2.5浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值.      

偏心轮六足机器人爬坡稳定性分析

研究了一种偏心轮构造的六足机器人，介绍了其基本的机械结构，并使用稳定锥方法对其建立了爬坡时的运动模型以及力学约束.设计了一种呈波浪形式的爬坡步态，对这种运动模式下的机器人最易倾翻的姿态进行了分析，结合其机械结构特征，使用稳定锥方法验证了机器人运行的稳定性，求出了机器人爬坡时的坡度临界角，并进行了仿真和实物实验验证.在采用此机械结构以及使用相应的爬坡步态的情况下，机器人能够有较好的爬坡表现，实验环境中测得机器人稳定爬坡角度最大可至33°左右.      

它山之石,可以攻玉——欧盟发展中小企业政策给我们的启示

2000年5月,中国与欧盟就中国加入世贸组织最终达成协议,这意味着中国与欧盟在入关上已达成了一致共识。加入WTO后,中国中小企业面临着生存与发展、竞争与合作、分工与协作等方面的新形势,因此我们有必要了解欧盟对中小企业发展采取的政策措施,研究欧盟重视中小企业的做法,并从中吸取精华,使我国中小企业进入WTO后能够进一步持续快速健康发展。     

模糊C均值聚类算法在高炉料面分类中的应用

通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性.     

连续搅拌釜的模糊多模型自适应控制

多模型控制器是解决复杂非线性系统的控制问题的一个十分有效又易于实现的方法.针对化工过程连续搅拌釜的数学模型,在不同的工作点设计多个线性模型逼近被控对象的动态特性.并在此基础上,基于模糊控制器的设计原理,设计模糊多模型控制器,并对控制器的性能进行分析.仿真研究表明,此模糊多模型控制器作用于连续搅拌釜这个复杂的非线性被控对象,能够使系统的输出很好跟踪设定值.     

动态噪声特性未知系统的多模型自适应卡尔曼滤波

针对常规自适应卡尔曼滤波器存在过渡过程差的问题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应卡尔曼滤波器相比,多模型自适应卡尔曼滤波器可以在保持原有自适应滤波器性能的基础上极大地改善瞬态响应.