水面舰船动力定位系统ESO输入饱和控制

为解决现实服役海洋环境下,模型参数未知的水面舰船动力定位系统的控制问题,考虑执行器输入有界、舰船运动状态信号难测量等工程因素的限制,提出一种动力定位的状态观测饱和控制算法。首先,对非线性扩张状态观测器(extended state observer, ESO)在含有未知饱和控制输入结构下的状态观测能力进行分析,在原有假设条件的基础上制定一条附加假设条件,并分析该观测系统的合理性。接下来,将非线性ESO的特例(即线性ESO)应用于对舰船运动状态变量的实时观测,设计自适应律对模型的阻尼项和执行器不确定增益进行在线估计,进而得到各个执行器可变螺距形式的控制输入,引入动态辅助系统处理执行器的输入饱和限制。仿真结果表明:相比于传统的动力定位系统控制策略,所提出的控制策略在保证高定位精度和合理收敛速度要求的同时,更符合工程实际。     

基于ESO的高空台发动机进气压力控制研究进展

 高空台航空发动机进气压力控制是保障发动机高空模拟试验有效性及可靠性的关键，而基于扩张状态观测器（extended etate observer，ESO）的进气压力控制方法研究，目的是改进控制品质，抑制未知干扰的影响，实现进气压力的快速稳定控制。通过梳理高空台发动机进气压力控制技术的发展现状，阐述了基于ESO的控制方法研究进展及相关问题，并就目前ESO的参数整定及改进设计进行分类总结，提出了基于扩张状态观测器的高空台发动机进气压力控制的未来发展策略和研究方向。     

常义积分、两种广义积分和无穷级数收敛注记

设m ,n是任意二自然数 ,则常义积分∫ba ｜f(x)｜mdx< ∞ ∫ba ｜f(x)｜ndx< ∞。对于这个等价关系 ,无界函数的广义积分∫ba｜f(x) ｜dx和无穷级数 ∑∞i=1｜ui｜各自保留了彼此相反的一半的性质 ,而无穷限广义积分完全否定了这些性质     

事件驱动的应用系统开发方法学

本文提出一种通用的规范技术用于详细描述进程、进程类、事件和消息。所述方法学基于已经扩展到高层次概念的Ｐｅｔｒｉ网,并注意到许多可供Ｐｅｔｒｉ网使用的形式化分析原理的适应性。这里将其用来扩充ＨＩＰＯ方法和ＮＳ方法,使仔们具有规范进程和事件消息的能力。     

马尔可夫链在爆破网路分析中的应用

将爆破网路中常见的一些典型形式化归成马尔可夫链的模型,给出了这些马尔可夫链的转移概率矩阵,并将跨越式网路化归成一种“推广的马尔可夫链”,对这种推广的马尔可夫链的任意ｍ步转移概率和ｍ步全转移概率提出了简炼的矩阵算法。     

建立状态方程的新方法：支路替代增广节点电压法

提出了一种建立状态方程的新方法：支路替代增广节点电压法。将Ｓ域常用的线性电路分析法改造成为时域状态方程的编写法,该方法不仅简便、易于编程,而且适用于一切线性和非线性电路。     

面向信息共享平台协同机制的通信模型及实现

对信息共享平台的结构、协同机制、运作过程等方面进行了分析,并在此基础上提出了一种基于扩充KQML的Agent通信模型,以医药研发为例实现信息共享平台运作的通信过程,最后提出了在协同机制中通信的调整策略.     

基于非线性观测器的导航过程仿真研究

为解决传统观测器使用范围受假设条件限制的问题,在观测器建立过程中,设计了一种参数投影关系,并加入到观测器中,在不受假设条件约束的条件下使其保持半全局稳定,同时估计过程更加直接,使得非线性条件下的参数估计过程较快收敛。仿真结果表明,非线性观测器的计算量要比乘性扩展卡尔曼滤波减少了近80%。试验结果表明,非线性观测器的估计精度与乘性扩展卡尔曼滤波相当,并且可以有效提高参数估计的实时性,节约了时间,提高了导航效率。     

两类变系数KdV方程的新精确孤波解

通过试探方法得到辅助常微分方程的一些新的孤波解.利用该方程及其解,采用改进的tanh函数展开法研究了第1类和第2类变系数KdV方程,获得了在一定条件下的若干新精确孤波解.该方法也适合求解其他变系数非线性偏微分方程的孤波解.     

Recurrent neural network for vehicle dead-reckoning

For vehicle integrated navigation systems, real-time estimating states of the dead reckoning （DR） unit is much more difficult than that of the other measuring sensors under indefinite noises and nonlinear characteristics. Compared with the well known, extended Kalman filter （EKF）, a recurrent neural network is proposed for the solution, which not only improves the location precision and the adaptive ability of resisting disturbances, but also avoids calculating the analytic derivation and Jacobian matrices of the nonlinear system model. To test the performances of the recurrent neural network, these two methods are used to estimate the state of the vehicle＇s DR navigation system. Simulation results show that the recurrent neural network is superior to the EKF and is a more ideal filtering method for vehicle DR navigation.