摘要：云控制系统(Cloud control system,CCS)是云计算与物理系统的融合,由于云计算中资源是动态的,因此云计算的加入使得云控制系统具有很大的不确定性.本文给出一种典型的云控制系统结构,通过将不确定性划分为云端不确定性和网络端不确定性,有效简化了云控制系统不确定特性分析和建模.针对典型的时延不确定性问题,将云控制系统时延划分为云端时延和网络端时延,进行了MapReduce模型下多计算节点云端时延分析,同时进行了云控制结构下网络端时延分析,两者结合实现了云控制系统的前向通道和反馈通道的时延建模.基于所建立的云控制系统时延模型,应用极点配置方法设计了云控制器算法,包括观测器的设计和控制律的设计,从而保证了闭环系统的稳定性.对本文设计的云控制器算法进行了仿真验证,结果表明考虑时延特性的控制器设计明显提升了云控制系统的控制性能.

摘要：针对网络控制系统数据包不确定的问题,分析了该特性对网络控制系统的影响以及目前的控制方法,设计了控制器节点由事件-时间驱动,传感器节点和执行器节点由时间驱动的分布式网络控制系统模型.在此基础上,根据预测控制中动态矩阵方法具有的简单实用的特点,提出了基于动态矩阵方法的时延控制和数据包丢失补偿策略.应用此策略进行了仿真,结果表明补偿后的系统输出与存在网络时延,但数据包按时到达的系统输出几乎一致,验证了该策略的有效性.

摘要：分析了长延时网络控制系统的3种情况:延时的变化范围小于一个采样周期;延时随机且有序;延时随机且无序.建立了相应的数学模型,并在此模型的基础上,设计了降维状态观测器和基于观测器的反馈控制律.仿真结果证明了该模型的有效性和控制律的可行性.

摘要：为避免直接重构系统状态过于苛刻的条件,提出了线性系统存在执行器故障时动态镇定和定点跟踪控制器重构设计方案.基于重构模块思想和故障掩蔽方法,导出了扩展虚拟执行器以获得静态和动态重构模块的统一描述,其中重构模块与标称控制器一起构成可重构控制器.从而实现了执行器故障情况下线性时不变系统的闭环稳定和跟踪性能恢复的重构目标.仿真表明:即使执行器故障重构闭环系统亦能镇定,并可达到稳态值恢复的跟踪重构目标.

摘要：根据网络控制系统的时延上界及对象模型,建立网络控制系统的整体模型,应用极点配置广义预测方法进行控制器的设计,以保证网络控制系统控制的有效性与稳定性.考虑到网络时延的随机性,基于神经网络建立网络时延误差的预测补偿模型,用时延误差预测值对输出预测值进行补偿,构成基于极点配置和误差补偿的网络控制系统预测控制算法.仿真结果表明,本文方法有较高精度,可快速收敛.

摘要：本文研究了线性采样系统传感器故障的H∞估计问题,提出了该问题有解的充分条件,并基于线性跳变系统的有界实引理,给出了传感器故障估计器的参数化设计方法.

摘要：X射线角分类机是压电石英晶体检测的重要设备,其旋转料台受摩擦力的影响而导致运行不平稳,影响了检测精度。建立了基于力矩电机的旋转料台数学模型,并对系统特性进行了详细分析;采用混合式模拟退火遗传算法HGSA确定了LuGre摩擦力稳态模型-Stribeck模型参数,进而设计了基于模型摩擦力补偿的复合控制器。试验结果表明,方法有效地克服了旋转料台受摩擦等干扰因素的影响,大大提高了运行的平稳性。

摘要：参数时变系统可以通过增广状态法转换成一种标准形式.本文应用极点配置设计法,设计了基于网络控制系统标准形式模型的控制规律和观测器,并证明了分离定理仍然成立.仿真研究表明该设计方法应用到网络控制系统的有效性.

摘要：为了给可重构系统控制律重构综合提供设计依据,研究了线性化系统的控制可重构性分析问题.面向控制系统定义了5个重构目标:稳定目标、定点恢复弱目标、轨迹恢复强目标、状态恢复直接目标和故障隐蔽目标.根据控制要求的强度,通过故障隐蔽目标,依次给出了线性闭环控制系统的稳定、弱重构、强重构和直接重构目标的可重构性条件.稳定(镇定)目标的重构条件主要从能控能观结构特性方面考虑,其它几个目标则以秩条件的形式给出.以一个线性MIMO系统的例子来分析可重构性,验证了已得到的重构条件的正确性.

摘要：为了实现全自动X射线角分类机测量的高速度与高精度,介绍了一种基于DSP的高速数据采集器的构成及技术实现,包括X射线衍射信号调理,数据高速采集处理以及USB高速通信三部分,信号调理板对X光衍射信号进行放大和滤波处理,DSP主板负责对调理后的模拟信号进行高速数据采集和处理,对光电编码器信号进行采集,以及将采集数据通过USB接口实时传输给上位计算机。设计了数据采集器软件,在DSP主板中嵌入了离散FIR算法对采集数据进行数字滤波,提高了整个系统的测量精度。实验测试结果表明,该高速数据采集器结构灵活,性价比高,抗干扰能力强,数据采集、处理与通信能力等各项指标均已达到了设计时的要求,具有广泛的实用性。