摘要：提出一种分层拓扑结构作为机器人群体在动态期望区域内的编队队形,并在此基础上设计一种基于分层拓扑的群体编队及避障控制器,邻域内各层层间机器人之间的通信是双向的.多机器人通过虚拟领导者的引导向动态期望区域内运动,并在邻居个体间的局部交互下形成期望编队控制队形,机器人群体速度达到一致,个体间距离稳定,从而实现编队和避碰.控制器中形状调节力用于调整和保持机器人群体队形,解决编队中因可能出现局部极小值而导致某些机器人死锁的问题.仿真实验表明了该算法是有效性的.

摘要：交流电机无速度传感器矢量控制既保持了矢量控制的优良特性,又克服了速度传感器带来的不利影响,是实现低成本、高可靠性和高性能交流调速系统的有效途径。对以自适应观测器为基础的感应电机无速度传感器矢量控制系统进行研究,建立了感应电机转速自适应全阶磁链观测器模型,设计出以估算转速实现闭环控制的无速度传感器矢量控制系统,以TMS320F2810 DSP为控制核心进行了物理实验,并与基于电压电流混合模型的无速度矢量控制方案进行了比较,实验结果表明该控制系统性能良好,具有更高的稳速精度。

摘要：以所构建的综合考虑网络化控制系统时延和丢包问题的拟T-S模糊模型为基础,针对控制系统受噪声干扰的情况,设计相应的卡尔曼滤波器.详细给出模糊卡尔曼滤波器的设计步骤和递推算法,通过数字仿真实验,说明该滤波器具有很好的抑制噪声能力.

摘要：为提高伺服调速系统的控制准确性,在P控制器的基础上设计了滤波PI干扰观测器(DO-FPI),利用该干扰观测器控制伺服调速系统对输出转速进行准确的调控。首先,对伺服调速设备的控制过程进行分析,获取控制器的结构模型,明确控制回路进入稳态的条件。然后,通过设计滤波器和控制器,利用积分绝对误差(IAE)模型求取控制器参数,对输入干扰进行补偿。最后,利用P控制器设计了滤波PI干扰观测器,构造输入干扰量的传递函数,并求取该函数的参数,以实现对干扰量的控制,进而达到对输出转速的调节。借助Matlab/Simulink软件对所提方法的控制性能进行了验证,实验结果显示,所提方法对输出转速的控制过程较为准确、快速以及平稳,能够适应阶跃、正弦等多种激励信号的调速控制,说明所提方法具有较好的调速控制效果。

摘要：针对具有时变采样周期和时延的网络化控制系统(NCS)故障检测问题,通过矩阵Jordan变换,将时变采样周期与时延的不确定性转化为NCS系统结构参数的不确定性,建立离散时间凸多面体不确定系统模型。设计鲁棒故障检测滤波器(RFDF)作为残差发生器,将故障检测问题转化为RFDF的设计问题,通过线性矩阵不等式给出滤波器存在的充分条件。数值仿真结果表明,所设计的RFDF滤波器能较快复现故障信号,对外部干扰和不确定的采样周期及时延具有鲁棒性。

摘要：综合考虑网络化控制系统(NCS)出现时延和丢包问题,提出一种基于拟T-S模糊模型.以时延和丢包出现的概率作为隶属度,并根据丢包出现在系统中的不同环节,分别构造相应的系统模型,再利用线性矩阵不等式(LMI)方法证明系统的稳定性,并通过对一个二阶倒立摆系统的数值分析说明方法的可行性,从而为网络化控制系统的分析与设计提供了新方法.

摘要：改进型多特征脉冲轨道电路可以较完善地解决原有站内轨道电路"分路不良"问题。钢轨作为它的主要部件,分析其阻抗特性随不同频率信号的变化情况,对该电路电气特性的分析与优化设计具有重要意义。但是,已有的阻抗测试方法或系统只能对单点频率下的钢轨阻抗进行测量。针对该问题,在LabVIEW软件平台下,构建了一款基于专业声卡的轨道电路钢轨阻抗测量系统。该系统能够实现一定频带扫频下,各频点钢轨阻抗值的实时测量。采用多通道数据采集,具有测量精度高、频响范围宽等优点。将从硬件和软件的设计与实现等方面对系统结构及功能进行介绍,并通过测量实例说明该测量系统在阻抗测试方面的优势。

摘要：研究一种批次过程阶段划分方法.首先,将间歇过程数据按照批次方向展开成二维数据,某采样时刻到末采样时刻的数据构成对应于该时刻的数据段.然后对每一数据段进行主元分析,获得第一主元贡献率.最后,采用第一主元贡献率的变化来表征批次内部阶段的转变,对批次过程划分阶段.将该方法应用于青霉素仿真发酵过程,分段结果明显与实际菌体生长阶段一致.将该方法应用于实际的半导体生产过程数据中,分段结果验证了分段理论的有效性.

摘要：该文给出了一种基于证据理论的模糊阈值的报警器设计方法。设计模糊隶属度函数形式的模糊阈值,并将过程变量在线监测数据超过该阈值的程度转化为报警证据,利用证据更新规则融合多个时刻的报警证据,最终得出报警结果。与传统的基于绝对阈值的数据滤波方法相比,新方法可以显著降低误报率和漏报率,最后通过仿真算例说明了所提方法的有效性。

摘要：针对化工过程变量数据信息的非高斯分布特性,提出非正常高斯元域划分采样数据信息的方法进行数据的区域划分,从而克服了由于采样数据不服从单峰的高斯分布给过程故障诊断带来的干扰与误差。通过数据非正常高斯元域划分,使基于多变量统计数据驱动的故障诊断的准确性与可靠性得以提高。通过模拟田纳西-伊斯曼(Tennessee Eastman,TE)过程的仿真实验,验证了此方法的合理性与有效性。