摘要：在交直流混合微电网中,并联互联变流器(parallel bidirectional power converters,BPCs)可以实现大容量的功率传输,以满足新型电力系统在空间上的供需匹配。如何在占用更少资源的同时协调控制BPCs实现功率的比例共享,是交直流混合微电网中BPCs控制的研究难点。因此,该文设计了一种针对BPCs的事件触发改进一致性协调控制策略。以归一化下垂控制为基础,提出了改进的比例功率一致性算法,实现BPCs间高精度比例功率共享。在此之上,基于BPCs比例功率误差建立事件触发改进一致性算法,并预设触发函数的预判阈值,从而降低系统在稳定状态下的通信次数。最后进行仿真对比分析,结果表明该文提出的方法相比基本一致性算法通信量减少98.35%;同时,与现有控制策略相比,该文提出的方法有着更好的控制性能。

摘要：本文研究了一类带有混合时变时滞Lur’e网络的全局同步及其脉冲自适应控制问题.首先,为实现网络的全局指数同步并有效避免控制器连续控制,设计了一类基于事件触发的脉冲反馈控制器.同时,为获得最优控制强度,针对反馈控制输入设计了一种自适应更新定律并实现脉冲控制与反馈控制的动态平衡.其次,基于推广的比较原理以及参数变分策略,提出了该控制策略下的Lur’e网络实现全局指数同步的充分判定条件,并精确给出了指数同步的收敛速度.最后,通过相应的仿真算例来验证本文提出的控制方案和理论分析的正确性和有效性.

摘要：研究输出受限磁悬浮系统基于事件触发机制的有限时间稳定控制问题.借助具有时变阈值的有限时间触发策略和正切型障碍函数,设计一个新的事件触发控制器,不仅确保磁悬浮系统的悬浮气隙被限制在一个指定范围,其状态还在有限时间内收敛到原点.创新之处在于实现有输出约束和无输出约束控制设计与理论分析的统一,最后通过仿真表明控制策略的有效性.

摘要：无人机吊挂运输系统控制是近年无人机飞行控制方法与工程应用的热点研究之一.本文提出了一种基于事件触发队形优化的多四旋翼吊挂运输系统控制方法,在实现负载运输的同时,通过动态调整无人机集群队形降低无人机功耗.根据负载的期望受力,通过构建优化算法滚动求解四旋翼集群当前时刻下的最优队形,并利用事件触发机制降低优化问题求解计算量.进而,采用反步法设计协同飞行控制律,并通过李雅普诺夫方法证明了闭环系统的稳定性,以及有限时间内事件触发次数的有界性.最后,通过数值仿真验证了所提出控制方法的有效性.

摘要：针对动力学模型未知的多输入多输出非线性离散时间多智能体系统的随机时延问题,提出一种输入增益补偿策略,并针对其通讯受限问题,提出一种带有死区操作器的事件触发控制机制.首先,采用伪偏导技术沿时间轴方向,在智能体的每个工作点上建立一种紧格式动态线性化数据模型,并给出该数据模型的参数估计算法.在此数据模型的基础上结合符号图论,研究智能体之间的合作与竞争关系,设计一种事件触发的数据驱动双向编队控制算法.最后,通过李雅普诺夫稳定性理论、矩阵理论以及压缩映射原理论证所提出算法的收敛性,并通过仿真实验和实物实验进一步验证该算法的正确性与有效性.

摘要：针对目前研究较少考虑车辆混行造成的异质问题与时延问题,本文提出了一种具有时延的异质协作式自动驾驶车队事件触发控制方法 .首先,建立了考虑混行的异质车辆时延模型;其次,基于PID(proportional-integral-derivative)控制与模型预测控制(MPC),设计了不同模式下的事件触发控制器;然后,在城市和紧急情况下,对所提出的控制器进行了仿真分析;最后,基于Jetson Nano模型车进行了实车实验.仿真与实验结果表明,所提出的事件触发控制方法能够在不同情况下更好地权衡控制精度与计算速度间的矛盾.在带有通信时延的紧急情况下,仍能够保持较低的误差.

摘要：本文研究了网络攻击下一类控制方向未知的非线性信息物理系统(Cyber-Physical Systems,CPSs)的自适应输出反馈控制问题。通过引入合适的线性状态变换,将原系统转化为便于输出反馈控制设计的新系统。采用Nussbaum增益函数方法克服未知的控制系数和网络攻击所带来的设计困难。基于观测器状态和受攻击的测量输出信号,采用神经网络逼近方法,提出了一种新的事件触发自适应输出反馈控制策略。该控制策略不但大大降低数据的传输量,而且保证闭环系统是半全局一致最终有界的。另外,采用基于非线性滤波器的动态面控制方法可以克服反步法设计中惯有的“复杂性爆炸”问题。最后,通过机械手系统验证所提出控制方法的有效性和实用性。

摘要：为提升车辆的行驶平稳性和安全性,针对具有输入死区和饱和特性的汽车主动悬架系统,设计一种基于事件触发(Event Trigger,ET)和长短期记忆(Long Short-Term Memory,LSTM)神经网络的智能振动控制器。在构建四分之一车辆主动悬架模型基础上,提出一种高效的ET控制器,能够有效缓解通信紧张问题和避免控制器固有的芝诺现象,提高控制器的稳定性和可靠性。为了进一步增强控制器的智能性和自适应性引入了LSTM神经网络,利用径向基函数神经网络来模拟和生成不同条件下的响应数据实现LSTM神经网络的训练,以精确预测并补偿作动器的死区和饱和影响,进而使主动悬架系统的垂直加速度趋近于0 m/s^(2),从而极大地提升了乘坐舒适性。通过数值仿真验证所设计控制器的适用性和有效性。研究结果表明,所设计的控制器在多种工况下能够有效提高主动悬架系统的动态性能。

摘要：文章对二阶时滞非线性多智能体系统在固定有向拓扑下的领航跟随一致性问题进行研究.为节省系统的通信及计算资源,提出了一种基于事件触发机制的分布式一致性控制协议.通过给每个智能体设计相应的事件触发条件,从而有效减少了智能体间信息的更新频率.利用图论知识、矩阵理论以及Lyapunov稳定性理论给出多智能体系统达到领航跟随一致性的充分条件,并排除了系统的Zeno行为.最后由仿真结果验证了理论方案的可行性和有效性.

摘要：针对多神经网络系统在执行器攻击和外部随机干扰下的同步控制问题,对事件触发滑模控制方法进行研究。首先,设计了2种新的积分滑模函数,保证多神经网络系统在整个同步过程中的全局鲁棒性;其次,在事件触发机制的基础上,针对系统存在有界扰动和执行器攻击的问题,设计了分布式事件触发积分滑模控制器,在抑制干扰和攻击的同时实现了多神经网络的同步控制,并且节约了通信资源;再次,基于李雅普诺夫稳定性理论,给出了多神经网络同步的充分条件,并通过推导得出最小触发时间间隔为大于0的正数,即保证系统不会存在奇诺(Zeno)行为;最后,仿真结果验证了所提控制方法的有效性。