摘要：针对桥式吊车模型不确定性问题,研究了一类基于在线估计的反演控制设计方法.相比其它常规桥式吊车控制方案,它不需要具体的系统数学模型,不需要对系统进行解耦或线性化处理,仅利用系统实时测量数据,在线估计模型信息,结合反演控制设计方法将系统分为全驱动和欠驱动两个子系统,分别进行估计和控制设计.该方法一方面能够解决吊车负载质量变化、系统摩擦力和状态耦合等模型不确定性问题;另一方面,通过李亚普诺夫函数保证了系统的控制稳定性.仿真和物理实验验证了本方法的可行性和有效性.

摘要：频率控制是保证微网安全稳定运行的一项重要措施。在实际微网中,由于新能源出力的强波动性,微网系统参数和运行状态时刻发生变化,传统基于固定参数模型设计的频率控制策略自适应能力较差,无法实现系统频率的实时最优控制,为此提出了一种基于系统模型在线估计的微网频率预测控制方法。首先,基于实时量测数据,采用动态模式分解法,实时辨识微网系统参数,更新系统模型;其次,基于更新的系统模型,结合模型预测控制方法,设计微网频率控制策略,实现微网频率的实时最优调节;最后,在Matlab/Simulink上搭建微网系统对所提的方法进行仿真验证,结果表明所提方法能正确识别系统状态参数,并能对微网频率进行实时最优控制。

摘要：风是影响巡飞弹药这类小型飞行器的重要环境因素,对飞行带来了较大的不确定性。为此,本文建立对飞行影响较大的常值风的估计模型,利用巡飞弹药中动压传感器及GPS/MIMU的输出数据作为观测量,通过扩展卡尔曼滤波实现对三维风速的在线估计,并分析了系统的可观测性。数值仿真试验表明:水平风速估计误差优于0.1m/s,垂直方向的风速估计误差优于0.4m/s,为巡飞弹参数辨识与控制系统设计提供精确的实时风速参考。

摘要：随着“碳达峰、碳中和”战略目标的推进,火电机组更多地参与深度调峰运行。深度调峰工况下,火电机组蓄热量不足,一次调频能力下降,导致以额定工况标定的机组一次调频能力与实际调频能力之间出现很大偏差,威胁电网频率安全。对此,提出一种基于长短时记忆(LSTM)神经网络的深度调峰火电机组一次调频能力在线估计方法。利用LSTM神经网络的时序记忆能力和非线性特征提取能力将面向稳态机组设计的静态模型改进为考虑机组动态运行过程的动态模型,修正机组变负荷过程、一次调频历史动作等扰动因素造成的误差。通过分级建模方法,针对机组蓄热、汽轮机做功动态等调频能力影响因素的不同特性,设计具有不同神经网络结构的子模型,将锅炉侧影响纳入考虑范畴,提高调频估计结果精度。采用某电厂机组运行数据检验该方法,结果表明,与电力系统采用的传统方法相比,该方法估计结果具有更高精度,并且在稳态和变负荷等不同工况下均有较好的应用效果。

摘要：本文实证研究发现:1) 只需要在KDF2滤棒生产线上垂直安装四台激光感应器,测量滤棒四个入射角直径,就能实现滤棒圆周的在线估计;2) 通过区间假设检验、功效函数设计,可以科学地判定烟滤棒圆周是否在标准范围内。本文提出的控制方法对卷烟企业具有借鉴意义。

摘要：为了提高应急电源(Emergency Power Supply,EPS)蓄电池的荷电状态(state of charge,SOC)估计精度,提出一种EPS电源蓄电池在线荷电状态估计方法。采用一种参数优化的多核相关向量机(relevance vector machine,RVM)建立EPS蓄电池SOC估计模型,可以实现对EPS荷电状态的实时监测,为蓄电池的充放电管理提供重要依据,保证EPS电源系统的安全稳定运行。

摘要：将光纤捷联系统惯性测量单元(IMU)输出误差分解成零偏误差、标度因数误差、失准角误差和随机白噪声几个部分,建立了系统误差模型,基于此模型设计卡尔曼滤波器引入高精度外部信息源对IMU进行在线标定。将此方法应用于某光纤捷联系统进行跑车试验,结果表明:引入外部信息源进行在线标定与补偿后系统纯惯导精度显著提高,本文建立的系统误差模型和在线估计方式有效估计了IMU输出误差,实现了系统在线标定,提高了系统实用精度。

摘要：针对高超声速飞行器轻质材料和细长体构型引起的显著气动伺服弹性问题,提出了一种主被动结合的鲁棒自适应控制方法。首先,通过引入辨识性能评价和监测机制设计复合自适应参数辨识方法,并给出滤波估计策略,实现弹性振动频率与弹性模态的高效在线估计。其次,采用奇异摄动理论将刚弹一体化模型分解为刚弹子系统,针对弹性子系统,基于频率辨识值构建级联型自适应陷波器实现被动陷波抑制,并结合模态估计值设计主动反馈控制保证弹性模态的稳定收敛;针对刚体子系统,设计基于有限时间滑模扰动观测器的鲁棒跟踪控制,综合两个子系统的控制量得到最终升降舵偏转。最后,通过仿真验证了该方法能够有效保证气动伺服弹性影响下高超声速飞行器的弹性抑制和刚体控制性能。

摘要：针对多无人机自动驾驶仪速度与航向角通道系数未知的目标轨迹追踪问题,提出一种自适应追踪控制方法.通过对自动驾驶仪通道系数进行在线估计,解决了系数未知所造成的设计困难.为克服外界干扰及系统内部误差因素对无人机运动控制系统的影响,设计了补偿项来消除干扰项的影响.采用Lyapunov定理证明了轨迹追踪误差最终可收敛于任意小的区域内.仿真结果验证了所设计方法的有效性.

摘要：针对大学生无人驾驶方程式(FSAC)于地图内高精定位以及速度观测的问题,设计基于多传感器信息融合的状态估计算法,并应用于自研实车平台。算法基于迭代扩展卡尔曼滤波(iEKF)进行设计,融合多类传感器,包括惯性测量单元(IMU)、转角及轮速编码器、全球卫星定位(GPS)、相机与激光雷达(Lidar)。首先,利用IMU预测车辆先验状态;然后,建立并联融合架构,对各类传感器数据进行不同的信息处理,用于更新先验状态;由于并联融合的架构,不同传感器可独立地维护车辆的状态观测。实验结果表明,所提出的算法对地图内定位、速度观测有较好的精度,且具有足够的冗余性和实时性。