摘要：针对内部不确定性以及外部环境摄动的目标环绕控制问题,在基于反步法的双层制导框架下,利用级联控制思想,提出了一种圆形轨迹导引下的四旋翼无人机事件触发抗扰环绕控制方法。在轨迹回路中,构建了可满足持续激励条件的目标位置估计器,保证仅通过视线方位角就能获取可满足最终一致有界条件的目标估计项。随后,基于目标的位置估计结果,设计了目标环绕控制律生成线速度指令,并通过方向向量场验证了该环绕制导律的有效性,消除了现有李雅普诺夫向量场制导(LVFG)对相对位置和目标速度的依赖。在姿态回路中,通过采用扩张状态观测器(ESO)补偿系统的集总不确定性,设计了基于相对阈值事件触发控制的姿态控制器,在有效降低控制器到执行机构之间信号传输频率的同时,实现了四旋翼无人机对静止/移动目标环绕。然后,借助输入状态稳定性定理证明了系统的稳定性。仿真结果表明,所提控制方案能够实现圆形轨迹导引下四旋翼无人机对静止/移动目标的环绕监视。

摘要：学习活动是习得知识和能力的必要途径,活动成效直接影响学生的发展。“‘优秀吸引’的儿童积极学习生活”倡导的持续激励的爬坡式意向性活动十分注重活动的有效性。教师在设计学习活动时,应努力对活动进行整体建构,找准学生生长点,采用活泼生动的激励机制,激发学生主动参与,在与伙伴轻松快乐的合作中不断进步,帮助学生实现真正意义上的生命成长。

摘要：多旋翼无人机的执行器是出现故障的典型部件,对飞行器的影响一般直接体现在运动姿态上。如果故障是处于早期微小阶段,那么对系统的影响几乎难以量化,加之其一定的容错控制能力,使得这类潜在故障更加难以辨识。因此,本文针对六旋翼无人机电机的早期单故障模式,提出一种基于持续激励的故障检测方法。首先,在MATLAB环境中建立六旋翼无人机数学模型;然后设计一种能激发无人机运动模态的主动持续激励,并将激励信号引入到MATLAB模型中。最后,对无人机电机的微小失效故障实现有效的故障检测。

摘要：针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。

摘要：为了在现代异步电机高性能调速系统中实现磁链的准确观测,提出了一种基于模型参考方法的自适应转子磁链观测器.在电机运行过程中,以电机为参考模型,以观测方程为可调系统,建立了一个模型参考自适应系统(MRAS),对电机的转子磁链进行了实时观测,并对电机参数进行了在线辨识.设计了电机参数的自适应律,证明了磁链观测器的收敛性.仿真结果表明,当电机参数未知或者电机参数变化时,观测器能够准确观测电机的转子磁链;在电机的激励电压满足持续激励的条件下,观测器能够快速准确地辨识出电机参数.

摘要：神经网络已经广泛应用于系统建模和模式识别领域。但为了逼近未知的参数或者系统动态,需要大量的神经元达到足够的逼近精度,因此导致了计算负荷的增大。运算量制约着大规模神经网络计算,无法使其应用到实际的在线系统中。CPU处理无法保证在线数据的同步运算,需要借助图形处理单元GPU(Graphic Processing Unit)来解决实时性同步运算问题。首先,利用RBF神经网络的持续激励PE(Persistent Excitation)特性对系统输入进行分析,减少神经元的数目且优化设计算法,从而提高逼近精度。其次,基于LabVIEW平台,利用LabVIEW的GPU高性能分析工具包实现神经网络算法和并行计算。最后,在一台航空低速轴流压气机中开发基于大规模训练神经网络的LabVIEW系统。实验结果表明,提出的方法可以实现对系统的在线实时运行,满足航空失速检测的要求。

摘要：传统自适应控制方法存在计算过于复杂、控制器奇异性的问题。为了解决这些问题,采用了一种简单的自适应控制方法,以保证电力系统中所有信号的有界性和有限时间内跟踪误差的收敛性。主要思想是将控制过程中的稳定闭环系统分解为一系列具有适当状态变换的线性时变扰动子系统,利用递归设计方法,建立了径向基函数神经网络的部分持续激励条件,保证了扰动子系统的指数稳定性。因此,在闭环信号循环轨道的局部区域内实现了闭环系统动力学的精确逼近,在闭环反馈控制过程中所学习的知识可以被重复利用,从而避免了在自适应控制过程中大量重复训练的过程。仿真结果表明了该方法的有效性。