摘要：针对一类在空间区间内重复运行的非参数不确定运动系统,本文提出一种基于李雅普诺夫方法的自适应空间重复学习控制(SRLC)策略。首先,引入空间微分算子将系统从时间域转换到空间域形式,并将系统非参数不确定性划分为空间周期不确定和非周期不确定两部分。其次,设计全饱和空间重复学习律估计和补偿空间周期非参数不确定部分,同时保证被估计值的连续性和有界性。此外,将非周期不确定部分转换为参数化不确定形式,并设计其上界参数的空间自适应更新律用以补偿系统非周期不确定。最后,设计控制器确保系统输出能够精确跟踪空间周期性期望信号。仿真结果验证了所提方法的有效性。

摘要：该文以全球度假城市拉斯维加斯特殊的城市空间规划为背景,分析早期的街区在空间运动中蕴含的秩序和视觉感知呈现的混乱现象,来理解过去的拉斯维加斯道路系统和城市界面组织的逻辑;并着眼当前城市功能的转化、信息传递方式与道路系统的更新,从汽车和行人两个视角,探讨城市在视觉形式背后的逻辑。在对城市空间规划组织的分析中加入时间维度,辩证分析拉斯维加斯不断重塑的城市秩序,打破有序与混乱的二元对立,以及对城市空间塑造的形式与深层秩序的启发。

摘要：本文讨论了一类在有限空间区间内重复运行的不确定运动系统的跟踪控制问题.通过引入空间状态微分算子和空间复合能量函数,提出了一种空间周期的自适应迭代学习控制算法.首先利用空间状态微分算子,将系统从时间域转化到空间域形式.然后基于空间复合能量函数设计了控制器,利用含限幅作用的参数自适应律逼近系统中的不确定性,同时引入鲁棒项共同抑制非参数不确定性的影响.通过严格的数学分析,证明了在标准初始条件和随机有界初始误差两种情况下的跟踪误差收敛性.最后通过列车仿真进一步验证了该算法的有效性.