摘要：针对化工不稳定时滞过程,提出一种两自由度控制结构.首先基于鲁棒H2最优性能指标,设计给定值跟踪控制器;然后根据系统稳态运行时的抗负载干扰要求,在过程输入与输出端之间设计控制闭环,利用其反馈通道上的扰动观测器抑制负载干扰,通过提出期望的闭环余灵敏度函数的方法,反向确定扰动观测器,同时给出了该控制闭环保证鲁棒稳定性的充要条件.仿真实例验证了该控制结构的优越性.

摘要：研究一类具有外部扰动的不确定线性时滞系统的鲁棒故障诊断滤波器设计问题。通过引入一种广义坐标变换,使得线性连续状态多时滞系统变为输出灌入(outputinjection)系统;据此,引入一种体现残差对故障信号具有灵敏性同时对不确定性扰动具有鲁棒性的性能指标,应用H∞最优控制理论,借助线性矩阵不等式(LMI)技术设计系统的状态全维鲁棒故障诊断滤波器,并给出该滤波器问题解的存在条件和求解算法。最后给出一个仿真算例,仿真结果表明了该算法的有效性和可行性。

摘要：从网络控制系统的实际应用出发,在不附加网络同步时钟和对时延特征的离线假设下,运用通讯技术中的网络协议对网络时延进行在线估计;在此基础上,运用最优控制为网络控制系统设计控制器。通过基于CAN总线的实验系统所得结果验证了上述设计的有效性。

摘要：提出了一种改进的继电辨识方法,并在满足稳定裕量的前提下,推导出最优自整定控制器参数.提出了相角偏移的概念,有效地补偿继电实验振荡点和被控对象Nyquist曲线上临界点间的偏差,从而辨识出在重要频域范围内很好表示实际对象的二阶带时滞(SOPDT)模型,提高了辨识精度;通过在线计算该相角偏移,避免了测量先验信息的重复继电实验过程,大大缩短了调节时间.仿真结果验证了该算法的实用性和有效性.

摘要：针对具有参数时变及非线性特性的网络拥塞控制系统,提出了一种模糊增益神经元主动队列管理算法(FN-AQM).采用路由器队列长度及数据流速作为拥塞度量,在检测当前拥塞信息的同时,预测未来拥塞的状况.结合神经元控制和模糊控制的优点,利用单神经元计算数据包标记概率,采用有监督的Hebb学习规则在线调整加权系数.设计的模糊控制器可动态调整神经元增益,能获得更好的控制性能.FN-AQM具有结构简单、易于实现、自适应能力强等优点.仿真实验结果表明,FN-AQM能快速将队列调整至目标值,并维持较小的队列抖动,对动态数据流和非响应流具有良好的鲁棒性.

摘要：针对具有时滞的双重积分对象,提出了两种新颖的二自由度控制结构.对于给定点跟踪控制器:一个是采用鲁棒H2最优控制性能指标设计;另一个是采用常规的微分控制器,它们均在对象输入和输出端之间设计相同的负载干扰抑制闭环,通过提出期望的闭环余灵敏度函数的方法来反向确定扰动观测器,并给出了负载干扰抑制闭环保证鲁棒稳定性的充要条件.该方法可以直接用于抑制工业单积分时滞过程中的斜坡型负载干扰信号.仿真实例验证了本方法的优越性.

摘要：针对过程控制工业中的一类不稳定时滞对象存在的难以稳定、鲁棒性差、对输入的变化和扰动十分敏感的问题,采用了基于神经网络的双自由度控制结构.在利用内环控制器镇定对象并且提高系统反应速度、减轻输出的振荡的同时,结合Guillermo等提出的比例-积分-微分(PID)参数镇定区域理论优化设计外环BP神经网络控制器的学习范围、学习方式和初始参数,改善系统设定值跟踪和扰动抑制的性能,提高系统鲁棒性.仿真结果表明,即使在建模有误差的情况下,该控制结构仍能比传统双自由度PID控制有更好的控制效果和鲁棒性.

摘要：研究含有状态时滞的参数不确定性系统的鲁棒 H∞ 滤波器设计问题 ,其中系统的参数不确定性是时变和模有界的 .针对连续系统和离散系统两种情况 ,以时滞系统的鲁棒稳定性引理为基础 ,利用修正的 Riccati型不等式推导了使得滤波系统 H∞ 范数满足指定要求的滤波器存在的充分条件 ,并且通过两个代数 Riccati方程的正定解参数化表示了该滤波器 .

摘要：将统一建模语言 (UML )的面向对象可视化设计与代数规范语言 Cafe OBJ的形式描述相结合 ,对冗余磁盘阵列 (RAID)系统中的并发特性进行建模、分析和规范 .提供了 RAID系统的清晰结构 ,以此来弥补形式化规范语言的不足 ,规范软件设计过程 ,保证程序的正确性 .

摘要：研究了机器人部分状态反馈自适应跟踪控制问题 ,提出两种通用的动态滤波器设计方法 .该方法不同于现存的高通滤波器设计 ,可以避免速度信号测量 ,最后保证闭环系统输出误差渐近稳定 .证明了在期望轨迹满足持续激励条件时 ,辩识参数将收敛到真值 .给出了仿真验证 .