摘要：针对带有外界干扰的多区域空调房间温湿度跟踪控制问题,从建立多区域空调房间的热力学模型出发,在选取稳态工作点对模型进行处理的基础上,提出一种基于多输入多输出状态空间模型的模型预测控制(model predictive control, MPC)策略。设计了多目标优化的性能指标函数,以节约能耗。在matlab中使用mpt3工具箱对控制算法进行验证,在存在干扰的情况下,供气区,工作区,回风区三个区域的温湿度在满足约束的条件下都能较快跟踪上参考值,且鲁棒性较好,验证了所提出的MPC算法有效性与可行性。

摘要：多区域暖通空调(heating,ventilation and air conditioning,HVAC)系统相比基础的单区域空调系统能够更好地描述空调房间各区域内的动态热响应过程,传统模型预测控制(model predictive control,MPC)算法能较好实现温湿度控制,但室内区域之间传热系数的耦合作用,使得模型中存在不确定性扰动,这种情况下,传统MPC算法难以实现控制。针对这类问题,设计了一种基于线性矩阵不等式的改进鲁棒模型预测控制(robust model predictive control,RMPC)策略,将模型中存在的扰动用多胞不确定集来表示。最终将一个无穷时域控制量无限的最小化最坏情况的min-max问题转化为有限时域内求解状态反馈控制率的问题,同时考虑了状态与输入约束条件,通过在线实时求解即可得到每一时刻最优解。最后对多区域HVAC空调房间系统进行仿真,结果表明本文算法下3个区域温湿度的跟踪精度较高,抗干扰能力也较强。

摘要：针对具有参数不确定性和外部干扰的四旋翼飞行器轨迹跟踪控制问题,提出了一种基于命令滤波的有限时间自适应控制策略。通过引入有限时间命令滤波器,实现了对虚拟控制信号导数的快速逼近,进而有效地避免了传统反步设计法中存在的维数爆炸问题。设计新的分数阶误差补偿机制,快速移除了滤波误差影响,进一步提高了系统的控制性能。利用有限时间稳定性理论,严格证明了闭环系统中所有信号在有限时间内有界,且位置及姿态跟踪误差在有限时间内收敛到原点附近的邻域内。最后,仿真比较算例验证了所提控制方案的有效性。

摘要：区块链作为一种去中心化的数据库技术,可针对电网分布式能源实现有效信息交互。随着双碳目标的提出,微电网成为能源互联网的重要组成部分。基于此,提出了一种多域微电网代理商的定价及购电策略,并基于区块链设计了全新的电力交易模式以改进微电网电力市场。为实现代理商和微电网用户各自追求利益最大化,构建了主从博弈模型。仿真结果表明,区块链公开透明的特点有效提高了用户用电决策的精准性和运营商的经济效益,实现了多方共赢,该模型的适应性和有效性得到了有效验证。

摘要：区块链技术为微电网电能交易提供保障,但由于分布式可再生能源发电不稳定,微电网内部电能交易并不能实现可再生能源的高效消纳。为此,结合多微电网电能交易场景,设计了基于区块链的多微电网电能交易架构,以最小化微电网用电成本为目标建立微电网电能出力模型,结合双边拍卖提出了多微电网交易优化算法及其智能合约设计。算例表明,提出的交易机制可以有效降低微电网综合用电成本,与区块链结合可以进一步保证微电网之间电能交易的安全性,具有实用价值。

摘要：为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。

摘要：麦克风阵列的一大作用,便是通过对于阵列中不同麦克风采集的信息进行分析计算,从而得出声音源的方向和距离。但传统的麦克风阵列存在诸多局限,为了提高系统便携性、经济性、可移植性,设计了一种基于STM32H7微型处理器的声源定位系统。该系统有效解决了传统定位系统大多基于PC平台,便携性差、价格过高的缺点,为更加智能的声音定位提供了探索方向。

摘要：室内照明系统对人眼的视觉功效、健康和建筑节能有着重要影响,照明系统整体设计和控制的合理与否将直接影响室内光环境质量、人眼舒适度及节能设计。论文首先,介绍了室内照明系统中传感器布置的方式;其次,分类归纳和梳理了集中型控制、分布式控制和自适应智能控制3种控制策略的基本思想,以及适宜的应用场景与应用尺度,并阐述了日光自补偿节能模型在室内照明系统中的应用实践;最后,对该领域的研究前景进行展望,指出未来智能照明系统的研究方向。

摘要：针对弱监督文本分类过于依赖专家生成种子词的局限,提出一种基于类名引导生成种子词的弱监督文本分类方法。使用Skip-Gram模型学习单词的向量表示,借助vMF(von Mises Fisher)分布对用户提供的类名与语料库之间的关系进行建模,综合考虑语义相关性和语义特异性,由此生成一组高质量的种子词,无需依赖专家经验;迭代使用种子词生成伪标签和文档分类器;扩展种子词,进一步提升模型性能。在NYT和20 Newsgroups两个公开数据集上的实验结果(F1-score)表明了所提弱监督文本分类方法的有效性。

摘要：针对基于字符的中文命名实体识别模型中所存在一词多义和实体边界潜在词歧义的问题,提出一种融合多层语义特征和句法依存引导的中文NER模型。将句法依存引导的注意力机制与双向长短期记忆网络(BiLSTM)结合,获得字特征向量。通过迭代卷积神经网络(IDCNN)提取汉字独有特征:部首与拼音。采用协同注意力机制对句法依存引导的多种向量进行特征融合。使用CRF层来获得最佳标记序列。在多个公开数据集上的实验结果表明了模型的有效性。