基于干扰观测器的多航天器固定时间姿态协同跟踪控制

针对受扰动下的多航天器系统姿态一致性跟踪问题,提出一种基于干扰观测器与固定时间理论的分布式姿态协同控制策略。多航天器系统在空间中易受太阳光压、重力梯度与地磁力等外部干扰影响而导致控制精度下降,此外航天器内部惯量不确定性带来的影响也不可忽视,因此设计一种基于二阶积分滑模的干扰观测器对复合干扰进行快速精确估计,且该观测器无需任何干扰先验信息。利用观测器获得的估计值,结合领导跟随法,提出一种分布式固定时间姿态协同控制器,实现系统固定时间收敛,收敛时间可通过控制参数进行调节。利用Lyapunov函数证明了系统的固定时间稳定性。仿真与对比试验结果表明,干扰观测器能在较快时间内实现对复合干扰准确估计,协同控制器能在固定时间内实现对期望姿态鲁棒跟踪,与自适应有限时间方法相比,该控制策略精度更高、收敛速度更快和燃油消耗更少。

基于空间对抗的多智能体编队控制方法

针对3维空间对抗环境下,具有非线性二阶积分器动力学模型的多智能体系统(multi-agents system,MAS)时变编队机动与队形变换控制问题,提出一种可抑制外部干扰的MAS时变编队机动与队形变换策略。首先,根据空间对抗环境分析常见编队队形的效用,设计一种基于应力矩阵和领导跟随策略的24机编队立体构型,通过灵活地仿射变换队形,提高MAS编队空间对抗效率。其次,基于一致性理论、滑模理论和鲁棒性控制,利用时变编队应力矩阵,设计了一种鲁棒一致性跟踪控制器,以在外部未知扰动条件下,确保MAS时变编队在机动与仿射变换时跟随者对领导者的精确协同跟踪。然后,通过构造Lyapunov函数证明了外界未知扰动下3维MAS时变编队连续机动和队形变换的稳定性。最后,通过仿真实验验证了所提出的控制器能够使时变编队在机动和队形变换过程中实现精确协同跟踪。

机器学习在电力系统故障中的运用探析

在当前时期,科技发展的速度较快,并在大家的生活中扮演重要的角色,而这也就使得用电负荷明显增加。若想保证电力需求得到满足,电力系统必须要保证稳定,如果发生故障的话,一旦处理不够及时则会导致故障范围出现扩大,带来的后果将难以预估。本文即对电力系统故障展开全面分析,重点对机器学习的运用进行详细阐述,以期使得系统能够保持安全、可靠的运行状态。