基于DMPC的四旋翼无人机编队容错避碰避障控制

针对多四旋翼无人机编队在障碍环境中发生执行器加性故障的编队形成和保持问题,从在线滚动优化角度出发,设计了分布式模型预测控制方法。考虑到四旋翼无人机执行器加性故障的情况,引入Tube集约束以解决执行器故障引起的输入受限问题。同时,考虑到系统状态约束,通过引入自身和邻居四旋翼无人机的假设状态轨迹来设计代价函数。此外,考虑到多四旋翼无人机系统编队中的避障和避碰问题,设计了基于控制障碍函数的避碰避障飞行策略,以确保在执行器发生加性故障情况下,多四旋翼无人机系统能够安全地进行编队飞行。最后,通过对四架四旋翼无人机进行仿真验证,验证了该算法在无故障环境和有加性故障环境下编队控制的有效性和优越性。

高超声速飞行器自适应抗饱和再入控制

高超声速飞行器(Hypersonic vehicle,HSV)再入过程中易发生舵面饱和现象,并且其动力学模型具有强烈不确定的特征,这导致其姿态控制系统的设计极富挑战性。针对舵面受限的非线性控制问题,提出外部Antiwindup系统结合二阶Terminal滑模控制律的设计方法,能够实现对气动舵面饱和的控制补偿,使HSV快速平稳地跟踪指令信号。其次,针对HSV的强不确定控制问题,提出自适应滑模干扰观测器(Adaptive sliding mode disturbance observer,ASMDO)的方法来对再入气动参数不确定及强外界干扰进行估计,此方法无需干扰界已知且学习参数少,适合实时控制。最后,再入姿态控制的仿真结果表明了该控制方法的有效性和强鲁棒性。

超声心动图诊断右心衰竭的判别分析

目的分析超声心动图各参数对右心功能评价的效果,寻找最佳判别模型并探讨其在诊断右心衰竭中的价值。方法选取右心衰竭患者45例为病例组,无右心衰竭者36例为对照组,应用超声心动图测量并计算各参数:包括右室面积变化率(RVFAC)、三尖瓣环收缩期位移(TAPSE)、三尖瓣口舒张早期峰值流速(E)、三尖瓣环收缩期峰值速度(Sm)、舒张早期峰值速度(Em)、Tei指数、三尖瓣环等容收缩期加速度(IVA)及右室游离壁中间段收缩期应变率峰值(SRs)、舒张早期应变率峰值(SRe)。通过逐步判别分析筛选上述参数,建立判别模型,对该模型进行交叉验证,比较判别模型与常用单一参数的诊断效果。结果与对照组比较,病例组RVFAC、TAPSE、Sm、IVA、SRs及SRe均较对照组低,E/Em、Tei指数均较对照组高,差异有统计学意义(P<0.05)。通过逐步判别分析将贡献较大的RVFAC、TAPSE及IVA筛选出,建立判别模型:右心衰竭组F=0.246×FAC+1.356×TAPSE+2.746×IVA-15.587,非右心衰竭组F=0.435×FAC+2.093×TAPSE+4.634×IVA-39.706。留一交叉验证:右心衰竭组正确率为95.6%,非右心衰竭组正确率为97.2%,总正确率为96.2%,该结果较单一参数评价右心功能的效果理想。结论通过参数RVFAC、TAPSE及IVA建立的判别模型较单一超声参数的评价效果更理想,该模型在判断右心衰竭中具有重要临床意义。

基于ISMDO的高超声速再入机动预测控制

首先,针对高超声速飞行器(Hypersonic Vehicle,HSV)再入过程中的横侧向机动控制问题,参考BTT控制方式,通过对航迹和姿态角回路的控制,实现了HSV的无侧滑横向机动转弯;其次,针对机动飞行中的不确定控制问题,提出了改进滑模干扰观测器(Improved Sliding Mode Disturbance Observer,ISMDO)来对参数不确定及外界干扰进行估计。在此基础上,提出了基于ISMDO的非线性广义预测控制方法作为HSV的机动飞行控制算法。仿真结果表明,该控制策略对再入横向机动具有良好的控制和干扰抑制能力。

基于决策树的超声心动图多参数诊断右心衰竭

目的:对比决策树模型及多个超声指标对右心衰竭的超声诊断的效果,探讨决策树模型在诊断右心衰竭中的价值。方法:选取右心衰竭患者109例为病例组,非右心衰竭者128例为对照组,行心脏超声检查测量并计算以下参数:右室面积变化率(RVFAC)、三尖瓣环收缩期位移(TAPSE)、三尖瓣环收缩期峰值速度(S)、Tei指数、三尖瓣环等容收缩期加速度(IVA)、左室与右室横径比(LRR)。利用上述参数,建立决策树,对该模型进行10折交叉验证,比较决策树与常用单一参数的诊断效果。结果:与对照组比较,病例组RVFAC、TAPSE、S、IVA、LRR均较低,Tei指数较高(P<0.05),以RVFAC、TAPSE、LRR、S、IVA建立决策树模型诊断右心衰竭正确率为95.4%,该结果较任一常用指标评价右心功能的效果具有优势。结论:通过多指标建立的决策树模型较单一超声指标的评价效果更理想,该方法在判断右心衰竭中具有潜在临床价值。