基于数据驱动的范数最优迭代学习控制

在系统模型确定的前提下,传统的范数最优迭代学习控制(NOILC)可以有效提高伺服系统的跟踪精度。但是在实际控制过程中,系统模型参数往往是变化的,从而导致控制器性能的下降。为此,提出了一种基于数据驱动的范数最优迭代学习控制方法。以系统的输入输出为依据,建立系统估计模型的代价函数,对代价函数进行偏微分处理,得到一种基于数据驱动的非参数模型辨识方法,最后将此模型辨识方法和NOILC相结合。实验结果表明:针对时变系统,此控制方法的跟踪误差为NOILC(Norm optimal iterative learning control,NOILC)的57.1%,并且相比NOILC提前5次收敛。因此,提出的方法能有效改善时变系统的跟踪性能。

绍兴古城历史街区的风貌特征与改造策略——以典型历史街区为例

绍兴古老优越的历史、文化、地理条件为其创造了独特的历史街区风貌,然而目前存在街区建筑风貌不统一、道路狭窄且坑洼不平、电路线杂乱,以及交通路线不合理等问题。文章以明代画家徐渭故居“青藤书屋”所在的前后观巷为例,基于绍兴地域特征,着重讨论分析该历史街区风貌改造的策略和措施,应用空间规划、建筑设计等方法解决现有问题和安全隐患,将以青藤书屋为核心的前后观巷历史街区打造成绍兴知名文化生活区块。