零相位跟踪预测自学习复合运动控制系统研究

提出了一种结合了零相位跟踪控制与预测自学习控制的零相位跟踪预测自学习复合控制方案,并将它在运动控制系统中进行了实验研究,结果表明,对于周期性的位置指令信号输入,这种控制系统能够从第一个指令周期开始就具有比较小的跟踪误差,而且误差还会周期性减小,具有比单独的零相位跟踪控制或者预测自学习控制更好的控制性能。

滑模控制中建模不确定性的自学习模糊预测

针对一类特定的非线性建模不确定系统 ,根据控制系统运行的历史信息 ,用模糊逻辑系统预测估计了当前时刻的建模不确定性 .模糊规则后件参数在线自调整以使模糊系统输出能有效地跟踪实际不确定性 。

运动控制系统自学习问题研究

研究了运动控制系统在重复运动方式下的自学习问题 ,设计了开环迭代自学习、闭环迭代自学习和预测自学习三种控制算法和结构 ,并对比分析了各种自学习控制算法的特点 .实验结果表明 ,学习控制结构简单 ,计算量小 ,便于实现 ,对被控对象的动态模型没有严格的要求 ,可以明显改善具有周期性输入控制系统的轨迹跟踪精度 .

多层次的网络服务器集群功耗管理

多层次的集群功耗管理方法,在不明显影响系统性能的前提下,降低集群系统的功耗。该管理方法分为集群层次的功耗管理和本地节点层次的功耗管理。集群层次的功耗管理基于自学习负载预测的按需启动策略,根据作业的负载提供计算资源。本地节点层次的功耗管理针对负载下降产生的节点空闲问题,提出了Enhanced-conservative调控器算法,提高了负载下降时频率调整的敏感度。测试实验数据表明,该策略比其他策略能更有效的降低整个系统的功耗。