基于未知动态估计器的下肢外骨骼漏斗控制

针对下肢外骨骼在运动控制中由于不可测干扰导致的暂稳态收敛性能恶化问题,提出了一种基于未知动态估计器的下肢外骨骼漏斗控制方法。在干扰辨识与补偿方面,将摩擦干扰、外部环境干扰和参数不确定性视为总体干扰,通过对系统可测状态进行滤波操作,结合不变流形定理构造了未知动态估计器(USDE),实现了系统扰动的在线估计。在暂稳态收敛性能约束方面,通过在髋膝关节控制回路设计漏斗变量,保证了跟踪误差暂稳态收敛特性的先验调节,并利用Lyapunov理论分析了所提控制方法的稳定性。仿真对比及计算结果表明:与传统自抗扰控制方法(ADRC)相比,所提方法下髋膝关节维持着与ADRC相似的控制量消耗,但稳态跟踪精度可达0.0054、0.0072,相比ADRC下的0.0574、0.0333大幅提升,且所提方法暂态收敛时间缩短近一倍。

基于树结构Parzen估计器优化集成学习的短期负荷预测方法

短期负荷预测主要用于电力系统实时调度、日前发电计划的制定,对电力系统经济调度、系统的安全运行具有重要意义.国内外在采用智能模型进行短期负荷预测方面开展了大量研究,然而智能预测方法的预测效果较易受到现存方法结构及参数的影响,以及预测对象自身个性差异使得参数难以复用,如何精准快速地获取方法结构与参数成为短期负荷预测的关键难题.对此,提出基于树结构Parzen估计器优化集成学习的短期负荷预测方法,可对方法结构与参数进行快速寻优.将该方法应用于中国南方某省短期负荷预测,以实际算例验证了其对预测精度的有效提升.

基于改进型Smith预估计器与大数据的光伏电网调频逐步惯性控制方法

光伏电网频率调整过程中,依靠常规Smith预估控制器实现电网调频控制,对模型精度具有较强的依赖性,控制策略实施后最大频率变化率(rate of change of frequency,RoCoF)较大。因此,提出基于改进型Smith预估计器与大数据的光伏电网调频逐步惯性控制方法。首先,采集历史气象数据和光伏电网运行数据,应用大数据分析领域的密度峰值聚类算法进行划分处理,再筛选相似日数据输入长短期记忆网络中,预测出未来光伏发电的功率变化;然后,依托逐步惯性控制思想,设计包含短时超发、转速恢复等多个阶段的电网调频控制策略,将模糊自适应比例-积分-微分(proportion-integration-differentiation,PID)控制器融入常规Smith预估计器,从而升级得到优化版的Smith预估计器;最后,在不受被控模型变化影响的情况下,依据预估补偿原理完成逐步惯性调频控制,并应用麻雀搜索算法求解出最优控制参数。实验结果表明:该控制方法实施后,光伏电网运行过程中最大RoCoF仅为0.086 Hz/s,有效降低了对模型精度的依赖性,保证了电力系统的稳定运行。

基于不确定与扰动估计器的直流配电网电压鲁棒控制

为保证在直流配电网母线电压鲁棒控制的同时,实现各源换流器之间电流的合理分配,基于不确定与扰动估计器(UDE)控制方法提出一种电压鲁棒控制策略,分别应用于直流配电网换流站级和换流阀级的控制。换流站级控制器设计重点在于解决负载电流参考值的给定和UDE控制的实现:将容量比引入下垂控制,提出考虑电流精确分配的负载电流参考值设定方法,该方法既充分考虑了各源换流器容量又避免了电流分配受线路参数影响的因素;以各源换流器输出电流能够渐进跟踪该参考值为控制目标,设计UDE控制律,这是实现电压鲁棒控制的关键。换流阀级控制方法应用UDE控制理论对电压源型换流器内环电流控制受到的不确定与扰动因素进行估计并补偿,设计了其UDE鲁棒控制律,证明UDE内环电流鲁棒控制器具有二自由度特性,且控制器参数解耦,简化了参数整定方法。改进后的控制器在提高电流控制抗扰性和鲁棒性的同时,解决了传统PI控制参数整定繁琐的问题。以三端直流配电网为例,对比仿真验证了所提策略的有效性。

一种基于μ-S模型的最佳滑移率辨识估计器设计

为了使基于滑移率识别的汽车防抱死控制器实现最优控制,在Kiencke μ-S模型的基础上,利用改进遗忘因子递推最小二乘算法设计了最佳滑移率辨识估计器,并将辨识估计器的最佳滑移率和峰值附着系数估算结果与Burckhardt μ-S模型下的结果进行了对比.将辨识估计器应用于汽车防抱死制动系统的模糊滑模控制器中,在单一路面和跃变路面条件下进行仿真实验.实验结果表明,辨识估计器的误差小、延迟小,基于最佳滑移率识别的防抱死控制器能实现最佳滑移率的在线辨识和快速追踪,有效提升制动效能.

基于多谐振前馈与电流估计的光伏并网逆变器控制策略研究

针对弱电网环境下电网阻抗较大以及传感器等元件造成延迟引发的并网电流品质差的问题,采用了一种多谐振前馈与电流估计法,相结合的控制策略。利用多谐振前馈控制提取低次谐波,使得正反馈通道只在主要背景谐波处有反馈作用,同时引入电流估计法,在不改变对LCL固有谐振频率抑制效果的前提下,降低系统成本。仿真结果表明,并网电流的总谐波畸变率降低2.56%,增强了系统对含有低次谐波弱电网的适应能力,验证了此控制策略的正确性和有效性。

电动静液作动器的非线性变阻尼积分滑模控制

对于电动静液作动器(EHA),传统滑模控制器存在加速度信息难以获取,参数不易整定和控制信号抖振等问题,从而造成控制器很难应用于实际。针对以上问题,利用奇异摄动理论对EHA数学模型进行合理的降阶,从而使控制器设计避免了使用加速度信息。在此基础上,利用降阶模型设计了一种新型非线性变阻尼积分滑模控制器(NSMC),该控制器可根据位置控制误差实现系统阻尼比由欠阻尼到过阻尼的自适应调节,能有效提高位置阶跃调节性能。设计了一种基于滤波器的不确定项估计器对EHA中存在的参数不确定性和外部扰动进行实时估计并补偿。滑模面积分项的引入和不确定项估计器的使用,一方面使控制器中无需使用切换函数,实现了EHA的无抖振滑模控制,另一方面使系统整个动态过程完全表现为滑动模态,从而可根据EHA控制指标直接整定滑模面参数,大大简化了参数整定过程。同时利用Lyapunov稳定性理论对整个闭环系统和滑模面的稳定性进行了详细分析。分别与PI控制器、传统滑模控制器(SMC)和传统变阻尼滑模控制器(DVSMC)进行了详细的仿真分析比较,仿真结果表明NSMC能有效提高EHA位置跟踪性能和增强对参数不确定性和外部扰动的鲁棒性。

基于不确定干扰估计器的永磁电机控制研究

研究了一种基于不确定干扰估计器(UDE)的永磁同步电机控制策略。根据UDE控制理论,设计UDE控制器代替双闭环矢量控制中的传统PI控制器,增强了电机系统对外部干扰和内部参数变化的抗扰能力,并通过仿真与实验对控制策略进行验证。结果表明,针对突变干扰以及参数不确定性等影响因素,UDE控制器相较于PI控制器具有更好的鲁棒性。

星敏感器抗杂光的复合型背景估计星图处理算法

星敏感器在太空作业时,易受到太阳光、月光和地气光等杂光的干扰,导致拍摄的星图灰度整体升高,背景均匀性较差,难以准确提取到星点坐标。针对上述问题并结合现有算法提出了一种复合型背景估计的杂光干扰下星图处理算法。首先,星点具有经点扩散成像后尺寸为直径3×3至7×7的特征,设计相应的背景估计模板,最后为提高算法鲁棒性,提高局部信息的利用率,再设计一个像素估计模板,两个估计模板同时计算后处理数据实现阈值分割;最后进行星点质心计算。通过试验证明该方法可以较好地抵抗杂光干扰,提高杂光背景下星点提取的精度。

基于无迹变换的无迹四元数估计器姿态更新算法

为了避免无迹四元数估计器(unscented quaternion estimator,USQUE)姿态更新中仍采用线性化传播以及未进行协方差更新的问题,提出了一种基于无迹变换(unscented transformation,UT)的USQUE姿态更新方法,给出了具体的算法步骤,并与4种姿态估计器进行了比较,证明了其有效性。在所提出的方法中,由于UT比线性化方法更精确,故姿态更新比传统方法更精确。此外,在基于UT的姿态更新中也可以更新姿态协方差,而在传统的USQUE中没有考虑这一点。因此,具有姿态协方差更新的USQUE性能优于传统的USQUE。

基于有限存储空间的分布式传感器融合估计器

研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰,在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器,利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后,通过某电源系统计算实例仿真验证所提融合估计器的有效性。

基于未知状态估计器和改进跟踪微分器的柔性关节预设性能反演控制

为解决由模型不确定性和外部未知干扰导致的柔性关节系统控制偏差问题,提出一种基于未知状态估计器和跟踪微分器的预设性能反演控制方法。设计一种基于低通滤波器的未知状态估计器,该估计器仅依赖于模型的名义值即可估计集总扰动。构造了一种新的有限时间收敛预设性能函数,并基于该函数设计反演控制器,用于在保证闭环系统所有信号有界的情况下,使关节跟踪误差在约定时间内收敛到预定的任意小区域。为避免反演控制器的微分爆炸问题,设计基于改进Sigmoid函数的跟踪微分器来估计虚拟控制律的微分信号。仿真结果表明,在未建模动态和外部未知干扰的影响下,所提方法能够保证关节跟踪误差在有限时间内收敛到任意给定范围,有效提高了柔性关节的瞬态和稳态性能。

主被动结合的弹性高超声速飞行器鲁棒自适应控制

针对高超声速飞行器轻质材料和细长体构型引起的显著气动伺服弹性问题,提出了一种主被动结合的鲁棒自适应控制方法。首先,通过引入辨识性能评价和监测机制设计复合自适应参数辨识方法,并给出滤波估计策略,实现弹性振动频率与弹性模态的高效在线估计。其次,采用奇异摄动理论将刚弹一体化模型分解为刚弹子系统,针对弹性子系统,基于频率辨识值构建级联型自适应陷波器实现被动陷波抑制,并结合模态估计值设计主动反馈控制保证弹性模态的稳定收敛;针对刚体子系统,设计基于有限时间滑模扰动观测器的鲁棒跟踪控制,综合两个子系统的控制量得到最终升降舵偏转。最后,通过仿真验证了该方法能够有效保证气动伺服弹性影响下高超声速飞行器的弹性抑制和刚体控制性能。

一种新的估计非高斯分布含水层渗透系数场的方法

集合卡尔曼滤波(ensemble Kalman filter,EnKF)是最流行的数据同化方法之一。然而,在处理非高斯问题时,EnKF存在局限性。为了解决非高斯问题并准确描述含水介质连通性,将正态分数变换(normal-score transformation,NST)与多重数据同化集合平滑器(ensemble smoother with multiple data assimilation,ES-MDA)相结合,提出NS-ES-MDA方法。通过对比实验,验证了NS-ES-MDA方法估计非高斯分布含水层渗透系数场的有效性。相较于重启正态分数集合卡尔曼滤波器(restart normal-score ensemble Kalman filter,rNS-EnKF)方法,NS-ES-MDA在吸收相同数据后,参数估计精度提升约34%,计算效率提升约35%。此外,NS-ES-MDA方法受“异参同效”现象的影响较小,具有较强的更新能力,能够保障得到较准确的参数估计值。研究可为非高斯分布含水层参数估计提供一种有效的求解方法。

视觉-语言多模态下的多任务人脸年龄估计

现有的年龄估计方法仅基于人脸图像,无法充分利用图像背后的语言背景信息。此外,这些方法通常专注于单一年龄估计任务的优化,忽略了相近任务带来的提高模型性能的信息。针对上述问题,提出一种基于视觉-语言多模态的多任务人脸年龄估计方法。该方法利用提示文本信息为年龄估计提供更丰富、更准确的图像理解和先验知识。同时,引入多任务学习方法,利用任务间的互补性将年龄分类任务与序数回归任务相结合,以获得更好的性能。最后,为了获得可靠的预测结果,研究了加权平均法和任务回归法两种多任务结果融合方法,并对加权平均法的权重系数进行了消融实验,以期找到一组合适的权重系数。结果表明:与其他先进方法相比,所提方法在UTK-FACE数据集上的平均绝对误差(MAE)降低了7.32%,在MorphⅡ数据集上的MAE降低了1.20%,累积分数(CS)提升了0.11%。

基于TreeLSTM的查询基数估计

针对传统的数据库管理系统无法很好地学习谓词之间的交互以及无法准确地估计复杂查询的基数问题,提出了一种树形结构的长短期记忆神经网络(Tree Long Short Term Memory, TreeLSTM)模型建模查询,并使用该模型对新的查询基数进行估计.所提出的模型考虑了查询语句中包含的合取和析取运算,根据谓词之间的操作符类型将子表达式构建为树形结构,根据组合子表达式向量来表示连续向量空间中的任意逻辑表达式.TreeLSTM模型通过捕捉查询谓词之间的顺序依赖关系从而提升基数估计的性能和准确度,将TreeLSTM与基于直方图方法、基于学习的MSCN和TreeRNN方法进行了比较.实验结果表明:TreeLSTM的估算误差比直方图、MSCN、TreeRNN方法的误差分别降低了60.41%,33.33%和11.57%,该方法显著提高了基数估计器的性能.

基于改进遗传算法优化的RBF网络的信道估计

为了提高通信系统信道估计的准确率,同时适应更大的数据量,进行更加复杂的数据计算,引入神经网络的方法进行信道估计,采用了BP和RBF神经网络进行实验对比,与传统信道估计方式相比有明显提升;在此基础上,进一步提出基于改进遗传算法优化的RBF神经信道估计方法,目的是帮助确定RBF网络的隐藏层参数,使得网络的参数趋于全局最优解,信道估计器的性能从而得到提升。经过Matlab仿真,改进后的RBF神经网络可以更好地解决信道估计问题,验证了此方法的可行性。

基于压力传感器阵列的AUV姿态反演估计

姿态信息是自主导航的重要参数,现有高精度导航设备价格昂贵、体积大,因此小型化、低成本自主导航技术成为研究热点。受仿生学启发,文中构建了基于压力传感器阵列的自主水下航行器(AUV)姿态反演估计模型,将已知压强和姿态数据输入模型,训练出模型参数,从而利用压强数据反演估计姿态信息。按照轨迹、深度、速度等因素开展了多组试验,验证了所提方法的有效性。试验结果表明,利用基于压力传感器阵列的AUV姿态反演估计方法,其俯仰角误差小于2.069 9°,横滚角误差小于2.990 8°,且不存在累积误差,在自主导航系统中具有较高应用潜力。

非线性扰动估计器用于永磁同步电机抗干扰控制

针对永磁同步电机(PMSM)受到未知扰动影响电机正常运行的问题,提出一种基于非线性扰动估计器的变幂指数趋近率抗干扰滑模控制方法。通过采用滤波操作构造不变流形来设计非线性扰动估计器,对PMSM系统存在的未知动态进行估计;引入一种改进的变幂指数滑模趋近率以消除传统滑模控制的抖振问题,在此基础上将非线性扰动估计器嵌入到滑模控制器的设计中,消除未知动态对系统的影响。永磁同步电机实验平台验证结果表明,该控制方法具有更快的响应速度和更强的抗干扰能力,能够有效地改善PMSM系统的控制性能。

面向不确定性传感器位置的一致TOA定位

目标定位是指利用传感信息估计目标在特定坐标系中的空间位置。基于到达时间(Time of Arrival,TOA)或等价的,基于距离的定位方法凭借其高精度特点得到了广泛研究。现有TOA定位方法一般假设传感器位置是精确的,只考虑距离测量噪声。而考虑了传感器位置不确定性的文献通常缺少统计学优化与分析,无法得到一致性估计。本文同时考虑距离测量噪声和传感器部署不确定性,将目标位置与传感器坐标均当成未知变量构建最大似然问题。本文首先给出关于观测噪声和传感器空间分布的假设,以保证一致性估计器的存在性。有趣的是,本文分析了最大似然估计性质,证明了其不一定具有一致性。本文进一步变换原始观测方程,构建可最优求解的优化问题。特别地,针对距离测量噪声方差已知情况,构建了含二次目标函数和一个二次等式约束的广义信赖域问题,并给出了其最优解求解算法;针对距离测量噪声方差未知情况,构建了普通线性最小二乘问题,实现目标位置和距离测量噪声方差的同时估计。本文针对两种情况分别提出了相应的偏差消除方法,实现了一致估计,即随着观测数量增加,估计值收敛至真实目标位置。一致性特性使所提算法在大样本观测场景可实现超高精度定位。此外,推导了高斯-牛顿迭代算法,可在观测样本和传感器位置不确定性较小时提高算法定位精度。仿真结果验证了所得理论结果的正确性和所提算法在大样本观测下的优越性。