基于最小二乘改进算法的时变系统参数辨识

基于遗传算法的时变时滞参数辨识

基于matlab计算齿轮时变啮合刚度的代码

matlab代码影响弗洛里丁 FLORIS模型的动态实现，包括随时间变化的风速和风向。 工作正在进行中 动态FLORIS实施的测试版，其中包括随时间变化的风速和风向。 大纲 这是用MATLAB编写的模拟器，将能够大致模拟风电场中风场的动态行为。 Pieter MO Gebraad和JW van Wingerden在“面向控制的风电厂动态模型”中引入了基本概念（TORQUE 2014）。 这个想法是在转子平面上创建观测点（OPs），这些观测点继承了涡轮在该时间步长（Ct和yaw）的相关特征。 借助存储的数据，OP可以计算出其尾随位置的有效风速。 随着速度的计算，它们随着时间的流逝而向下游移动。 当OP在转子平面的相同位置产生并且遵循相同的路径（假定没有变化）时，就形成了一条链。 转子平面上的变化现在沿着尾流和链条行进，并花费一定的时间才能使更下游的风力涡轮机经历它们。 这给风电场控制器带来了严峻的挑战，在测试控制器设计时不容忽视。 在其他尾流仿真（例如仅基于FLORIS尾流模型的尾流仿真）中，这些更改会立即应用于下游涡轮机，而动态效果会被忽略。 此外，OP之间会相互影响，因此可以对相互影

为求解直齿轮时变啮合刚度,运用变增量无限逼近的思想计算齿轮啮合过程中各啮合点位置,将各啮合点位置映射到单个齿廓上;使用材料力学悬臂梁理论计算齿轮时变啮合刚度,并对比势能法及GB/T340-1997中计算所得刚度值。研究结果对准确计算齿轮时变啮合刚度具有重要意义。

基于SVR的FBMC信道估计 滤波器组多载波（FBMC）作为5G的候选系统，具有比正交频分复用（OFDM）更好的频谱特性。 但是，这带来了固有的虚干扰的问题，导致信道估计的困难增加。 本文基于SVR插值，提出了一种新的FBMC时变信道估计方法。 新方法首先使用辅助导频消除虚干扰，然后通过SVR对时变信道矢量进行插值。 仿真结果表明，与传统算法相比，新方法的信道估计效果大大提高，效率损失很小，但估计精度较高。 这是我的论文“基于FBMC系统中基于SVR插值的时变信道估计”的matlab代码。 可以在以下URL上下载该论文： 并且，感谢Ronald Nissel和Markus Rupp。此代码的某些部分基于他们的论文，可以从其网站上下载。

为了解决系统在含有执行器局部或者完全失效故障情况下的鲁棒H∞容错控制问题, 针对一类状态和控制输入同时存在时变时滞的不确定非线性系统, 采用T-S模糊模型来描述, 利用并行分布补偿（PDC）算法设计了模糊状态反馈控制器, 结合Lyapunov稳定性理论给出了保证该模糊容错控制系统渐近稳定的充分条件, 不但保证了系统输出的鲁棒稳定性, 而且能够满足给定的鲁棒H∞性能指标。最后通过MATLAB仿真对比系统中有外部干扰和无外部干扰情况下的系统输出曲线, 验证了所提出方法的可行性。

Fast Terminal Sliding Mode Controller Design for Nonlinear Second-Order Systems with Time-Varying Uncertainties (DOI 10.1002/cplx.21600) 1.该文件在matlab2016b上成功运行； 2.压缩包中包含该论文和论文中的仿真结果。

针对高阶离散异构多自主体系统的时变编队-合围控制问题,考虑时变时延,提出分布式编队-合围控制协议.首先,在合理假设的基础上,通过模型转变和状态空间分解,将编队-合围控制问题转化为子系统的稳定性问题,再利用Lyapunov-Krasovskii函数,以LMIs的形式给出协议有效的充分条件,并指出LMIs的个数与系统中自主体的个数无关;然后,给出编队参考函数的具体形式,证明指出编队参考函数不受时变时延的影响;最后,通过固定和时变编队-合围仿真验证所设计的协议的有效性.

典型大时变时滞系统神经网络模糊PID控制及应用rar,PID控制器，模糊理论，神经网络，鲁棒性，时变时滞系统