整理了中国境内AERONET的观测点信息，包括具体位置，实施单位和可供下载的数据精度。

四、扩张状态观测器(ESO) 线性扩张状态观测器 非线性扩张状态观测器 ESO参数整定 *

为了准确估计永磁同步电机的转子位置与速度，提出一种二阶滑模观测器。该观测器在传统线性滑模面基础上引入了混合非奇异终端滑模面，避免了常规滑模观测器由于低通滤波所产生的相位滞后问题， 同时可以提高转子位置与速度的估算精度。为了保证观测器的稳定并抑制滑模固有的抖振现象，设计了滑模控制律。最后，采用具有锁相功能的转子位置与速度跟踪算法从观测的反电动势中解调出转子位置和速度信息。仿真和实验证明了所提观测器的正确性。

针对多弹三维协同攻击机动目标的要求, 提出一种基于网络同步原理的协同制导方法. 该算法给出了导弹3 个方向的速度, 并基于运动学关系转化为总速度、弹道倾角和弹道偏角指令. 基于反步法将控制器设计过程转化为3 步, 分别为速度及弹道角子系统、气动角子系统和角速率子系统设计, 各子系统采用滑模控制. 控制器设计中采用扩展状态观测器对气动参数摄动和外部扰动进行估计, 并在控制器中进行补偿. 仿真结果验证了控制器的跟踪特性及导弹的协同攻击效果.

学习 eo-learn使从卫星图像中提取有价值的信息变得容易。 通过哥白尼和Landsat计划获得的开放地球观测（EO）数据对于许多EO应用来说都是空前的资源，包括海洋和土地使用，土地覆盖监测，灾难控制，紧急服务和人道主义救济。 考虑到在高重访频率下的大量高空间分辨率数据，需要能够自动提取此类时空数据中复杂模式的技术。 eo-learn是开源Python软件包的集合，这些软件包已经开发出来，可以及时，自动地无缝访问和处理任何卫星机队获取的时空图像序列。 eo-learn易于使用，模块化设计并鼓励协作-在典型的EO值提取工作流程中共享和重用特定任务，例如云遮罩，图像共注册，特征提取，分类等。

6.13降维观测器 一个n维的能观测系统 由于y可以直接提供一部分状态，故只需要估计其余的状态即可。 1：建立n-m维子系统动态方程 设A∈Rn×n，B∈Rn×r，C∈Rm×n，系统（A、B、C）能观测，令： 为一个n×n矩阵，D的选择应使Q可逆，考虑到 系统的动态方程为

基于扩张状态观测器的机电伺服系统饱和补偿与自适应滑模控制

高速铁路沉降观测评估申请报告.pdf

落地式脚手架沉降观测记录.doc

二阶系统的滑模观测器观测系统状态simulink 框图