对非完整移动机器人的有限时间轨迹跟踪控制问题进行讨论. 与基于非连续状态反馈的传统有限时间控制 算法相比, 基于连续状态反馈的有限时间控制算法更适合于控制工程应用. 利用该连续系统有限时间控制技术, 设计 一种连续的状态反馈跟踪控制算法. 使得对角速度为非零常数的期望轨迹, 非完整移动机器人能够实现全局跟踪, 并 能在有限时间内完全跟踪上期望轨迹. 仿真结果表明了该方法的有效性.

文章研究了一阶多智能体系统的有限时间一致性控制问题。为了对下一时刻智能体系统的状态进行预测，加快系统收敛速度，提出算法将当前智能体间状态信息的差异作为一致性协议的反馈参数，该算法实现了对不同智能体输入的自适应调节，并使多智能体系统在有限时间内达到一致。 通过构造Lyapunov 函数的方法分别讨论无向固定拓扑和切换拓扑两种情形，得到多智能体系统的稳定条件，证明该协议能在有限时间内收敛． 最后，仿真实验结果验证了所得结论的正确性和有效性。

基于非光滑的类二次型Lyapunov 函数, 对二阶滑模Super-twisting 算法的有限时间收敛性进行了分析. 当系 统受常值干扰时, 通过Lyapunov 方程证明了该算法有限时间收敛, 并给出了收敛时间的最优估计; 当系统受时变干 扰时, 通过求解代数Riccati 方程得出了一组保证该算法有限时间收敛的参数取值范围, 并给出了收敛时间的估计值. 仿真算例表明了理论分析的正确性.

讨论迭代初态与期望初态存在固定偏移情形下的迭代学习控制问题,提出带有反馈辅助项的PD型迭代学习控制算法,可实现系统输出对期望轨迹的渐近跟踪.为了进一步实现输出轨迹在预定有限区间上对期望轨迹的完全跟踪,提出分别带有初始修正作用和终态吸引的学习算法.文中给出所提出的学习算法的极限轨迹,并对学习算法进行收敛性分析,推导出收敛性充分条件,可用于学习增益的确定.通过数值结果,验证所提学习算法的有效性.

概要 这是一个iOS的Unity插件，可让您记录屏幕并捕获游戏玩法。 它包含内置的Xcode项目。要开始使用它，只需将PluginSource文件夹作为子文件夹拖到以下目录/文件路径中，作为子文件夹到Unity项目中：Assets> Plugins> iOS> ReplayKitUnity>拖动源代码并编辑器文件夹到这里 博客文章描述了搭建桥梁的步骤： ： 免责声明： 该插件尚在开发中，旨在显示使用Swift创建Unity iOS插件的步骤。 产品特点 记录画面 停止录制屏幕 接收录制的视频文件（.mp4） 设置限制时间以允许录制屏幕 从屏幕录像中排除的录像回放的录像按钮和进度

为解决现有终端滑模控制算法在收敛速度和抖振方面的问题, 提出一种连续非奇异快速终端滑模控制方法. 采用变系数双幂次趋近率和非奇异快速终端滑模面相结合的设计方式, 提高系统状态在趋近和滑动阶段的收敛速度. 通过Lyapunov 稳定性方法证明所提出的控制率可使得状态轨迹在扰动存在的情况下, 在有限时间内快速收敛到一个区域. 与传统方法相比, 所提出的控制率是连续的, 因此抑制了抖振, 拥有更高的控制精度. 将所提出的方法应用于光电稳定平台, 仿真结果验证了算法的有效性.

研究了一类非线性系统的有限时间稳定性. 通过函数构造和变量替换的方法, 给出一个新的非线性系统有 限时间稳定的充分条件. 该条件与现有结果相比, 具有更少的保守性. 进一步, 将所得的结果推广到不确定性非线性 系统, 通过构造Lyapunov 函数方法, 给出系统有限时间稳定的充分条件. 仿真例子表明了所得结论的有效性.

提出一种全局非奇异终端滑模控制器, 可用于带有参数不确定和外部扰动的二阶非线性系统。 证明了系统从任意初始状态到达滑模的时间和在滑模上到达平衡点的时间均为有限, 分析了终端滑模 控制用于不确定性系统的跟踪精度, 推导了系统跟踪精度和用于消除抖振的饱和函数宽度之间的数学 关系。根据给定的跟踪精度, 可设计出合适的饱和函数。仿真结果证明了所提出方法的有效性。

本文研究了基于忆阻器的神经网络的有限时间同步。的目的解决的问题是设计一个合适的控制器来实现驱动器和驱动器之间的有限时间同步。响应系统。与以前的工作不同，这种基于限忆器的有限时间同步将得以实现右侧不连续的神经网络。基于有限时间稳定性理论和非光滑在数学分析中，得出了足够的条件以确保基于忆阻器的有限时间同步神经网络。举一个例子来说明主要结果的正确性。

通过积分滑模对带有相关信息的扰动高阶智能体进行有限时间共识跟踪