基于状态观测器的离散线性多智能体系统协同输出调节

研究存在未知短时延、丢包和系统不确定性的网络化切换控制系统故障检测与时域优化问题. 首先基 于观测器构建残差发生器, 结合Lyapunov 函数方法和平均驻留时间方法分析系统的稳定性, 并以线性矩阵不等式(LMI) 形式给出故障检测滤波器的求解方法; 然后为了改善故障检测系统的性能, 采用后置滤波器对残差信号进行时域优化, 并利用奇偶空间方法给出其最优解; 最后设计并推导出自适应阈值. 仿真结果验证了所提出方法的有效性.

滑模观测器建模 0：03：14反电动势观测 0：30：40LPF低通滤波器建模 0：41：23角度计算 0：50：24速度计算 0：58：28自适应滤波器 1：02：46角度补偿 IF开环启动实现 1：22：02通过Stateflow构建开环切闭环状态机 1：40：50给定的开环角度计算 1：56：06开环启动切闭环控制实现 2：09：00生成代码调试成功启动 2：28：00速度响应

基于能量密度的损伤识别方法为振动筛横梁故障的在线诊断提供了可能,以PCI-6023E板块作为硬件,labview图形化编程语言为软件,实现了裂纹梁的故障诊断系统设计,并通过试验验证了此方法的可行性。

在本文中，解决了四旋翼传递未知时变有效载荷的鲁棒控制问题。 首先，建立了带有有效载荷的四旋翼飞行器模型。 有效载荷的动力学被视为干扰，并被添加到四旋翼模型中。 其次，为了增强系统的鲁棒性，使用扩展状态观察器（ESO）估计来自有效载荷的干扰，以进行反馈补偿。 然后，开发了一种针对多输入多输出（MIMO）系统的预测控制器，以降低由有效载荷的加载/丢失引起的突然变化所造成的影响。 最后，通过与传统的级联比例积分微分（CPID）方法和滑模控制（SMC）方法进行比较，验证了所开发方案的优越性。 仿真结果表明，CPID方法即使在姿态控制上也能达到满意的效果，但在姿态稳定方面却表现不佳，而SMC则表现出输入颤动现象。

针对某种大牵引力AGV轮毂电机，设计了一种永磁无刷直流电机驱动器。在三相全桥逆变上采用更高频率的GaN开关管，通过提高开关频率以减少电机的损失和扭矩波动。控制电路以TMS320F28069芯片为基础，采用了一种FOC控制算法，详细介绍了磁场定向控制理论原理，并在此基础上设计了无刷直流电机无位置传感器系统，通过滑模观测器法来估算转子位置和转速，并对电机的驱动电路和采样电路进行了分析。本次设计的驱动器具有体积小、散热好、适用于高频的特点，能够很好的适用于大牵引力AGV小车。

此演示展示了信号数据示例的完整深度学习工作流程。 我们展示了如何准备、建模和部署基于深度学习 LSTM 的分类算法来识别机械空气压缩机的状况或输出。 我们展示了如何执行深度学习工作流程的以下部分的示例： 第 1 部分 - 数据准备第 2 部分 - 建模第 3 部分 - 部署 该演示是作为 MATLAB 项目实现的，需要您打开该项目才能运行它。 该项目将管理您需要的所有路径和快捷方式。 第一次运行项目时还需要一个重要的数据副本。 第 1 部分 - 数据准备本示例说明如何提取将用作LSTM深度学习网络输入的声学特征集。 跑步： 打开 MATLAB 项目 Aircompressorclassification.prj 打开并运行 Part01_DataPreparation.mlx 第 2 部分 - 建模此示例展示了如何训练 LSTM 网络对包括健康和不健康信号的多种操作模式进行分类

在分布式传感器网络中，各个子网往往具有不同的辨识框架，此时经典的证据理论无法处理。针对这一问题，提出一种动态辨识框下的证据融合理论和条件更新理论的故障检测方法。首先获取最新的观测证据，提出采用模糊隶属度函数作为信任转换的桥梁，完成动态辨识框架下的信任测度；然后利用新来证据的信任测度对已有的证据进行更新，以此进行各个观测区域的故障检测；最后通过构造两个传感器子网S1和S2的分布式检测与识别系统对所提方法进行验证，结果显示该方法在处理动态辨识框架和故障检测方面的有效性。

数据驱动PCA、ICA和KICA故障检测仿真研究

自适应增益滑模观测器，用于永磁直线同步电动机的无传感器控制