利用S函数编写被控对象和基于指数趋近的滑模控制器，用simulik建立模型，并在分析结果中添加了跟踪误差及误差变化率等观测输出，含实现的模型和程序，完美运行，另外点击我的专栏“滑模控制”可以查看详细解析和推导，手把手带你学会滑模控制。

鲁棒控制理论.pdf （图书 ）。。。。。。。。。。。。。。。。。

基于鲁棒动态反演的接收机飞机跟踪与对接控制

论文研究-基于随机活动工期的资源约束项目鲁棒性调度优化.pdf,  项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.

朗伯轨道边值问题可以表述为“找到从位置 [r1] 飞行到 [r2] 的航天器的轨道/轨迹，在到达 [r2] 之前花费时间 [tf] 并完成 [m] 次完整轨道。” 每个兰伯特问题的解都不是唯一的； 可以通过长路或短路到达 [r2]，对于 [m > 0]，几乎总是有两个椭圆满足边界条件，因此 [m > 0] 有四个不同的解。 这个函数可以*健壮地*解决任何Lambert问题。 它可以处理短路解决方案（默认）、长路解决方案（通过传递负 [tf]），或左分支（默认）或右分支（通过传递负 [m]）解决方案，以防 [m > 0 ]。 它使用两个独立的求解器； 它尝试的第一个算法是由欧洲航天局的 D. Izzo 博士开发的一种新的未发表的算法 [1]。 这个版本非常快，但特别是对于较大的 [m]，它仍然经常失败。 在这种情况下，会启动一个更健壮的算法（兰卡斯特和布兰卡德 [2] 的算法，R.Good

基于多目标灰狼的冷热电联拱型微电网允许优化/ 考虑用户侧柔性负荷的社区综合能源系统日前优化调度（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于场景的多区域综合能源优化调度（随机优化）（完美复现）matlab-yalmip-cplex/gurobi代码/ 考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化（完美复现）matlab-yalmip-cplex/gurobi代码/ 基于概率距离的场景快速削减法的风光场景生成与削减方法/ 微电网两阶段鲁棒优化经济调度方法（完美复现）matlab-yalmip-cplex/gurobi非答疑版本/ 两阶段鲁棒优化入门到编程/ 并网型微电网光储协同优化调度/matlab-yalmip-cplex/ 含集群电动汽车的微电网多种需求侧资源经济协同调度/

布朗大学工程学院开发的相机投影仪系统标定方法，论文原文是《简单，准确且具有鲁棒性的投影机-摄像机校准.pdf》，可在布朗大学官网下载到，我进行了翻译。

在不确定的环境中灵活的车间调度在现实世界的制造系统中起着重要的作用。 为了捕捉柔性作业车间调度的不确定性和多目标性质，构建了多目标随机柔性作业车间调度问题（MOSFJSSP）的数学模型，该模型包含制造时间跨度，最大机器工作量和鲁棒性三个目标。在各种实际约束下，同时考虑不确定性。 基于统计工具定义了两个基于方案的新的鲁棒性度量。 为了适当地解决MOSFJSSP问题，开发了一种基于分解的改进多目标进化算法（m-MOEA / D）进行鲁棒调度。 我们方法的新颖之处在于，它采用了一种新的子问题更新方法，该方法利用了全球信息，允许保存在档案中的精英们参与子代的产生，采用子问题选择和中止策略，将更多的计算工作集中在有前途的子问题上，并结合了特定问题的遗传算子进行变异。 在18个问题实例上的广泛实验结果，包括8个总柔性实例和10个局部柔性实例，表明这两种新的鲁棒性度量比现有的基于情景的度量更为有效，可以提高进度对不确定性的鲁棒性并保持被破坏目标的较小方差价值观。 与最新的多目标优化进化算法（MOEA）相比，我们提出的基于m-MOEA / D的鲁棒调度方法可实现更好的收敛性能。 还分析了三个目标之间的不同权衡。

利用微分几何和非线性系统控制理论, 研究由控制输入驱动的混沌 Co lpitt s 振荡器系统的控
制问题。 根据 Colpitts 振荡器自身特性,并通过反馈线性化, 为 Co lpit ts 振荡器设计混沌控制器。该控制
器在闭环系统稳定且在参数值的理想值周围无混沌出现的意义下是鲁棒的。仿真结果验证了所得结论
的正确性。

文件里包括了matlab中鲁棒优化的工具箱Xprog与RSOME，另外还有一些鲁棒优化的学习资料。