XiaoMi-AI文件搜索系统
World File Search System控制律
使用 PD 和反步控制对 Pelican 四旋翼飞行器进行实时设置
近年来，四旋翼飞行器控制设计研究迅速增多。四旋翼飞行器的线性控制器设计已在多项工作中实现，如线性二次调节器 (LQR) 和比例积分微分 (PID) (Khatoon 等，2014) (Reyes-Valeria 等，2013)。非线性控制设计也已通过不同的技术实现，如反步法 (Das 等，2009)、滑模 (Runcharoon 和 Srichatrapimuk，2013) 和反馈线性化 (Saif，2009)。 (Castillo 等，2005) 将非线性控制算法与 LQR 控制律的性能进行了比较。结果表明，线性控制器应用于非线性系统时响应不稳定，而非线性控制器则表现出稳定的响应。 (Gomes 等人，2016) 使用 AR.Drone 四旋翼飞行器和 Vicon 运动捕捉系统跟踪移动目标，并使用比例微分 (PD) 控制器进行线性定位。 (Mashood 等人，2016) 展示了两架 AR.Drone 沿平方路径飞行的实验结果，使用 VICON 系统和 MATLAB/SIMULINK 进行反馈和控制实现。这可以通过 AR Drone Simulink 开发套件 (ARDSDK) 实现。 (Campbell 等人，2012) 展示了四旋翼飞行器自动驾驶仪的设计和实现，使无人机能够起飞、从一个位置转移到另一个位置并降落在所需位置。
低阻力艾哈迈德体的人工智能控制......
本研究提出了一种机器学习或人工智能 (AI) 控制低阻力 Ahmed 体的方法，其后倾角 ϕ = 35°，旨在找到有效减阻 (DR) 的策略。根据机身横截面积的平方根，所研究的雷诺数 Re 为 1.7 × 10 5。控制系统包括五个独立操作的稳定微喷射阵列，沿后窗和垂直底座的边缘吹出，车身尾部的二十六个压力抽头，以及一个基于蚁群算法的控制器，用于无监督学习近乎最优的控制律。成本函数的设计同时考虑了 DR 和控制功率输入。AI 控制的学习过程发现强迫产生高达 18 % 的 DR，相当于阻力系数降低 0.06，大大超过了之前报道的这种机身的任何 DR。此外，发现的强迫因素可能提供替代解决方案，即在 DR 略微牺牲的情况下大幅提高控制效率。在有控制和无控制的情况下进行的大量流量测量表明，车身周围的流动结构发生了显著变化，例如后窗上的流动分离、再循环气泡和 C 柱涡流，这些都与窗户和底座上的压力上升有关。揭示了 DR 的物理机制，以及在最佳控制或最大 DR 下改变的流动结构的概念模型。进一步将该机制与最高控制效率下的机制进行了比较。
用于治疗杜氏肌营养不良症儿童的步态辅助外骨骼的机电一体化设计
摘要：本文介绍了一种用于治疗杜氏肌营养不良症 (DMD) 儿童的步态辅助外骨骼的机电一体化设计。这种类型的肌营养不良症是一种严重的疾病，会导致肌肉萎缩，从而导致活动能力逐渐丧失。临床研究表明，物理治疗有助于延长杜氏肌营养不良症患者的活动能力。然而，治疗过程是由高素质康复人员执行的繁琐活动，这使得为每位患者提供适当的治疗变得困难。本文开发了一种步态辅助外骨骼的机电一体化设计，以实现治疗过程的自动化。外骨骼设计使用适应性机制来根据患者的需求调整设备，并包括串联弹性致动器的设计，以减少外骨骼和患者之间旋转轴不对齐的影响。利用六岁儿童的人体测量数据，开发了外骨骼和儿童身体的数学动态混合模型。混合模型用于设计非线性控制策略，该策略使用微分几何进行反馈线性化并确保稳定的参考跟踪。所提出的控制律在模拟中进行了数字验证，以评估在使用轨迹跟踪程序进行治疗期间，控制系统在参数变化下的性能和鲁棒性。
跟踪飞机轨迹...
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中，确保所采用的方法准确，特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段（例如进近和着陆）尤其重要，因为飞行在拥挤的空域和近地飞行。在这些阶段，干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此，风是飞行系统最危险的干扰之一，因为它不可预测，对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性，迄今为止已经研究了几种用于此应用的方法。在 [19] 中，作者提出了一种 gamma/theta 制导律，用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题，并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案，利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案，与传统的基于非线性动态反演的方法相比，其跟踪性能有所提高。与 [19] 类似，需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
可变负荷和环境条件下独立光伏系统的鲁棒动态控制策略
摘要：双级独立光伏 (PV) 系统存在稳定性和可靠性问题，其提供最大功率的效率受环境条件变化的极大影响。混合反步控制 (BSC) 是最大功率点跟踪 (MPPT) 的良好候选方案，但是，由于 BSC 的递归性质，PV 输出中存在显著的稳态振荡。该问题可以通过提出一种混合积分反步控制 (IBSC) 算法来解决，其中提出的积分作用可显著降低 PV 阵列输出在不同温度和太阳辐照度水平下的稳态振荡。同时，在交流阶段，主要挑战是减少由负载参数变化引起的 VSI 输出的稳态跟踪误差和总谐波失真 (THD)。尽管传统的滑模控制 (SMC) 对参数变化具有鲁棒性，但它本质上是不连续的并且继承了过于保守的增益设计。为了解决这个问题，提出了一种基于超扭转控制 (STC) 的动态扰动抑制策略，其中设计了一个高阶滑模观测器来估计负载扰动的影响作为集中参数，然后由新设计的控制律拒绝该参数以实现所需的 VSI 跟踪性能。所提出的控制策略已通过 MATLAB Simulink 验证，其中系统在 0.005 秒内达到稳定状态，并在峰值太阳辐射水平下提供 99.85% 的 DC-DC 转换效率。交流级稳态误差最小化为 0 V，而 THD 分别限制为线性和非线性负载的 0.07% 和 0.11%。
Tejas 飞行测试：迄今为止吸取的教训 - NATO STO
Wg Cdr (Retd) PK Raveendran SC Wg Cdr Malteesh Prabhu 国家飞行测试中心，航空发展局 班加罗尔 560 015，印度 摘要 印度轻型战斗机 (Tejas) 项目已成功完成全面工程开发 (FSED) 阶段，目前处于初始作战能力 (IOC) 审批阶段。Tejas 计划是印度在军事航空领域追求技术卓越的最佳典范。因此，该计划对所有参与的团体和个人来说都是一次很好的学习经历。本文重点介绍了从这个具有挑战性的计划中吸取的一些教训。术语 ADA 航空发展机构 BMS 刹车管理系统 CLAW 控制律 DFCC 数字式飞行控制计算机 ECS 环境控制系统 EU 电子单元 FCS 飞行控制系统 FSED 全尺寸工程开发 HAL 印度斯坦航空有限公司 HUD 平视显示器 IFCS 综合飞行控制系统 IOC 初始作战能力 IV&V 独立验证和确认 LCA 轻型战斗机 MFD 多功能显示器 MFK 多功能键盘 MFR 多功能旋转（开关） NFTC 国家飞行测试中心 NWS 前轮转向 RFA 行动请求 SOP 标准操作程序 UFCP 前控制面板 Raveendran, P.K.; Prabhu, M. (2005) Tejas 飞行测试：迄今为止的经验教训。飞行测试中 - 分享知识和经验（第 14 页
脉冲神经网络的最优控制
控制理论提供了一种自然语言来描述多区域交互和灵活的认知任务，例如隐性注意力或脑机接口 (BMI) 实验，这些实验需要找到足够的局部电路输入，以便以上下文相关的方式控制其动态。在最佳控制中，目标动态应该最大化沿轨迹的长期价值概念，可能受控制成本的影响。由于这个问题通常难以处理，因此当前控制网络的方法大多考虑简化设置（例如，线性二次调节器的变体）。在这里，我们提出了一个数学框架，用于对具有低秩连接的随机脉冲神经元的循环网络进行最佳控制。一个基本要素是控制成本，它惩罚偏离网络默认动态（由其循环连接指定），从而促使控制器尽可能使用默认动态。我们推导出一个贝尔曼方程，该方程指定低维网络状态 (LDS) 的值函数和相应的最佳控制输入。最优控制律采用反馈控制器的形式，如果神经元的脉冲活动倾向于将 LDS 移向更高（更低）值的区域，则该控制器向循环网络中的神经元提供外部兴奋性（抑制性）突触输入。我们使用我们的理论来研究将网络状态引导到特定终端区域的问题，这些终端区域可以位于 LDS 中具有慢速动态的区域内或区域外，类似于标准 BMI 实验。我们的结果为一种具有广泛适用性的新方法奠定了基础，该方法统一了神经计算的自下而上和自上而下的视角。
使用人工智能工厂模型对柴油机进行模型预测控制
为了实现零碳社会，人们关注的焦点是减少交通运输领域的碳排放1)、2)，但对于支持物流的大型柴油车辆，也需要提高燃油效率并减少碳排放。近年来，柴油机废气排放评价方法不断更新，需要能够在各种条件下满足废气法规的控制方法。然而，众所周知，发动机建模是一个难题，因为它涉及燃烧现象，并且非线性、延迟和相互作用的存在使得构建控制器变得困难。 参考文献3)阐述了对柴油机进排气系统H ∞ 控制的研究，提出了一种通过切换控制器来覆盖运行范围的方法。另一方面，人们也在研究利用实验数据创建发动机的神经网络模型4)。虽然可以使用复杂且详细的仿真模型来模拟发动机，但是很难将其直接用作控制模型。一旦收集到数据，就可以相对容易地创建神经网络，并且神经网络被广泛用于近似、分析、异常检测和模拟。参考文献5），6）研究柴油机的模型预测控制，利用机器学习推导出状态空间表示，并利用神经网络近似控制律，实现高速控制计算。在参考文献[7]中，我们提出了一种结合Hammerstein-Wiener模型和输入凸神经网络的模型。我们还通过将该方法应用于发动机气道系统的建模和控制来检验其实际适用性。在参考文献8)中，提出了一种基于模型的柴油发动机空气路径控制，作为一种模型预测算法，解决具有输入约束的最优控制问题。在参考文献[9]中，开发了一种基于非线性自回归模型的非线性模型预测控制器，该控制器使用外生输入神经网络来解决柴油发动机的控制问题。然而，目前还没有开发出能够建立柴油发动机的神经网络模型并针对该模型系统地进行设计的控制方法。
无模型滑模控制算法（包括对真实四旋翼飞行器的应用）
摘要 - 滑模控制是一种鲁棒的非线性控制算法，已用于实现无人飞机系统的跟踪控制器，该控制器对建模不确定性和外部干扰具有鲁棒性，从而为自主操作提供出色的性能。无人飞机系统滑模控制应用的一个重大进步是采用无模型滑模控制算法，因为滑模控制实施中最复杂和最耗时的方面是结合系统模型推导控制律，这是每个单独的滑模控制应用都需要执行的过程。使用各种航空系统模型和真实世界干扰（例如离散化和状态估计的影响）在模拟中比较了各种无模型滑模控制算法的性能。结果表明，两种性能最佳的算法表现出非常相似的行为。这两种算法在四旋翼飞行器上实现（在模拟和使用真实硬件的情况下），并使用相同的状态估计算法和控制设置将其性能与传统的基于 PID 的控制器进行了比较。模拟结果表明，无模型滑模控制算法表现出与 PID 控制器相似的性能，而无需繁琐的调整过程。两种无模型滑模控制算法之间的比较表明，通过跟踪误差的二次均值测量，性能非常相似。飞行测试表明，虽然无模型滑模控制算法可以控制真实硬件，但在成为传统控制算法的可行替代方案之前，还需要进一步的特性描述和重大改进。无模型滑模控制和基于 PID 的飞行控制器都观察到了较大的跟踪误差，并且其性能对于大多数应用而言是不可接受的。两种控制器的性能不佳表明跟踪误差可以归因于状态估计中的误差。通过改进状态估计进行进一步测试将可以得出更多结论。关键词：无模型控制、滑模控制、鲁棒控制、飞行控制、无人机系统。1.简介
利用机器人操纵器进行柔性航天器建模与控制
由于存在碰撞风险和人造物体的堆积，尤其是在低地球轨道 (LEO) 中，围绕地球运行的空间垃圾的增多已成为现役航天器和未来任务面临的重大问题。为了缓解这一问题，人们提出了新的解决方案。空间机器人已被纳入在轨服务，以帮助人类在太空环境中开展活动，特别是机器人操纵器可以在主动清除碎片方面发挥关键作用。本论文的目的是开发一个灵活的航天器动力学和控制模型，包括空间操纵器。采用混合方法实现主体和操纵器动力学。具体而言，操纵器运动方程是从拉格朗日公式中获得的，而主体动力学则用刚体的欧拉方程表示。机械臂是一个带有两个连杆的两自由度 (DOF) 平面操纵器。主要结构特性是在与文献中的空间机械臂进行比较后选择的。另一方面，JAXA 微型卫星 PROCYON 被用作航天器的主体。与 PROCYON 航天器一样，也考虑了金字塔形配置的四个反作用轮系统。所有建模和仿真阶段均在 MATLAB/SIMULINK 环境中进行。这项工作的另一个重要方面是卫星的柔性部分，由 PROCYON 航天器的四个太阳能电池板表示。使用 PATRAN/NASTRAN 进行有限元法 (FEM) 分析，以获得模型所需的自然模式和频率，并评估刚性和柔性部分之间的耦合矩阵。论文的第二部分是关于控制策略。两种不同的控制器用于机械手的运动和主体姿态控制。机械臂采用简单的比例-积分-微分 (PID) 控制器，目的是实现所需的关节角度位置，以便捕获碎片/目标。对于姿态控制，采用具有线性二次调节器 (LQR) 的主动抗扰控制 (ADRC) 作为控制律，以便获得快速稳定的响应，并消除作用于系统的所有内部和外部扰动。仿真环境中的令人满意的结果证明了 ADRC 执行姿态控制的能力，