XiaoMi-AI文件搜索系统
World File Search SystemLyapunov
混合储能系统的自适应发电机分配方案，以减少电动汽车中的电池能量吞吐量
摘要电池/超级电容器（SC）混合储能系统（HESS）在近年来由于混合系统而广泛应用于电动汽车（EV），该系统结合了两种设备的好处。本文提出了电池/SC HESS的自适应电源分配方案，以根据其存储的能量和负载电流最大化SC的使用情况。在方法中，使用自适应算法开发低通滤波器，以计算合适的截止频率，以分配电池和SC之间的功率需求。该方法可以调整截止频率，但不能更改控制系统的结构，因此其简单实现和稳定性的原始属性不会受到影响。全面的仿真研究验证了电池/SC HESS中提出的自适应发电方案的有效性，并使用Lyapunov方法进一步验证了其稳定性。结果表明，自适应方法的性能优于传统控制系统，在操作过程中，电池能量吞吐量降低了20％–40％，并且可以根据SC的能量能力来调整HESS的动态响应，以进一步提高系统效率。已验证了建议的自适应发电计划，能够在电动汽车应用程序中延长HESS系统的使用寿命。
kcrl：Krasovskii受限的强化学习，并在非线性离散时间系统中保证稳定
摘要 - 学习动力系统需要稳定未知的动态，以避免状态爆炸。但是，标准加固学习（RL）方法缺乏正式的稳定保证，这限制了其用于控制现实世界动态系统的适用性。我们提出了一种新型的政策优化方法，该方法采用Krasovskii的Lyapunov家族作为稳定性约束。我们表明，即使在建模误差下，也可以使用原始偶的方法解决此稳定性受限的优化问题，即使在建模误差下也恢复了基础系统的稳定策略。将此方法与模型学习结合在一起，我们提出了一个基于模型的RL框架和正式稳定性保证，Krasovskii-限制性增强学习（KCRL）。我们在模型学习中使用基于内核的特征表示KCRL，并提供了样本复杂性保证，以学习针对基础系统的稳定控制器。此外，我们从经验上证明了KCRL在学习分布式电源系统的在线电压控制中学习稳定政策的有效性。我们表明，KCRL在各种真实的太阳能和电力需求中稳定该系统，而标准RL方法通常无法稳定。
伪数的数量产生来自嵌入在微控制器中的维也纳振荡器刺激的约瑟夫森连接
摘要。本文给出了WIEN桥振荡器（JJSWBO）刺激的Josephson结数（PRNG）的推导及其微控制器验证。通过JJSWBO的数值研究，构成系统参数的不同坐标空间中的百科全书动态图明确阐述了呈现最大Lyapunov指数（GLE）的系统的全局行为。混乱的行为被捕获，以大于零的GLE，而GLE的周期性行为小于零。此外，分叉特征暴露了可周期性的振荡和可周期性的周期性振荡，可周期性的兼诊途径，可与可混乱的混乱途径，可行的常规行为的拦截以及可混乱的表现，共存的吸引者，单稳定的混乱动力学和内在的现象现象。提出了JJSWBO的微控制器验证（MCV），以验证数值仿真结果。从描述JJSWBO的混沌方程式，设计了一个线性反馈移位寄存器（LFSR）作为后处理单元的PRNG。通过使用NIST 800-22测试套件成功测试了来自建议的基于JJSWBO的PRNG的生成二进制数据的随机性。此结果有助于确认JJSWBO对加密方案和其他基于混乱的应用程序的适用性。
使用库计算预测自适应仓本网络中的宏观动态
预测系统行为是复杂系统理论中遇到的一项基本任务。机器学习提供监督算法，例如循环神经网络和储层计算机，它们可以预测由多维时间序列组成的模型系统的行为。在现实生活中，我们通常对复杂系统的行为了解有限。最典型的例子是脑电图描述的大脑神经网络。预测这些系统的行为是一项更具挑战性的任务，但为实际应用提供了潜力。在这里，我们训练储层计算机来预测相位振荡器网络产生的宏观信号。李雅普诺夫分析揭示了信号的混沌性质，储层计算机无法预测它。使用 Takkens 定理增强特征空间可以提高预测质量。当信号数量与通过最近假邻居方法估计的嵌入维度一致时，RC 获得了最佳预测分数。我们发现短期预测需要大量特征，而长期预测则使用有限数量的特征。这些结果涉及偏差-方差权衡，这是机器学习中的一个重要概念。
RIGA 是量子门生成的通用算法
摘要：RIGA（参考输入生成算法）是一种单调数值方法，用于为薛定谔方程描述的封闭系统生成量子门。在之前的论文中，作者提出了一种单调量子门生成算法，本文称为 L-RIGA（Lindblad-RIGA），该算法能够考虑由 Lindblad 主方程描述的开放量子系统。作者在该论文中声称（但没有证据）L-RIGA 最初是从 RIGA 的一个版本中获得的。在本文中，我们介绍了这个版本的 RIGA，本文称为 F-RIGA（Fock-RIGA），它可以在将开放量子系统转换为 Fock-Liouville 描述后对其进行考虑。此转换基于 Fock-Map，即将 × n 埃尔米特矩阵发送到实欧几里得空间的 2 向量的映射 F。本文的贡献在于表明 L-RIGA 和 F-RIGA 是等价的，即对于每个步骤 ℓ ，通过 Fock-Map 的逆变换将 F-RIGA 获得的数据转换为 L-RIGA 同一步骤中获得的数据，同时让相应的 Lyapunov 函数保持不变。此外，由于 L-RIGA 与 Krotov 方法的一个版本非常相似，这项工作的一个副产品也是在 Krotov 方法的该版本与 RIGA 所调用的算法系列之间建立了紧密的联系。
考试问题机器人技术和人工智能
1。控制系统设计。控制系统和系统配置的基本组件。2。系统的标准数学模型：输入输出模型，状态空间模型。3。动态系统线性化，并评估雅各布基质。4。框图转换：系列，并行和反馈连接。5。系统的结构特性：可控性和可观察性。6。一阶和二阶系统：传输功能，步骤响应，冲动响应。7。连续时间系统的稳定性：定义，S-平面根位置，Routh-Hurwitz稳定性标准。8。Lyapunov确定连续时间系统稳定性的方法。9。Nyquist稳定性标准。时间延迟系统的稳定性。10。系统的性能特征（规格）：过冲，沉降时间，稳态误差，相对稳定性，阻尼比。11。稳态准确性。具有不同类型编号（集成数）的Unity反馈控制系统中的稳态错误。12。标准特征多项式：Butterworth多项式，二项式多项式。13。通过模态控制（POL放置）对线性系统的稳定。 14。 连续时间系统（Luenberger观察者）的全顺序和降低状态观察者。通过模态控制（POL放置）对线性系统的稳定。14。连续时间系统（Luenberger观察者）的全顺序和降低状态观察者。
基于图表的MADRL用于无线网络控制系统中的访问控制和资源分配
摘要 - 无线网络控制系统（WNC）通过实现传感器，决策中心和执行器之间的无线协调来彻底改变工业自动化。但是，WNC中效率低下的访问控制和资源分配是限制闭环性能和控制稳定性的两个关键因素，尤其是在光谱和能源资源受到限制时。在本文中，我们首先分析了维持WNC的控制稳定性的最佳调度条件，然后制定一个长期优化问题，该问题可以共同优化边缘设备的访问策略，并在Edge Server中授予策略和资源分配。我们采用Lyapunov优化将长期优化问题分解为一系列独立的子问题，并提出了一个基于基于多代理的多代理深度强化学习算法的异质注意图，该学习算法可以共同优化访问和资源分配策略。通过利用注意力机制将图形表示从异质代理投射到统一的空间中，我们提出的算法促进了异质剂之间的协调，从而增强了整体系统性能。仿真结果表明，我们提出的框架的表现优于几个基准，从而验证了其有效性。
用于灵活飞机轨迹跟踪和负载减轻的非线性增量控制
本文提出了一种用于柔性飞机同时进行轨迹跟踪和负载减轻的非线性控制架构。通过利用控制冗余，可以在不降低刚体指令跟踪性能的情况下减轻阵风和机动负载。所提出的控制架构包含四个级联控制环路：位置控制、飞行路径控制、姿态控制和最优多目标机翼控制。由于位置运动学不受模型不确定性的影响，因此采用非线性动态逆控制。相反，飞行路径动力学受到模型不确定性和大气扰动的干扰；因此采用增量滑模控制。基于 Lyapunov 的分析表明，该方法可以同时降低传统滑模控制方法的模型依赖性和最小可能增益。此外，姿态动力学为严格反馈形式；因此采用增量反步滑模控制。此外，还设计了一种新型负载参考生成器，用于区分执行机动所需的负载和过载负载。负载参考由内环最优机翼控制器实现，而过载负载由襟翼自然化，而不会影响外环跟踪性能。通过空间轨迹跟踪任务和阵风负载缓解任务验证了所提出的控制架构的优点
独立直流微电网中基于换流器的可再生能源新型本地控制技术
本文基于能量分析，提出了一种用于独立直流微电网中基于转换器的可再生能源的新型本地控制方法。所研究的直流微电网包括可再生能源、备用发电单元和基于电池的储能系统，它们通过降压和双向降压-升压转换器连接到公共直流母线。所提出的控制方法通过控制转换器的开关功能来满足微电网输出变量的稳定性以及电流控制和电压调节，而与能源动态无关。通过数学方法利用状态反馈将开关函数的动态分量提取为控制信号。控制输入基于 Lyapunov 稳定性定理设计，通过能量分析保证独立直流微电网中输出变量（直流母线电压和发电电流）的稳定性。所提出的分布式控制器可以很容易地推广为一个平台，其中包含各种独立直流微电网，包括任何类型或数量的分布式发电，例如可再生能源、基于化石燃料的发电和储能单元。这种局部控制方法的其他特点是简单、快速、全面和独立于分布式发电。通过在 MATLAB/SIMULINK 环境中的仿真验证了所提出的控制器的动态性能评估。结果验证了所提出的控制策略在各种运行条件下的准确性和稳定性。
基于无人机的 GPS 拒绝环境中目标跟踪的协作 Visual-SLAM 系统：以目标为中心的方法
摘要：使用无人机 (UAV) 自主跟踪动态目标是一个具有挑战性的问题，在许多场景中都有实际应用。在这种情况下，必须解决的一个基本方面与空中机器人的位置估计和控制飞行编队的目标有关。对于非合作目标，必须使用机载传感器估计其位置。此外，对于估计无人机的位置，全球位置信息可能并不总是可用的（GPS 拒绝环境）。这项工作提出了一种基于视觉的合作 SLAM（同步定位和地图绘制）系统，该系统允许一组空中机器人自主跟踪在 GPS 拒绝环境中自由移动的非合作目标。这项工作的贡献之一是提出并研究使用以目标为中心的 SLAM 配置来解决与众所周知的以世界为中心和以机器人为中心的 SLAM 配置不同的估计问题。从这个意义上说，所提出的方法得到了从广泛的非线性可观测性分析中获得的理论结果的支持。此外，还提出了一种控制系统，用于保持相对于目标的稳定无人机飞行编队。在这种情况下，使用 Lyapunov 理论证明了控制律的稳定性。通过采用大量计算机模拟，所提出的系统显示出可能优于其他相关方法。