XiaoMi-AI文件搜索系统
World File Search Systemlyapunov
由 stsmc 引导和控制的垂直起降飞机
本文介绍了在非参数不确定性（阵风和风扰动）下悬停飞行的垂直起降 (VTOL) 无人机 (UAV) 的滚转运动的最佳滑模控制 (SMC) 和最佳超扭转滑模控制 (STSMC) 的设计。本文对受控滚转运动进行了稳定性分析，并基于 Lyapunov 定理证明了渐近误差收敛。据此，针对受不确定性影响的飞机系统制定了控制律。为了避免在选择设计参数时进行反复试验并提高 SMC 和 STSMC 的性能，建议使用灰狼优化进行调整。基于数值模拟，对最佳和非最佳控制器以及最佳 SMSTC 和最佳 SMC 进行了比较研究，比较了跟踪误差和控制信号中的抖动行为。数值模拟表明，GWO 可以提高 SMC 和 STSMC 的性能。此外，在跟踪误差和控制信号抖动效应方面，最佳 STSMC 比最佳 SMC 具有更好的动态性能。
带有混合储能系统的多电飞机的自适应在线电源管理
摘要 — 全电动飞机 (MEA) 因其更高效、更可靠的潜力而成为未来先进飞机的发展趋势。因此，最佳电源管理在 MEA 中起着重要作用，尤其是在使用混合储能系统 (HESS) 时。在本文中，我们提出了一种新型的 MEA 自适应在线电源管理算法，旨在最大限度地减少基于电池-超级电容器 HESS 的发电机的功率波动。该问题首先被表述为一个受约束的随机规划问题。然后，我们提出了一种在线算法，使用 Lyapunov 优化方法近似地解决该问题，该方法不需要任何统计数据和未来的电力需求知识。我们进一步提出了一种 MEA 自适应在线电源管理算法，将自适应策略与在线算法相结合。跟踪驱动的仿真结果证明了所提出的 MEA 电源管理算法的有效性、效率和适应性。
机器人操纵器和自动驾驶汽车的连续循环中基于平坦的控制
摘要：通过使用基于平局的控制方法来解决机器人操纵器和自动驾驶汽车的多变量和非线性动力学的控制问题，该方法在连续循环中实现。这些机器人系统的状态空间模型分为两个子系统，它们之间在级联回路中连接。这些子系统中的每个子系统都可以独立看作是一个差异的系统，并且可以通过其动力学反转来执行其控制，就像输入输出输出线性化频率的情况下一样。第二个子系统的状态变量成为第一个子系统的虚拟控制输入。又将外源控制输入应用于第一个子系统。整个控制方法是在两个连续的循环中实现的，并且通过Lyapunov稳定性分析也证明了其全球稳定性属性。在两个案例研究中确定了控制方法的有效性：（a）控制3-DOF工业刚性链接机器人操纵器，（ii）控制3-DOF自主水下容器。
基于分支对决 Q 网络的分布式储能系统微电网在线调度
I. 引言 微电网是一种很有前途的概念，它可以解决将分布式可再生能源和储能系统整合到电网中的挑战。在线优化是根据系统的实时状态来调度微电网的运行，是确保微电网经济运行的关键技术。然而，可再生能源的不确定性给微电网的在线优化带来了巨大的挑战。为了解决这个问题，研究人员提出了几种在线优化方法，如模型预测控制 (MPC) [1] 和基于近似动态规划 (ADP) 的算法 [2]。然而，上述方法的在线优化性能依赖于预测信息。因此，性能受到可再生能源和负荷功率的预测精度的影响。为了减少对预测的依赖，已经提出了几种其他的微电网在线优化方法，包括 Lyapunov 优化 [3]、CHASE 算法 [4] 以及最近开发的基于深度强化学习 (DRL) 的优化方法（例如深度 Q 网络 (DQN) [5]、MuZero [6]）。
基于改进的AFSA-PSO事件触发方案的电源系统的负载频率控制
针对当前电力系统中冗余信息传输对网络资源利用的影响，提出了基于粒子群优化的事件触发方案，并提出了具有可再生能源的功率系统负载频率控制（LFC）的人工群群。首先，为了保持具有可再生能源的动力系统的稳定性和安全性，本文研究了负载频率控制方案。，为了减轻通信负担并增加网络利用，探索了基于粒子群算法和人工群群的改进的事件触发的方案，以进行功率系统负载频率控制。然后，通过利用改进的Lyapunov函数和线性矩阵不等式方法，建立了负载频率控制系统H∞稳定性的足够条件。最后，构建了两个面积负载频率控制系统和IEEE-39节点仿真模型，以验证所提出方法的有效性和适用性。
自适应联邦学习和工业数字孪生...
摘要 — 工业物联网 (IoT) 支持随着动态和实时工业环境而变化的分布式智能服务，以实现工业 4.0 的优势。在本文中，我们考虑了一种数字孪生赋能工业物联网的新架构，其中数字孪生捕获工业设备的特征以协助联邦学习。注意到数字孪生可能会带来与设备状态实际值的估计偏差，在联邦学习中提出了一种基于信任的聚合来减轻这种偏差的影响。我们基于 Lyapunov 动态赤字队列和深度强化学习自适应地调整联邦学习的聚合频率，以提高资源约束下的学习性能。为了进一步适应工业物联网的异构性，提出了一种基于聚类的异步联邦学习框架。数值结果表明，所提出的框架在学习准确性、收敛性和节能方面优于基准。
传感器 - 语义学者
摘要：由于四旋翼飞行器具有欠驱动、强耦合等特点，传统的轨迹跟踪方法控制精度低，抗干扰能力差。针对四旋翼无人机，设计了一种新的模糊比例-交互式微分（PID）型迭代学习控制（ILC）。该控制方法将PID-ILC控制与模糊控制相结合，继承了ILC控制对干扰和系统模型不确定性的鲁棒性。针对单纯的ILC控制容易受到外界干扰而产生抖动的问题，提出了一种基于PID-ILC算法的新型控制律。采用模糊控制对三个学习增益矩阵的PID参数进行设置，以抑制不确定因素对系统的影响，提高控制精度。利用Lyapunov稳定性理论验证了新设计的系统稳定性。Gazebo仿真表明，所提出的设计方法为四旋翼飞行器设计了有效的ILC控制器。
电动汽车混合储能系统的复合非线性控制
摘要：底层电路控制是电动汽车混合储能系统（HESS）的关键问题。本文结合精确反馈线性化方法和滑模变结构控制技术，提出了一种复合非线性控制策略（CNC），用于全主动HESS的电流/电压的精确跟踪。首先，通过分析HESS的电路特点，推导了全主动HESS的仿射非线性模型。然后，设计基于规则的能量管理策略（EMS）来生成参考电流值。最后，采用精确反馈线性化方法对HESS进行线性化，并结合滑模变结构控制技术开发了所提出的CNC策略，以确保快速响应、高性能和鲁棒性。同时，给出了基于Lyapunov方法的稳定性证明。此外，深入研究了CNC策略的性能，并与传统PI控制和改进的滑模控制进行了仿真研究，充分验证了其在不同驾驶条件下的有效性。
通过测量 Dicke 模型中保真度非时序相关器统一扰乱、热化和纠缠
加扰是存储在局部自由度中的信息扩散到量子系统的多体自由度的过程，从而无法被局部探测器访问，并且显然会丢失。加扰和纠缠可以调和看似不相关的行为，包括孤立量子系统的热化和黑洞中的信息丢失。在这里，我们证明保真非时序相关器 (FOTOC) 可以阐明加扰、纠缠、遍历性和量子混沌（蝴蝶效应）之间的联系。我们为典型的 Dicke 模型计算了 FOTOC，并表明它们可以测量子系统 Rényi 熵并提供有关量子热化的信息。此外，我们说明了为什么 FOTOC 可以在没有有限尺寸效应的混沌系统中实现量子和经典 Lyapunov 指数之间的简单关系。我们的研究结果为实验性使用 FOTOC 探索加扰、量子信息处理的界限以及可控量子系统中黑洞类似物的研究开辟了道路。
非线性系统的基于复发小波的大脑情感学习网络控制器
常规控制系统通常不受非线性和不确定性的共存。本文提出了一个新型的大脑情感神经网络，以支持解决此类挑战的问题。所提出的网络将小波神经网络集成到传统的大脑情感学习网络中。通过引入经常性结构来进一步增强这一点，以利用两个网络作为大脑情感学习网络的两个渠道。因此，提出的网络结合了小波函数的优势，反复机制和大脑情感学习系统，以在不确定的环境下对非线性问题的最佳性能。所提出的网络可与一个边界综合器一起模仿理想的控制器，并且根据从Lyapunov稳定性分析理论得出的定律进行了参数。提出的系统应用于两个不确定的非线性系统，包括一个混乱的系统和模拟的3-DOF球形关节机器人。实验表明，所提出的系统的表现优于其他流行的基于神经网络的控制系统，表明所提出的系统的优势。