XiaoMi-AI文件搜索系统
World File Search System控制输入
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。
学习增强的非线性模型预测性控制使用基于知识的神经差分方程和深度
非线性模型预测控制（MPC）是一种灵活且越来越流行的框架，用于合成可以满足状态和控制输入约束的反馈控制策略。在此框架中，在每个时间步骤中都解决了以非线性动力学模型为特征的一组动力学约束的优化问题。尽管具有多功能性，但非线性MPC的性能通常取决于动力学模型的准确性。在这项工作中，我们利用深度学习工具，即基于知识的神经普通微分方程（KNODE）和深层合奏，以提高该模型的预测准确性。特别是，我们学到了一个Knode模型的集合，我们将其称为Knode集合，以获得对真系统动力学的准确预测。然后将这个学到的模型集成到一种新颖的学习增强的非线性MPC框架中。我们提供了足够的条件，可以保证闭环系统的渐近稳定性，并表明这些条件可以在实践中实施。我们表明，knode集成提供了更准确的预测，并使用两个案例研究说明了所提出的非线性MPC框架的效率和闭环性能。关键字：非线性模型预测性控制，深度学习，神经差异方程，深层合奏
使用
摘要 - 本文将着重于自动驾驶汽车中的自适应巡航控制。自适应巡航控制输入是安全距离，该安全距离取决于距离值，测量距离，自动驾驶汽车本身的纵向速度，输出是所需的加速度。目标是根据超声波传感器测量的距离跟随前面的车辆，并保持前方车辆之间的距离大于我们确定的安全距离。为此，我们使用了基于适用于自适应巡航控制系统的神经网络，使用了超级扭曲滑动模式控制器（STSMC）和非单明的终端滑动模式控制器（NTSMC）。神经网络能够近似于NTSMC控制器的指数达到法律项参数，以补偿不确定性和扰动。使用超声波传感器生产并测试了一个自主汽车自适应巡航控制系统原型，以测量两家汽车之间的距离，而Arduino板作为微控制器，以实施我们的程序，并将四个DCS Motors作为执行器作为执行器，以移动或停止我们的主机车辆。该系统由代码和Simulink Matlab处理，这些控制器的效率和鲁棒性非常好，如低纵向速度误差值所证明的那样。使用基于神经网络控制器的STSMC和NTSMC改善自适应巡航控制，可以提高自动驾驶汽车的安全性，这些神经网络控制器的效率和鲁棒性选择。
飞行控制系统纵向模式的总能量控制法（TEC）
论文的目的是为合并高度和空速控制的非传统控制定律开发设计和仿真框架，其中推力和电梯控制输入均同时且无缝地使用。与独立治疗推力和态度控制的传统方法相比，可以实现绩效和飞行安全性的显着增长。结果应该在主管的教育活动中使用（飞行控制系统的讲座和实验室，SRL），以及与从事通用航空飞行控制解决方案的工业合作伙伴的预见合作。1。为研究中提出的解决方案开发用于线性控制设计和非线性仿真验证的工具[1]。在与主管协商时，请选择感兴趣的案例。使用课程飞行控制系统SRL采用飞行力学模型。2。调整开发的工具，并使用传统解决方案进行定性和定量的比较分析，您在飞行控制系统课程的半阶段项目中开发了这些解决方案，对于步骤1中选择/商定的情况。Alt HLD/SLCT，GS TRK，MACH HLD是一些预期的示例。3。表明[1]中使用的方法和用于小型无人机的PX4单元[2]中使用的方法有显着差异。在与主管协商时实施选定的解决方案，并提供控制设计和评估结果。
自动驾驶汽车的时间 - 最佳轨迹计划和跟踪
摘要：本文提出了一个用于自动驾驶汽车轨迹计划和跟踪的层次控制框架，以应对准确遵循高速，限制性操作的挑战。提出的时间优势轨迹计划和跟踪（TOTPT）框架利用层次控制结构，具有离线轨迹优化（TRO）模块和在线非线性模型预测性控制（NMPC）模块。TRO层使用直接搭档方法生成最小单圈时间轨迹，该方法优化了车辆的路径，速度和控制输入，以达到最快的圈速时间，同时尊重车辆动力学和轨道约束。NMPC层负责准确跟踪TRO实时生成的参考轨迹。NMPC还结合了一种预览算法，该算法利用预测的未来旅行距离来估算下一个时间步骤的最佳参考速度和曲率，从而改善了整体跟踪性能。在加泰罗尼亚电路上的仿真结果证明了该框架以平均速度为116 km/h准确地遵循时间优势的赛车的能力，最大侧向误差为0.32 m。 NMPC模块使用具有实时迭代（RTI）方案的ACADOS求解器来实现毫秒级计算时间，从而可以在自动驾驶汽车中实时实施它。
IDB-A 多级运动计划：光纤束配方
摘要 - 具有复杂动态的机器人系统的动态计划是一个具有挑战性的问题。最近基于抽样的算法通过传播随机控制输入来实现渐近最优性，但它们的经验收敛速率通常很差，尤其是在高维系统（如多电动器）中。另一种方法是使用简化的几何模型进行首先计划，然后使用轨迹优化来遵循参考路径，同时考虑真实动力学。但是，如果初始猜测不接近动态可行的轨迹，则此方法可能无法产生有效的轨迹。在本文中，我们提出了迭代的不连续性A*（IDB- a*），这是一种新型的运动动力运动计划者，可以迭代地结合搜索和优化。搜索步骤利用了有限的短轨迹（运动原语），这些轨迹是相互互连的，同时允许它们之间存在界限的不连续性。优化步骤在本地通过轨迹优化的不连续性进行了修复。通过逐步降低允许的不连续性并结合更多的运动原始性，我们的算法可实现渐近最优性，并在任何时候表现出色。我们提供了八个不同动力学系统的43个问题的基准，包括不同版本的独轮和多旋转器。与最先进的方法相比，IDB-A*始终如一地解决了更多的问题实例，并更快地发现了较低成本的解决方案。
通过加强学习的集成钻头寻求洞控制
摘要 - 智能钻孔寻求洞穴是一种有前途的技术，可提高钻孔效率，减轻潜在的安全危害并减轻人类操作员。大多数现有的智能钻臂控制方法依赖于基于反向运动学的分层控制框架。但是，由于反向运动学的计算复杂性以及多个关节的顺序执行效率低下，这些方法通常是耗时的。为了应对这些挑战，本研究提出了一种基于强化学习（RL）的综合钻孔控制方法。我们开发了一个集成的钻臂控制框架，该框架利用参数化策略在每个时间步骤中直接为所有关节生成控制输入，利用关节姿势和目标孔信息。通过将寻求洞穴的任务制定为马尔可夫决策过程，可以直接使用当代主流RL算法来学习寻求洞穴的政策，从而消除了对逆动力学解决方案的需求并促进合作的多关节控制。为了在整个钻井过程中提高钻孔精度，我们设计了一种结合Denavit-Hartenberg联合信息并预览寻求洞穴差异数据的状态表示。仿真结果表明，就寻求洞的准确性和时间效率而言，所提出的方法显着优于传统方法。索引术语 - 强化学习，集成的钻头控制，寻求孔，机器人臂
被动侧杆和硬着陆 - 有联系吗？
一名飞行员能够感知来自另一名飞行员的飞行控制输入。在多机组驾驶舱中，有一项任务是“飞行飞行员”(PF)，负责驾驶飞机，还有一项是“监控飞行员”(PM)，负责主动监控飞行。美国联邦航空管理局 (FAA) 对 PM 任务的定义是：“监控包括观察和建立心理模型的过程，通过寻找可用信息来比较飞机的实际状态和预期状态。”[2]。在某些情况下，有效的监控是防止事故发生的最后一道防线。然而，在配备了被动侧杆的驾驶舱中，当 PM 不能直接获得飞行控制输入时，很难预测飞机状态。本研究重点关注被动侧杆对商用喷气式飞机硬着陆事故的影响。空中客车于 1987 年在空客 A320 上推出了第一款商用航空被动侧杆[3]。从那时起，被动侧杆逐渐被引入公务机航空领域，2005 年首次引入达索猎鹰 7X。那时，空客已经在商用喷气式飞机航空市场占据了很大份额。2007 年，全球 18% 的商用喷气式飞机都是被动侧杆飞机，全部由空客制造。然而，在过去 10 年里，越来越多的制造商转向被动侧杆系统。2017 年，除了空客之外，还有 3 家制造商
声光 Q 开关驱动器（RF 驱动器） - Sintec Optronics
1. QSD 系列 Q 开关驱动器 高功率 RF 驱动器模块，输出功率为 50W、75W 或 100W。由 220VAC 或 110VAC 供电，调制输入允许全数字控制或激活内部脉冲发生器。第一个脉冲抑制自动实施。主要规格： 射频功率输出：50W、75W 或 100W 频率：27.125MHz 驻波比：≤1.2:1 调制重复频率：800Hz-50KHz 第一脉冲抑制 调制控制输入：数字 TTL，直到 100kHz 驱动器过热，Q 开关过热 内部过温保护和过流保护 频率数字显示 电源电压输入：220VAC/110VAC，<150W 型号：QSD-2750（50W）、QSD-2775（75W）或 QSD-27100（100W） 尺寸：19” 2U 机架，483×88×200mm 2. R390 系列 Q 开关驱动器（RF 驱动器） R390xx-yyDMzzz-A（50W、100W） 输出为功率为 50 或 100W。由 28VDC 供电，调制输入允许全数字控制或激活内部脉冲发生器。第一脉冲抑制是通过模拟调制、RF 关闭模拟控制、触发第一脉冲抑制或触发预脉冲抑制来实现的，如我们的 FPS 指导说明中所述。板载 LED 和 TTL 逻辑输出监控驱动器状态，并通过散热器上的强制空气进行冷却。
通过大脑实现双手机械臂的共享控制......
智能机器人系统和脑机接口 (BMI) 的进步帮助患有感觉运动障碍的个体恢复了功能和独立性；然而，由于通过用户输入以协调的方式控制多个肢体的多个自由度 (DOF) 的技术复杂性，需要双手协调和精细操作的任务仍然未得到解决。为了应对这一挑战，我们实施了一种协作共享控制策略来操纵和协调两个模块化假肢 (MPL) 以执行双手自我进食任务。一位在感觉运动大脑区域有微电极阵列的人类参与者向两个 MPL 发出命令来执行自我进食任务，其中包括双手切割。从双侧神经信号解码运动命令，以一次控制每个 MPL 上的最多两个 DOF。共享控制策略使参与者能够将其四自由度控制输入（每只手两个）映射到多达 12 个 DOF，以指定机器人末端执行器的位置和方向。通过使用神经驱动的共享控制，参与者成功同时控制了两个机械肢体的运动，从而在复杂的双手自主进食任务中切开和进食食物。通过 BMI 与智能机器人行为协作实现的双手机器人系统控制的演示对于恢复感觉运动障碍患者的复杂运动行为具有重要意义。