基于分数阶对偶拥塞算法的分数阶PID控制器建立方法

    公开(公告)号:CN114942587A

    公开(公告)日:2022-08-26

    申请号:CN202210800100.7

    申请日:2022-07-08

    Abstract: 本发明公开了一种基于分数阶对偶拥塞算法的分数阶PID控制器建立方法,属于控制器技术领域,包括如下步骤:构建由分数阶微分方程描述的无控的分数阶对偶拥塞算法;对所述无控算法施加分数阶PID控制器,得到分数阶PID控制器作用下的受控的分数阶对偶拥塞算法;将受控算法等价变换,在平衡点处线性化,得到线性化后的受控算法的特征方程;选取时滞作为分岔参数,通过对线性化后的受控算法的特征方程进行稳定性分析与Hopf分岔分析,通过设置适当的控制器参数,使所述受控的分数阶对偶拥塞算法在平衡点附近局部渐近稳定,提高其稳定范围。本发明所设计的分数阶PID控制器可调节的参数多,实际操作简便易行,控制效果显著,具有较强的适用性。

    基于高速飞行的牵引式大负载缆索检测机器人及检测方法

    公开(公告)号:CN113386952A

    公开(公告)日:2021-09-14

    申请号:CN202110618800.X

    申请日:2021-06-03

    Abstract: 本发明公开了基于高速飞行的牵引式大负载缆索检测机器人及检测方法,包括四旋翼飞行器、牵引机构和大负载检测机器人;四旋翼飞行器套设在缆索外周,能沿缆索外壁飞行并悬停在设定的缆索高度位置;大负载检测机器人安装在四旋翼飞行器下方的缆索上,大负载检测机器人顶部通过牵引机构与四旋翼飞行器相连接,并能在四旋翼飞行器的牵引作用下,沿缆索向上爬升。本发明能用于携带30公斤及以上的大负载检测装置,如漏磁传感器,且爬升性能稳定,越障能力强。

    一种双神经元神经网络模型PD控制器的控制方法与系统

    公开(公告)号:CN115857319A

    公开(公告)日:2023-03-28

    申请号:CN202310096456.1

    申请日:2023-02-10

    Abstract: 本发明提出了一种时滞和扩散影响下的双神经元神经网络模型PD控制器的控制方法与系统,该方法包括:建立由偏微分方程描述的时滞反应扩散双神经元神经网络模型;在无控时滞反应扩散双神经元神经网络模型基础上施加PD控制器,得到加入PD控制器的时滞反应扩散双神经元神经网络模型;将受PD控制器作用的时滞反应扩散双神经元神经网络模型,得出线性化后的被控网络的特征方程;选取通信时延为分岔参数,通过对该线性化后的被控网络的特征方程进行稳定性分析和分岔分析,进一步选取合适的控制参数,使得该网络在平衡点附近保持局部渐近稳定。本发明可以更好地实现对网络稳定性的调控,控制参数调整灵活,实际操作简便易行,具有明显的控制效果。

    基于网络拥塞模型的混合控制器建立方法

    公开(公告)号:CN115113529A

    公开(公告)日:2022-09-27

    申请号:CN202210801161.5

    申请日:2022-07-08

    Abstract: 本发明公开了一种基于网络拥塞模型的混合控制器建立方法,属于控制器技术领域,包括如下步骤:构建无控的网络拥塞模型;对所述无控的网络拥塞模型施加混合控制器,得到被控的网络拥塞模型;将被控的网络拥塞模型在平衡点处线性化,得出线性化的被控网络的特征方程;选取增益参数作为Hopf分岔参数,通过所得到的线性化的被控网络的特征方程进行Hopf分岔分析,调节并选取适当的控制器参数,使得被控网络在平衡点附近局部渐近稳定,并提高该网络的稳定特性。本发明所提出的网络拥塞模型控制选择信号发送速率作为控制对象,相较于对丢包概率进行控制,在现实中更容易实现,且所设计的混合控制器具有较强的适用性,同样适用于其他的复杂动力学网络。

    基于高速飞行的牵引式大负载缆索检测机器人

    公开(公告)号:CN113386952B

    公开(公告)日:2022-01-11

    申请号:CN202110618800.X

    申请日:2021-06-03

    Abstract: 本发明公开了基于高速飞行的牵引式大负载缆索检测机器人及检测方法,包括四旋翼飞行器、牵引机构和大负载检测机器人;四旋翼飞行器套设在缆索外周,能沿缆索外壁飞行并悬停在设定的缆索高度位置;大负载检测机器人安装在四旋翼飞行器下方的缆索上,大负载检测机器人顶部通过牵引机构与四旋翼飞行器相连接,并能在四旋翼飞行器的牵引作用下,沿缆索向上爬升。本发明能用于携带30公斤及以上的大负载检测装置,如漏磁传感器,且爬升性能稳定,越障能力强。

Patent Agency Ranking