一种无人船预定义时间滑模轨迹跟踪控制方法

    公开(公告)号:CN118259673A

    公开(公告)日:2024-06-28

    申请号:CN202410344407.X

    申请日:2024-03-25

    Abstract: 本发明一种无人船预定义时间滑模轨迹跟踪控制方法,包括以下步骤:根据全驱动水上无人船实际参数建立其动力学和运动学模型,设定无人船的期望轨迹、初始位置、初始速度;获取无人船当前的运行状态和轨迹包括位置、姿态及速度信息;将全驱动水上无人船的实际运行轨迹与期望运行轨迹进行比较,得到其轨迹跟踪的误差;通过位置追踪误差建立滑动变量和滑模控制律;通过均匀量化机制对控制信号进行量化,得到量化后的控制信号;基于量化后的控制信号,实现全驱动水上无人船按照期望的轨迹运行控制。通过本发明实施例预定义时间稳定性理论设计了新的控制器,为系统提供了更快的收敛速度,而且实现了系统沉降时间与系统的初始条件无关,取得更好的性能。

    一种用于切换T-S模糊系统的事件触发可达集估计方法

    公开(公告)号:CN118011825A

    公开(公告)日:2024-05-10

    申请号:CN202410193955.7

    申请日:2024-02-21

    Abstract: 本发明公开了一种用于切换T‑S模糊系统的事件触发可达集估计方法,包括:根据ST‑SFS系统模型,采用模糊混合方法构建ST‑SFS全局模型;构建ST‑SFS全局模型的近似可达集区域;构建与ST‑SFS全局模型匹配的记忆事件触发机制SFDMET机制;根据ST‑SFS系统模型的切换模糊规则,构建切换控制器的全局模型;将ST‑SFS的全局模型代入到切换控制器的全局模型,获得ST‑SFS的全局闭环模型;根据ST‑SFS系统模型构建ST‑SFS全局模型的切换规律;在切换规律下,对ST‑SFS全局闭环模型进行可达集估计。解决切换系统没有关于动态事件触发机制的研究,确保系统状态维持在可达集内,更有效地节省系统通信资源;通过满足可达集估计和避免芝诺行为的充分条件,确保所有信号的有界性。

    一种欠驱动无人船预定时间滑模路径跟踪控制方法

    公开(公告)号:CN117631541A

    公开(公告)日:2024-03-01

    申请号:CN202311686162.0

    申请日:2023-12-08

    Abstract: 一种欠驱动无人船的预定时间滑模路径跟踪控制方法,具体步骤如下:根据欠驱动水上无人船实际参数建立运动学模型及动力学模型,设定欠驱动水上无人船初始位置与速度;基于运动学模型与LOS视线法,构建路径跟随误差,并计算路径跟随误差的动力学;设计预定时间航向制导律,待航向跟踪成功后,实现路径跟随误差在预定时间内收敛到0点任意小邻域;基于动力学模型及欠驱动水上无人船期望航向与速度,设计预定时间航向和速度滑模控制器,使航向误差、速度误差在预定时间内收敛到0点任意小邻域;当所有时变信号实现半全局最终一致有界,即实现欠驱动海面无人船路径跟随控制。

    基于切换T-S模糊模型的航空发动机输出调节控制方法

    公开(公告)号:CN117289606A

    公开(公告)日:2023-12-26

    申请号:CN202311382776.X

    申请日:2023-10-24

    Abstract: 本发明公开了基于切换T‑S模糊模型的航空发动机输出调节控制方法,包括构建在建模扰动和未建模扰动影响下的基于切换T‑S模糊模型的航空发动机系统模型,设计事件触发机制,基于事件触发机制设计事件触发切换模糊输出反馈控制器,根据传感器数据、航空发动机子系统活跃时间区间、事件触发机制以及事件触发切换模糊输出反馈控制器生成调节输出信号与控制器状态信息,并根据调节输出信号与控制器状态信息生成控制输入信号,根据控制输入信号控制航空发动机。不仅实现了对复杂系统的良好控制还提高了系统的鲁棒性。在切换模糊反馈控制器中引入事件触发机制,有效地节省了通信资源。

    一种无人船自适应滑模轨迹跟踪控制方法及其控制系统

    公开(公告)号:CN115328126B

    公开(公告)日:2023-11-24

    申请号:CN202210946324.9

    申请日:2022-08-08

    Abstract: 本发明提供了一种无人船自适应滑模轨迹跟踪控制方法及其控制系统,包括以下步骤:建立无人船系统的动力学和运动学模型;无人船远端控制系统获取无人船系统当前的运行轨迹和状态,并设定其期望轨迹;将实际运行轨迹与期望运行轨迹进行比较,得到其轨迹跟踪的误差;通过预设性能算法,将轨迹跟踪误差映射为转换误差;通过转换误差建立自适应滑模控制律,输出控制信号;通过均匀量化机制得到量化后的控制信号;无人船系统根据量化后的控制信号,使无人船按照期望的轨迹运行。该技术方案保证了无人船系统轨迹跟踪误差的瞬态性能和稳态性能,减少了安全隐患;其滑模控制器的增益不会过于保守,并降低了控制系统对通讯资源的占

    一种无人船自适应滑模轨迹跟踪控制方法及其控制系统

    公开(公告)号:CN115328126A

    公开(公告)日:2022-11-11

    申请号:CN202210946324.9

    申请日:2022-08-08

    Abstract: 本发明提供了一种无人船自适应滑模轨迹跟踪控制方法及其控制系统,包括以下步骤:建立无人船系统的动力学和运动学模型;无人船远端控制系统获取无人船系统当前的运行轨迹和状态,并设定其期望轨迹;将实际运行轨迹与期望运行轨迹进行比较,得到其轨迹跟踪的误差;通过预设性能算法,将轨迹跟踪误差映射为转换误差;通过转换误差建立自适应滑模控制律,输出控制信号;通过均匀量化机制得到量化后的控制信号;无人船系统根据量化后的控制信号,使无人船按照期望的轨迹运行。该技术方案保证了无人船系统轨迹跟踪误差的瞬态性能和稳态性能,减少了安全隐患;其滑模控制器的增益不会过于保守,并降低了控制系统对通讯资源的占用。

    一种基于深度学习的浮游生物自动检测方法

    公开(公告)号:CN111898677A

    公开(公告)日:2020-11-06

    申请号:CN202010752646.0

    申请日:2020-07-30

    Abstract: 本发明公开了一种基于深度学习的浮游生物自动检测方法,包括:利用采集到的样品制作浮游动植物彩色显微图像数据集;对浮游生物图像数据集进行物种鉴别和分类标注;将浮游生物图像数据集进行图像预处理;将图像数据集按照一定比例分为训练数据集、验证数据集和测试数据集;将训练数据集和验证数据集输入Faster R-CNN检测模型中进行训练、并优化网络参数;利用训练好的检测模型对测试集中的图像进行检测;对检测模型进行评估得到各个类别的平均精度以及平均精度均值。该方法借助深度学习的强大优势,让计算机自动学习出模式特征的方法,并将特征学习融入到了建立模型的过程中,从而减少了人为设计特征造成的不完备性。

Patent Agency Ranking