给出了一种能适用于开环不稳定且非最小相位系统的鲁律自校正内模控制器,证明了闭环系统的鲁棒性和全局收敛性.仿真研究证实了算法的可行性

球磨机制粉系统具有大惯性、大时滞和强耦合等特点,很难建立精确的数学模型.本文分析了球磨机制粉系统的动态特性,并为其设计分散线性自抗扰控制方案.该方案综合分散控制和线性自抗扰控制器的优点,结构简单,不依赖于对象精确模型,可以对被控对象中存在的耦合、干扰和不确定性等进行估计并补偿.根据实际现场要求,对球磨机制粉系统进行设定值跟踪实验、输入扰动实验和性能鲁棒性实验,并比较所设计方案与PID方案的控制性能.结果表明,分散线性自抗扰控制具有更强的解耦能力和抗干扰能力,且性能鲁棒性更优

回顾了基于复杂性科学利复杂网络研究的相关理论建立的几种Internet安全大范围模式行为的模型.从Internet复杂系统的Power-Law分布规律出发,论述了该分布规律对网络安全建模的影响,然后围绕网络安全的两个方面,即病毒传播和网络鲁棒性,分别论述了基于复杂系统利复杂网络研究成果建立的病毒传播的定量模型,以及网络鲁棒性与复杂网络结构的定性关系模型,最后还展望了未来该领域的研究前景

采用矢量控制的感应电动机,其控制性能与它激直流电机类似,用这种控制方法,电机的转矩电流分量和磁通电流分量可实现解耦控制。本文讨论矢量控制系统的鲁棒性。针对前馈矢量控制系统中由于电机参数与速度检测小误差造成磁场定向错误,提出了一种新的自适应校正策略,该策略采用PRBS在线辨识技术,算法简单,不需要额外的传感器。最后给出了系统实现及实验结果

本文用基于传递函数概念的虚拟等价系统方法统一分析各种类型的多变量确定性自校正控制系统的稳定性、收敛性和鲁棒性，分别针对参数估计收敛到真值、参数估计收敛到非真值以及参数估计不收敛的3种情况给出若干定理、推论和注释.在各个判据的基础上，进一步深化对确定性多变量自校正控制系统的理解.所得结论说明：参数估计的收敛性不是确定性多变量自校正控制系统稳定和收敛的必要条件；系统自身的反馈信息对确定性多变量自校正控制是充分的，即外加激励信号不是必要的

【人工智能】受成本约束的电力信息物理相依系统鲁棒性优化设计

人工智能基础：单电子电路的鲁棒性研究

给出了基于CARIMA模型的广义预测控制器的内模结构,分析了其闭环特性和鲁棒性,并证明了显式自校正算法的全局收敛性

为了提高永磁同步电机的转速控制性能,克服扰动对伺服控制的影响,提出了一种基于新型趋近律和扰动观测器的滑模控制方法.设计了一种新型趋近律,以解决传统趋近律滑模面趋近时间和系统抖振之间的矛盾,提高系统响应快速性.综合考虑系统存在内部参数摄动和外部负载扰动,设计了滑模扰动观测器,并将观测值前馈补偿到速度控制器输出端;将观测器切换增益设计为扰动观测误差的函数,以削弱滑模观测值抖振.仿真结果显示,与传统趋近律相比,采用新型趋近律可有效提高系统的响应速度,快速准确的跟踪速度阶跃信号;滑模观测器可准确的观测系统扰动的变化;当系统加入负载扰动时,PI控制最大转速波动值为75 r·min-1,而基于新型趋近律和扰动观测器的滑模控制最大转速波动值较小为30 r·min-1,鲁棒性更好.实验结果显示,采用基于新型趋近律和扰动观测器的滑模控制方法可以快速跟踪400 r·min-1的速度指令,调节时间为0.12 s,稳态跟踪误差为±4 r·min-1,且转速无超调;滑模观测器可准确无超调的估计系统扰动值,进一步提高系统的抗扰动性能;当电机以400 r·min-1稳速运行时,加入0.6 N·m的负载扰动,基于新型趋近律和扰动观测器的滑模控制方法最大转速波动为23 r·min-1,与PI控制相比,转速波动减小了8%.上述仿真和实验结果具有较好的一致性,表明基于新型趋近律和扰动观测器的滑模控制方法可以有效抑制滑模控制系统的抖振,提高转速控制系统的鲁棒性和动态响应性能

非刚性图像配准一直是计算机视觉领域的研究重点. 为解决上述问题, 提出一种改进的光流场模型算法, 以提高光流估计的准确度. 算法首先对原始变分光流模型进行了改进, 提出利用新的各向异性正则项来代替原来的同向扩散函数, 以避免图像模糊, 保留图像的边缘特征与细节特征; 此外, 通过引入包含邻域信息的非局部平滑项来去除光流噪点, 同时增加了一个结合图像结构与光流运动信息的权函数, 以减少过平滑所造成的细节丢失, 提高算法的鲁棒性. 最后, 利用交替最小化与金字塔分层迭代策略相结合的方法求解位移场, 实现非刚性图像的自动配准. 仿真实验结果表明, 与传统方法相比, 本文算法对不同类型的非刚性图像均具有较高的鲁棒性, 取得了理想的图像配准效果