利用电磁感应原理将被测非电量如位移、压力、流量、 振动等转换成线圈自感量L或互感量M的变化,再由测量电 路转换为电压或电流的变化量输出,这种装置称为电感式传感器。电感式传感器具有结构简单,工作可靠,测量精度高,零点稳定,输出功率较大等一系列优点。其主要缺点 是灵敏度、线性度和测量范围相互制约,传感器自身频率响应低,不适用于快速动态测量。这种传感器能实现信息 的远距离传输、记录、显示和控制,在工业自动控制系统中被广泛采用

• 物理系统的常微分方程描述 • 物理系统的线性近似 • Laplace变换和Laplace反变换 • 传递函数 • 系统的框图模型描述与信号流图模型描述 • Matlab系统仿真 • 实例分析和设计

• 物理系统的常微分方程描述 • 物理系统的线性近似 • Laplace变换和Laplace反变换 • 传递函数 • 系统的框图模型描述与信号流图模型描述 • Matlab系统仿真 • 实例分析和设计

• 物理系统的常微分方程描述 • 物理系统的线性近似 • Laplace变换和Laplace反变换 • 传递函数 • 系统的框图模型描述与信号流图模型描述 • Matlab系统仿真 • 实例分析和设计

第9章差错控制编码 9.1引言 9.2纠错编码的基本原理 9.3常用的简单编码 9.4线性分组码 9.5循环码 9.6卷积码 9.7网格编码调制口

第一章 变分法基础 第二章 线性空间 第三章 矢量空间中的最优化 第四章 泛函最优化的全局理论 第六章 变分法中的直接方法 第七章 变分学在最优控制中的应用 第八章 变分学在力学中的应用

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

为了进一步提高板带热轧厂厚控精度及控制品质,需对具有非线性、强耦合、不确定、多约束特性的活套系统建立工程上适用的数学模型,以实现活套高度与张力系统的解耦控制.在分析其动态耦合过程的基础上,考虑到实际的活套系统在工作过程中变量的变化离其稳态工作点的偏差很小,以实际热轧现场数据为依据,给出了完整的传递函数表达形式. 采用线性预测模型的BP神经网络PID控制策略以减弱系统的耦合影响,以提高控制效果.仿真结果验证了本算法的有效性,表明解耦后的活套控制系统可获得更好的控制效果

近年来路径跟踪控制的发展十分迅猛，研究者们发表了大量的研究成果。考虑到在相同或相近工况下的路径跟踪控制存在一些共性的技术问题与解决思路，从低速路径跟踪控制和高速路径跟踪控制两个角度对近年来的研究成果进行了回顾。在关于低速路径跟踪控制的研究工作中，研究者们较为重视前轮转角速度约束等系统约束对路径跟踪精确性的影响。目前减少系统约束影响的方法包括在规划参考路径时将系统约束纳入考虑，采用预瞄控制使控制器提前响应，以及采用线性模型预测控制（LMPC）或非线性模型预测控制（NMPC）等模型预测控制方法作为路径跟踪控制方法等。考虑到NMPC既能减少系统约束的影响，又无需人为设置预瞄距离，且对定位误差等扰动因素具有较强的鲁棒性，加之低速路径跟踪控制对实时性的需求较低，因此可以认为NMPC能够满足低速路径跟踪控制的绝大多数需求。高速路径跟踪控制在受系统约束影响之外，还面临着较高车速带来的行驶稳定性不足问题的挑战，因此常采用能够将动力学层面的复杂系统约束纳入考虑且计算成本较低的LMPC作为路径跟踪控制方法。不过仅采用动力学层面的LMPC控制方法无法完全解决高速路径跟踪控制中路径跟踪精确性和车辆行驶稳定性之间存在耦合的问题，目前常见的解决思路是在路径跟踪控制中加入额外的速度调节或权重分配模块。此外，在高速路径跟踪控制中，地面附着系数等环境参数的影响也较大，因此地面附着系数等环境参数的估算也成为了高速路径跟踪控制领域的重要研究方向

针对一类具有凸多面体不确定常参数的离散时间时滞系统,研究其H∞最优保性能预见控制器的设计方法.首先,与以往不同,本文的扩大误差系统仍然保留了时滞,以保证扩大误差系统的状态向量维数不随时滞的增加而增加.其次,针对所构造的扩大误差系统,设计有记忆的状态反馈控制器,并利用线性矩阵不等式方法,导出确保所求控制器存在的条件及该控制器设计的方法.最后,通过建立并求解一个含线性矩阵不等式约束的凸优化问题,给出扩大误差系统的鲁棒H∞保性能控制器,该控制器对于原系统来说就是鲁棒H∞保性能预见控制器