
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
代码展示了SHEPWM(选择性谐波消除PWM)的工作原理。Simulink模型基于预计算的SHEPWM角度和调制指数,为两电平逆变器生成脉冲。提供了三个模型,每个输出基频的四分之一周期内分别有3、5和7个开关角。这些模型具有预加载功能,每当模型启动时都会计算这些角度。此外,模型还包含了与输出基频相当的频率载波的正弦三角形PWM,以展示SHEPWM在低开关频率下的优越性。对于每四分之一周期有5个和7
本文研究了离散时间非线性多智能体系统在切换通信拓扑下的共识问题,并采用模型预测控制(MPC)方法进行求解。对于遵循马尔可夫切换规律的系统,现有的MPC解决方案难以基于模型预测获得可靠的优化结果。为此,我们提出了一种新的基于神经网络的算法,通过实时近似和最小化MPC的成本函数,降低通信不足带来的影响。通过不同应用和场景的仿真验证了所提方法的有效性。

本文研究了具有非线性不确定性的多智能体系统的固定时间事件触发共识控制问题。基于事件触发策略的固定时间共识协议被提出,这些协议可以显著降低能量消耗和控制器更新的频率。集中式和分布式共识控制策略均被考虑。证明了在所提出的事件触发共识控制策略下,可以避免Zeno行为。与有限时间共识相比,固定时间共识可以在固定的收敛时间内达成,而与智能体的任意初始状态无关。最后,通过两个例子展示了固定时间事件触发共识协议
国家学生体质健康标准》的颁布,有效地促进了大中小学生关注自身体质健康的发展,激励学生积极进行身体锻炼。通过在体育场地周边安装摄像头,可以对学生的体育动作进行实时捕捉,以便对学生的运动姿态进行分析。例如,在立定跳远教学中,通过记录并分析学生起跳瞬间的腿部发力动作、手臂摆动轨迹、身体腾空姿态以及落地姿势等一系列身体变化的细节数据,可以帮助教师全面了解每个学生动作的优点和不足,从而给出针对性的改进方案。
本文提出一种“模型预测控制(MPC)+ 滚动时域估计(MHE)”一体化框架,旨在解决在传感器和执行器双重噪声环境下,将移动机器人稳定到指定目标点 xs 的问题。与现有研究仅单独考虑状态或控制噪声、且将估计与控制分步求解的做法不同,本文创新性地把传感器噪声和执行器噪声同时纳入联合优化,实现了真正意义上的“估计–控制闭环”。采用多重打靶法将 MPC 问题转化为非线性规划(NLP),并利用 CASAD
结构灵活性:支持交流、直流或混合组网,通过公共耦合点实现功率交互,可脱离主电网独立运行。技术优势提高可再生能源渗透率,减少弃风弃光现象。通过能量互济提升供电可靠性,例如在配电网故障时提供恢复服务。控制架构集中式分层控制:依赖能量管理系统(EMS)进行全局调度,但对通信能力要求高。分布式多代理控制:通过智能体(Agent)自主决策,降低对中心节点的依赖。非对称纳什谈判理论为多微网电能共享提供了兼顾效
本文聚焦无模型自适应预测控制(MFAPC)与无模型自适应迭代学习控制(MFAILC)的数值验证仿真研究。通过构建基于紧致形式动态线性化(CFDL)的仿真程序,分别验证了MFAPC在非线性系统预测跟踪中的有效性,以及MFAILC在非线性系统迭代轨迹跟踪中的性能。仿真结果表明,两种方法均能有效处理非线性系统控制问题,为复杂工业过程的控制提供了新的思路。
我们提出了一种基于拍卖的分散式算法,用于解决动态任务分配问题空间分布的多智能体系统的分配问题。在我们的方法中,每个成员多智能体团队中的每个智能体最多被分配一组空间分布的任务中的一项任务,而几个代理可以被分配给同一个任务。任务分配是动态的,因为它是在离散时间阶段(迭代)更新,以考虑代理的当前状态后者朝着上一阶段分配给他们的任务前进。我们提出的方法可以在智能机器(如送货机器人)的源配置问题中找到应用由
我们提出了一种基于拍卖的分散式算法,用于解决动态任务分配问题空间分布的多智能体系统的分配问题。在我们的方法中,每个成员多智能体团队中的每个智能体最多被分配一组空间分布的任务中的一项任务,而几个代理可以被分配给同一个任务。任务分配是动态的,因为它是在离散时间阶段(迭代)更新,以考虑代理的当前状态后者朝着上一阶段分配给他们的任务前进。我们提出的方法可以在智能机器(如送货机器人)的源配置问题中找到应用由
优势:DDPG通过端到端学习连续控制策略,避免了传统方法对精确模型的依赖,在非线性、高维状态空间中表现优异。其在倾转旋翼无人机中的应用已覆盖姿态控制、路径规划与多模态过渡等场景。挑战训练效率:复杂动力学下的样本需求量大,可结合优先级经验回放(PER)加速收敛。鲁棒性提升:引入TD3(双延迟DDPG)抑制Q值高估,或结合模型预测控制(MPC)增强抗干扰能力。硬件部署:需优化算法实时性,适配嵌入式飞控








