检索结果-南通市图书馆

基于自适应视距制导的无人潜航器三维协同路径跟踪控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2025年第1期40卷 242-251页

作者：王浩亮于德智卢丽宇张卫东彭周华大连海事大学轮机工程学院辽宁大连116026 上海交通大学电子信息与电气工程学院上海200240 大连市智能船艇集群控制与电气技术重点实验室辽宁大连116026 水路交通控制全国重点实验室辽宁大连116026 大连海事大学船舶电气工程学院辽宁大连116026 海南大学信息与通信工程学院海口570228

针对跟踪路径复杂、立体空间运动、模型参数动态变化、风浪流扰动下的多无人潜航器(unmanned underwater vehicle,UUV)协同路径跟踪问题开展研究.首先,针对UUV跟踪复杂路径情形设计自适应前视距离策略,使得UUV可以更好地跟踪复杂水下路... 详细信息

针对跟踪路径复杂、立体空间运动、模型参数动态变化、风浪流扰动下的多无人潜航器(unmanned underwater vehicle,UUV)协同路径跟踪问题开展研究.首先,针对UUV跟踪复杂路径情形设计自适应前视距离策略,使得UUV可以更好地跟踪复杂水下路径;其次,针对立体空间运动的UUV集群,设计三维视距制导律和协同控制律引导UUV集群在三维空间中沿参数化路径运动;最后,针对模型参数动态变化、风浪流扰动影响下的UUV集群,设计自抗扰控制器实现对动态变化模型、总扰动信息和速度信息的统一估计,保证动力学控制的稳定性.仿真结果验证了所提出基于自适应视距制导的无人潜航器三维协同路径跟踪控制方法的有效性.

关键词：自适应前视距离三维视距制导协同路径跟踪自抗扰控制无人潜航器

基于椭圆曲线ELGamal的隐私保护分布式优化算法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2025年第1期51卷 210-220页

作者：赵中原高旺蒋璐瑶葛泉波南京信息工程大学自动化学院南京210044 江苏大数据分析与智能系统省高校重点实验室南京210044 上海交通大学机械与动力工程学院上海200240

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的... 详细信息

研究一类考虑节点隐私保护的分布式优化问题,目标为保护各智能体的隐私信息不被泄露,并最小化所有智能体局部成本函数之和.首先,针对无向连通图,提出一种基于椭圆曲线密码机制的分布式凸优化算法.通过设计底层权重矩阵,将基于椭圆曲线的ELGamal同态加密和数字签名与分布式次梯度算法相结合,克服了椭圆曲线密码机制与分布式一致性策略无法结合的难点.在无第三方或聚合器的场景下,该算法实现了系统的隐私保护.理论分析表明,该算法能够渐近收敛至全局最优解,并适用于时变通信拓扑的动态环境.此外,算法能有效保护智能体的状态和成本函数不受来自诚实但好奇攻击者、外部窃听者和篡改攻击者的威胁.最后,通过数值仿真验证了算法的有效性.

关键词：分布式优化隐私保护同态加密椭圆曲线

考虑冷热电多能互补和负载时空可调特性的数据中心优化运行策略

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

南方电网技术 2025年

作者：范宏陈舒阳罗昊徐勇杰徐涛贾庆山上海电力大学电气工程学院清华大学自动化系智能与网络化系统研究中心

在数字经济背景下，数据中心产业飞速发展，其能耗占据了社会电力消耗的相当比例，数据中心已经成为配电网中重要的组成部分。为了充分开发数据中心的灵活性资源，基于数据负载时空可调特性，建立了数据负载调度模型，并将其接入至综合... 详细信息

在数字经济背景下，数据中心产业飞速发展，其能耗占据了社会电力消耗的相当比例，数据中心已经成为配电网中重要的组成部分。为了充分开发数据中心的灵活性资源，基于数据负载时空可调特性，建立了数据负载调度模型，并将其接入至综合能源站实现能源的高效利用。针对数据中心运行过程中数据负载处理能力与电能消耗量之间的复杂关系进行了深入分析，采用动态电压频率调节(dynamic voltage and frequency scaling, DVFS)技术对数据中心进行建模，并根据混合制排队模型建立了不同类型数据负载的需求模型。为了平衡数据负载波动、提高整体效能功耗比，提出了共担数据负载的数据中心联盟方式，并建立了联盟下数据负载调度模型。然后，以综合成本最小化为目标，建立了考虑多能互补特性与时空可调特性的多区域能源站协同调度模型。最后，采用集成数据中心的能源站进行仿真分析，分析了考虑多能互补与时空可调特性对数据中心运行经济性和环保性的积极作用，验证了所提出调度策略的经济性收益。

关键词：数据中心联盟综合能源站多能互补时空可调特性配电网调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

全驱刚体航天器的预定时间姿态跟踪控制

控制与决策 2025年第2期40卷 469-478页

作者：吴雨瑶李雪芳刘万泉中山大学·深圳智能工程学院广东深圳518107

研究存在惯性参数不确定性和外部干扰的刚体航天器系统的预设时间姿态跟踪控制.基于刚体航天器的二阶全驱动力学模型,利用全驱系统理论构造一种有限时间扩张状态观测器.在此基础上,通过引入可调参数设计一种新型的可调预设时间姿态跟踪... 详细信息

研究存在惯性参数不确定性和外部干扰的刚体航天器系统的预设时间姿态跟踪控制.基于刚体航天器的二阶全驱动力学模型,利用全驱系统理论构造一种有限时间扩张状态观测器.在此基础上,通过引入可调参数设计一种新型的可调预设时间姿态跟踪控制策略.该控制策略的优点是控制系统状态的收敛时间不仅小于预设时间上界,还可以通过引入的控制参数直接调节其快慢.利用Lyapunov稳定性理论证明扩张状态观测器的收敛性和闭环控制系统的稳定性,最后通过数值仿真验证了所设计控制器的有效性.

关键词：刚体航天器姿态跟踪全驱系统方法预定时间控制扩张状态观测器

欠驱动无人船路径跟踪:一种有限时间正切漂角视线制导方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2025年第1期40卷 187-195页

作者：王宁贾薇吴浩峻大连海事大学轮机工程学院辽宁大连116026 大连市智能船舶绿色动力控制与测试重点实验室辽宁大连116026 水路交通控制全国重点实验室辽宁大连116026

海洋环境复杂多变,为提升欠驱动无人船(underactuated marine vehicle,UMV)的自主航行与故障应对能力,提出基于有限时间正切漂角视线制导的指令滤波路径跟踪控制策略.在包括内部动力学未知、时变大漂角和执行器故障的复杂情况下,该策略... 详细信息

海洋环境复杂多变,为提升欠驱动无人船(underactuated marine vehicle,UMV)的自主航行与故障应对能力,提出基于有限时间正切漂角视线制导的指令滤波路径跟踪控制策略.在包括内部动力学未知、时变大漂角和执行器故障的复杂情况下,该策略可使UMV在有限时间内遵循所需的路径.首先,构建有限时间漂角观测器,用于快速精准地估计时变大漂角;随后,引入有限时间正切漂角视线制导律,不仅能提升制导性能,还能有效避免因非光滑制导指令产生高频震荡导致UMV失稳;此外,通过采用有限时间指令滤波控制技术降低计算负担,并提出滤波补偿方案减少滤波误差;最后,基于径向基函数神经网络和有限时间理论,设计自适应有限时间容错路径跟踪控制器,使得UMV的纵向速度和艏向角跟踪误差在有限时间内能够收敛到原点附近的小邻域.仿真实验验证了所提出方案的有效性和优越性.

关键词：欠驱动无人船有限时间正切漂角视线制导指令滤波路径跟踪控制神经网络

在线全文

学校读者我要写书评

暂无评论

数字孪生战场:概念、架构与技术

系统工程与电子技术 2025年第1期47卷 141-152页

作者：熊宇涵李雄中山大学系统科学与工程学院广东广州510275

当前作战仿真模型存在态势理解滞后、物理模型无法更新等问题,这些问题将影响后续态势推演与决策效果。为此,提出数字孪生战场的概念,并建立数字孪生战场的4层架构模型。基于这种模型,分析其在战场空间的部署方式及寿命周期运用,探讨其... 详细信息

当前作战仿真模型存在态势理解滞后、物理模型无法更新等问题,这些问题将影响后续态势推演与决策效果。为此,提出数字孪生战场的概念,并建立数字孪生战场的4层架构模型。基于这种模型,分析其在战场空间的部署方式及寿命周期运用,探讨其潜在运用价值。同时,从多源数据采集与处理、孪生战场建模、模型动态更新和态势推演与决策4个视角出发,讨论数字孪生战场建模所需的关键技术。随着作战仿真模型的运用,可以帮助指挥机构做出更高效的决策。

关键词：数字孪生战场指挥决策多源数据采集作战建模模型更新态势推演

刷式密封刷丝变形力学特性及周向滑移气动失稳机理研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

推进技术 2025年第2期46卷 103-116页

作者：刘育心董文蕾孔晓治岳本壮朱鹏大连海事大学轮机工程学院辽宁大连116026 大连海事大学船舶与海洋工程学院辽宁大连116026

随着发动机向着高推重比以及低油耗方向发展,刷式密封的工作环境越来越苛刻。特别是在高压、高旋流环境下,刷丝极易发生周向滑移失稳问题,这就会造成整个密封系统的失效。本文应用悬臂梁理论建立了能够求解刷丝三维弯曲变形的力学理论... 详细信息

随着发动机向着高推重比以及低油耗方向发展,刷式密封的工作环境越来越苛刻。特别是在高压、高旋流环境下,刷丝极易发生周向滑移失稳问题,这就会造成整个密封系统的失效。本文应用悬臂梁理论建立了能够求解刷丝三维弯曲变形的力学理论分析模型,并结合包含刷丝真实结构的三维数值模型构建了刷式密封双向流固耦合的研究方法。在此基础上,分析了进口旋流速度0~300 m/s和不同背压下在压差0.2~0.5 MPa对刷丝力学特性及变形规律的影响;理论推导了刷丝发生周向滑移失稳的力学条件,阐明了刷丝周向滑移失稳的物理机制,并结合三维流固耦合计算总结归纳了刷丝失稳判据。研究结果表明:引起刷丝周向大变形的根本原因是刷丝所受的法向气动力与轴向气动力的比值(F_(n)/F_(ax)),当比值大于0.913时,刷丝将发生周向滑移失稳、进一步导致密封失效。在背压0.1 MPa、压差0.4 MPa时,随旋流速度增大,刷丝感受到的周向动压越大,F_(n)/F_(ax)逐渐增大;当旋流速度增大到230~250 m/s时,F_(n)/F_(ax)超过失稳的临界阈值,刷丝开始发生周向滑移。并且压差越大,刷丝发生滑移失稳的旋流速度越小。然而,与低背压不同,在高背压1.0 MPa下,刷丝在旋流速度100~120 m/s就开始发生周向滑移;且随压差增大,刷丝受到的F_n/Fax是逐渐降低的,即压差越大,越趋于稳定。

关键词：刷式密封流固耦合力学特性周向滑移稳定性

基于点云处理的仿人机器人楼梯障碍物识别与剔除方法

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2025年第2期47卷 339-350页

作者：于乃功谢秋生李洪政北京工业大学信息科学技术学院北京100124 北京市计算智能与智能系统重点实验室北京100124 教育部数字社区工程研究中心北京100124

环境感知对于仿人机器人自主导航和运动规划具有重要研究意义,是实现仿人机器人在复杂环境中进行自主移动进而完成特定任务的基础.在特殊的楼梯场景中仿人机器人环境感知过程面临诸多挑战,楼梯障碍物会破坏阶梯平面特征,导致仿人机器人... 详细信息

环境感知对于仿人机器人自主导航和运动规划具有重要研究意义,是实现仿人机器人在复杂环境中进行自主移动进而完成特定任务的基础.在特殊的楼梯场景中仿人机器人环境感知过程面临诸多挑战,楼梯障碍物会破坏阶梯平面特征,导致仿人机器人获取不准确的楼梯参数而出现踏空、摔跤等问题.本文结合区域生长和平面构造方法识别和剔除楼梯障碍物点云,基于剔除障碍物后的楼梯进行三维参数估计.首先利用相邻点的投影之和最小原理准确完成对楼梯水平面的提取;其次根据区域生长算法判定楼梯障碍物聚类情况,构造平面并分析平面内点数以完成对障碍物点云的快速识别与剔除工作;最后对有障碍物楼梯与剔除障碍物楼梯进行楼梯三维感知实验.实验结果表明,本文剔除楼梯障碍物的平均精度为92.43%,且剔除后的楼梯参数感知误差仅为有障碍物时的0.5倍.总体表明所提算法能提高机器人在复杂楼梯环境中的楼梯参数估计精度,能够有效提高仿人机器人在复杂楼梯环境下的感知能力.

关键词：仿人机器人复杂环境感知楼梯区域生长参数估计

基于时间卷积和长短期记忆网络的短期云资源预测模型

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2025年第07期 2856-2864页

作者：陈基漓李海军谢晓兰桂林理工大学计算机科学与工程学院广西嵌入式技术与智能系统重点实验室

随着容器云技术的不断深入发展，通过预测分析云资源请求的整体趋势及高峰期，对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一... 详细信息

随着容器云技术的不断深入发展，通过预测分析云资源请求的整体趋势及高峰期，对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模型和组合模型所存在的预测精度低以及捕获序列特征不充分问题，提出基于时间卷积和长短期记忆网络(temporal convolutional network-long short-term memory, TCN-LSTM)的短期云资源组合预测模型，组合模型中的空洞卷积在不减少特征尺寸的情况下增加感受野获取更长久的时间序列特征，其中残差网络可以跨层传递信息以加快网络的收敛，所获取的时间序列特征可有效提高LSTM的预测精度。利用阿里巴巴公开数据集的进行预测，实验表明所提出的模型与单一的预测模型以及其他组合模型进行对比分析，误差指标-平均绝对误差(mean absolute error, MAE)降低8%～13.7%,均方根误差(root mean squared error, RMSE)降低9.8%～13.1%,证明所提模型的有效性。

关键词：容器云云资源预测时间卷积网络(TCN) 长短期记忆网络(LSTM)