基于机械臂的温度传感器抗干扰检定系统

针对既有气象温度自动检定系统无法满足传感器年检量不断攀升的现状,为实现温度检定全程无人参与,提出一种基于机械臂的温度传感器检定系统。首先设计系统的并行控制工作模式及总体架构,然后指出搭建系统的关键技术是实现现场通信抗干扰,即分析电源共地、磁场环境、现场通信等要素共同作用使标准器示值持续跳变问题,最后提出一种抗干扰方法,并对优化后的系统进行对比测试。试验结果表明,该方法可使标准器示值回复至稳定状态,充分保证系统正常运行。     

基于状态约束的直流电动机有限时间位置跟踪控制

本文提出了一种基于状态约束的直流电动机神经网络自适应有限时间控制方法.首先采用障碍李雅普诺夫函数对直流电动机的状态量进行约束,确保直流电动机的角位置和角速度限制在给定的约束区间内,引入神经网络逼近系统中未知的非线性函数.此外,通过引入有限时间控制技术,提高了系统的收敛速度和控制精度.仿真结果验证了该方法能够实现对直流电动机快速有效的位置跟踪控制.     

考虑传感器故障的柔性航天器自适应积分滑模主动容错控制

针对考虑传感器故障的柔性航天器姿态系统,提出了一种主动容错控制方法.首先,通过对测量输出进行滤波,将传感器故障转化为执行器故障形式;接着,设计一个基于未知输入观测器的自适应故障估计观测器,对未知故障进行辨识,同时,采用了一个故障检测观测器,对故障的发生进行检测;然后,利用故障估计信号对系统输出进行调节,结合自适应积分滑模和线性矩阵不等式技术设计输出反馈容错控制器;最后,对所设计的主动容错控制方法进行仿真,验证了所提方法的有效性.     

A hybrid model for short-term rainstorm forecasting based on a back-propagation neural network and synoptic diagnosis

暴雨是我国最重要的自然灾害之一.大量的研究表明,暴雨的频率和强度在全球变暖的背景下正在逐年增强.但是如何成功的预测短期暴雨,特别是发生在复杂地形下的暴雨,仍然是一个巨大的挑战.本项研究采用BP神经网络和天气学诊断相结合的方法,探索了一种四川盆地西部复杂地形下的暴雨预报模型.该模型有效改善了喇叭口地形下,受低层偏东风影响的暴雨预报准确性.机器学习与天气学理论的结合,提升了模型的物理基础和预测成功率,同时该方法也为发展具有本地特征的暴雨预报客观工具,提供了一定的参考价值.     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的可行性.最后,给出一个例子验证了所提出策略的有效性.     

基于障碍李雅普诺夫函数非线性系统的死区补偿控制

本文集中在带有部分状态约束的非线性单输入单输出系统的自适应控制器设计上.考虑了非对称死区的非线性输入特性,选取障碍李雅普诺夫函数用来阻止部分受约束的状态违反约束条件.根据障碍李雅普诺夫函数反步法,解决了该类系统的输出跟踪问题,同时也处理了死区非线性带来的影响.针对下三角结构的非线性系统,设计了自适应控制器,证明了闭环系统所有信号都是有界的,同时保证了系统输出可以跟踪上参考信号.最后,仿真结果表明了所提方法的有效性.     

基于EEMD-CES的单站地面气温资料质量控制方法研究

为了去除或减少我国地面气温观测资料中含有的噪声成分,提高观测资料质量,提出了一种新的单站质量控制算法。该算法融合了集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)和三次指数平滑法(Cubic Exponential Smooth,CES)。利用EEMD方法将气温观测资料分解为一系列相对平稳的本征模分量,并基于能量密度和相关性准则从中分析筛选出目标分量,以完成资料重构;利用CES方法对重构资料建立单站质量控制模型,形成了一种基于EEMD-CES的地面观测资料质量控制算法。为检验该方法的可行性与适用性,选取2008年全国9个观测站地面逐时气温观测资料进行质量控制,并对比传统的单站质量控制法、经验模态分解法和三次指数平滑法的质量控制效果。试验结果表明,基于EEMD-CES的质量控制方法能有效地标记出数据的可疑值,相比传统方法,具有更高的检错率和更强的适应性。