夏志乐
- 作品数：19 被引量：14H指数：3
- 供职机构：台州学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术理学文化科学化学工程更多>>
- 不确定离散时滞分段系统的广义H_2弹性控制
- 2007年
- 针对一类不确定离散时滞分段系统,研究了广义H_∞稳定性分析和带有时滞的状态反馈弹性控制器设计问题。通过构造适当的离散分段二次李亚普诺夫函数,利用分段二次李亚普诺夫稳定性理论,给出了对于所有的容许参数不确定性,闭环系统是广义H=∞稳定的充分条件;在此基础上,基于线性矩阵不等式(LMI)处理方法,提出了带有时滞的状态反馈弹性控制器增益阵的设计方案。仿真实例验证了所提方法的有效性。
- 夏志乐李江荣
- 关键词：广义H2控制
- 几类T-S模糊系统稳定性分析与控制器设计
- 与传统控制相比，模糊控制可以有效便捷的实现人的控制策略，且不需要知道被控对象精确的数学模型就可以实现较好的控制。模糊控制已在诸如工业生产过程、航天航空、军事科学、生命科学、社会经济及生态环境等众多领域得到了应用。目前已成...
- 夏志乐
- 关键词：稳定性分析控制器
- 基于回归方法的玻璃文物成分鉴定
- 2024年
- 基于全国大学生数学建模竞赛赛题中的玻璃文物数据,采用Lasso回归、向后逐步回归、普通最小二乘法(OLS)的稳健标准误差回归等回归模型,构建高钾玻璃与铅钡玻璃的线性回归方程,预测表面风化文物在风化之前的化学成分质量分数,以鉴定玻璃文物的成分。结果表明,该模型的预测结果较合理。
- 郑铛陈煜林建豪夏志乐
- 关键词：风化
- 离散模糊双线性关联大系统的广义H_2分散控制被引量：2
- 2010年
- 基于分段二次Lyapunov函数稳定性理论,研究了一类离散模糊双线性关联大系统广义H2分散控制问题。模糊双线性关联大系统由J个相互关联的离散T-S模糊双线性系统组成。通过构造分段Lyapunov函数,给出了系统二次稳定的充分性条件。在此基础上,设计了广义H2分散状态反馈控制器,使闭环系统广义H2稳定,控制器的设计可以通过序列线性规划矩阵方法求解得到。仿真结果表明所提方法的有效性。
- 李江荣李俊民夏志乐
- 不确定离散时滞PWS的分段广义H2控制器设计
- 基于分段二次李雅普诺夫(Lyapunov)函数,对不确定离散时滞分段系统(简称PWS)提出了广义H2稳定控制器的设计.通过设计分段状态时滞反馈控制器,使闭环系统在允许参数不确定范围内广义H2稳定.仿真例子验证该设计方法的...
- 李江荣夏志乐
- 关键词：离散时滞系统闭环系统控制器
- 文献传递
- 非一致目标跟踪控制算法研究
- 迭代学习控制适合于具有重复运动性质的被控对象，可实现有限时间区间上的完全跟踪任务。但在实际工程中还存在着许多问题阻碍迭代学习控制技术的进一步应用，主要的障碍是要求目标轨迹在整个操作过程中必须严格一致，如果目标轨迹发生变化...
- 夏志乐
- 关键词：迭代学习控制相对度仿真
- 文献传递
- 基于回归模型的C4烯烃制备策略研究
- 2023年
- 针对不同的催化剂组合和反应温度,探讨C4烯烃制备策略的优化问题。基于C4烯烃制备的部分实验数据,首先利用Pearson相关系数和回归分析理论,建立相关性分析模型和多元回归分析模型;然后根据所建立的相关性分析模型对7种主要影响因素进行分析,得到各因素与目标数据的相关程度;最后通过SPSS软件对多元回归分析模型的参数进行求解并进行优化,建立了以C4烯烃收率最高为目标的回归模型。结果表明所建立的模型是有效的。
- 夏志乐叶宇航叶昊陈子悦
- 关键词：控制变量法
- 具有任意相对度的线性系统直接学习控制
- 本文针对一类具有任意相对度的线性时不变系统,给出了直接学习控制方法,其特点是当目标轨迹发生变化时,它可充分利用系统的先验控制经验,无需重新学习,只需一步即可获得系统的期望控制.仿真结果说明了该法方法的有效性.
- 夏志乐李俊民
- 关键词：迭代学习控制仿真线性时不变系统
- 文献传递
- 不确定离散模糊分段系统的广义H2弹性控制
- 2007年
- 针对一类离散Takagi-Sugeno(T-S)模糊系统,研究了广义H2稳定性分析和分段弹性控制器设计问题.首先通过构造适当的离散分段二次Lyapunov函数,利用Lyapunov稳定性理论,给出了系统广义H2稳定的充分条件;然后在此基础上,提出了基于线性矩阵不等式的广义H2弹性控制器设计方案,利用Matlab中的线性矩阵不等式工具箱,可以方便的解出控制器增益阵,最后的仿真实例说明了所提方法的正确性.
- 夏志乐李江荣
- 关键词：线性矩阵不等式
- 基于CNN-GRNN模型的耕地遥感图像分割提取方法
- 本发明公开了一种基于CNN‑GRNN模型的耕地遥感图像分割提取方法，步骤1：构建CNN样本数据集和CNN模型，基于CNN样本数据集对CNN模型训练，得到特征提取网络；步骤2：构建GRNN样本数据集和GRNN模型，基于GR...
- 夏志乐程万港余豪杰朱德凯
- 文献传递
