一种基于状态观测器的网络化控制系统的非脆弱H∞控制方法

    公开(公告)号:CN106338917A

    公开(公告)日:2017-01-18

    申请号:CN201610948836.3

    申请日:2016-10-26

    申请人: 江南大学

    发明人: 潘丰 刘艳

    IPC分类号: G05B13/04

    CPC分类号: G05B13/042

    摘要: 本发明属于网络化控制系统和H∞控制领域,具体涉及一种基于状态观测器的网络化控制系统的非脆弱H∞控制方法,针对时变时延网络化控制系统,考虑状态观测器和控制器存在参数摄动的情况,利用Lyapunov泛函,得到闭环网络化控制系统渐近稳定及H∞稳定的充分条件,将这些充分条件转化为带等式约束的线性矩阵不等式,并通过锥补线性化算法对其迭代求解得到控制器增益矩阵,利用Matlab LMI工具箱编写锥补线性化算法算法求出控制器增益K和观测器增益L。本发明考虑了系统中存在时变时延,同时考虑了状态观测器和控制器存在参数摄动的情况,降低了控制器设计方法的保守性,更具有实际意义。

    一种金属齿条坯片三联轧机系统及其控制方法

    公开(公告)号:CN105088426A

    公开(公告)日:2015-11-25

    申请号:CN201510566594.7

    申请日:2015-09-08

    申请人: 江南大学

    IPC分类号: D01G15/84 B21B37/00

    摘要: 本发明提供了一种金属齿条坯片三联轧机系统及其控制方法,负反馈闭环三联轧机控制系统由执行模块、控制模块、控制面板模块和报警模块组成,完成自动模式下的速度控制、启停控制,手动模式下的点动控制,同时还有辅助功能控制及各种保护功能。本发明的优点是采用通信技术连接人机界面、PLC和变频器,减少布线数目,提高传输效率,控制更加精确;系统具有手动模式和自动模式,两个模式采用不同的参数组,相互独立并且对应工艺的不同工况,可靠性高;系统具有完善的电气安全保护措施,能完成报警和故障指示,同时可以在人机界面读出各个重要参数的数值,辅助判断故障原因及日常监控。

    一种生物疫苗灭活装置和控制方法

    公开(公告)号:CN104800875A

    公开(公告)日:2015-07-29

    申请号:CN201510200886.9

    申请日:2015-04-24

    申请人: 江南大学

    发明人: 潘丰 刘艳

    IPC分类号: A61L2/24 A61L2/04

    摘要: 本发明属于制药生产领域,具体涉及一种生物疫苗灭活装置和控制方法。该装置由恒温水箱、疫苗灭活罐和控制器组成;恒温水箱装有温度传感器、三点式液位传感器、电加热管,配有补水电磁阀;灭活罐装有搅拌电机、搅拌浆、温度传感器,灭活罐外部有保温夹套;恒温水箱与疫苗灭活罐之间配有恒温水水泵、温控气动阀、手动阀;控制器由恒温水箱液位控制器、恒温水温度控制器、疫苗灭活罐温度控制器和搅拌定时控制器组成。恒温水箱用于提供灭活所需的温度恒定的水源,疫苗灭活罐温度控制器测量灭活罐温度控制恒温水水泵和温控气动阀启停把恒温水打入灭活罐夹套来保持灭活罐温度恒定。本发明可提高生物疫苗的灭活效率。

    一种基于神经网络的麻醉深度监测方法

    公开(公告)号:CN116172522B

    公开(公告)日:2023-06-30

    申请号:CN202310484070.8

    申请日:2023-05-04

    摘要: 本发明涉及数据处理技术领域,具体涉及一种基于神经网络的麻醉深度监测方法,包括:训练自编码网络获得信号数据的收敛序列,通过多阈值分割获得信号数据的收敛序列的转折点;计算信号数据的第一噪声概率;根据第一噪声概率序列的阈值进行划分获得多个概率子序列和数据子序列;获得信号数据序列的趋势项序列和每个数据子序列的趋势项子序列;根据局部相似度获得目标子序列,根据目标子序列的均值相似度获得所有对象子序列及局部概率相似度,获得信号数据的第二噪声概率;将信号数据的第二噪声概率作为权值,构建识别网络的损失函数,训练识别网络。本发明将第二噪声概率作为误差权重,排除训练过程中的噪声干扰,得到鲁棒性更强的识别网络。

    一种基于神经网络的麻醉深度监测方法

    公开(公告)号:CN116172522A

    公开(公告)日:2023-05-30

    申请号:CN202310484070.8

    申请日:2023-05-04

    摘要: 本发明涉及数据处理技术领域,具体涉及一种基于神经网络的麻醉深度监测方法,包括:训练自编码网络获得信号数据的收敛序列,通过多阈值分割获得信号数据的收敛序列的转折点;计算信号数据的第一噪声概率;根据第一噪声概率序列的阈值进行划分获得多个概率子序列和数据子序列;获得信号数据序列的趋势项序列和每个数据子序列的趋势项子序列;根据局部相似度获得目标子序列,根据目标子序列的均值相似度获得所有对象子序列及局部概率相似度,获得信号数据的第二噪声概率;将信号数据的第二噪声概率作为权值,构建识别网络的损失函数,训练识别网络。本发明将第二噪声概率作为误差权重,排除训练过程中的噪声干扰,得到鲁棒性更强的识别网络。