项目名称: 基于鲁棒模型匹配方法的通用鲁棒补偿器设计

项目编号: No.61263009

项目类型: 地区科学基金项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 热孜万·买买提

作者单位: 新疆大学

项目金额: 42万元

中文摘要: 本研究课题旨在为自适应光学控制系统设计一个基于鲁棒模型匹配(Robust Model Matching; RMM)方法的简单并且实用的通用鲁棒补偿器,以求进一步提高系统的控制精度并且获得高分辨率图像。RMM方法近几年在国际自控领域受到重视并开始实际应用。由于鲁棒补偿器的设计非常灵活,能够设计出低阶补偿器,系统的鲁棒性易于调节。除此之外,相对于高阶以及复杂的控制器,其实时计算时间缩短很多。因此,控制系统的实时性和可靠性均可得到显著提高。所设计的鲁棒补偿器可应用于任意一个既存的自适应光学控制系统。即对于既存的控制系统,只要附加所设计的鲁棒补偿器而不是替换原有控制器,既可提高原有系统的鲁棒性,又可使控制系统在不确定性条件下仍能维持其稳定性和某些特性,使控制系统达到更高的控制精度。

中文关键词: 自适应光学控制系统;模型匹配;鲁棒性;控制精度;补偿器

英文摘要: In this research, we propose a simple and practical universal robust compensator design for an adaptive optics control system, based on the Robust Model Matching Strategy (RMM),in order to further improve the control accuracy of a system and obtain a high resolution image. The RMM is considered as a natural and tractable approach to design and analysis of robust control systems in the field of automatic control,and begin to practical application in recent years. Because the design of robust compensator is rather flexible, it is possible to design low-order compensators, and the system robustness can be tuned easily. In addition to this, there is less real-time computational burden than high-order complex controllers. Therefore, the real-time property and reliability of a control system can be significantly improved.The designed robust compensator can be applied to any kind of existing adaptive optics systems. That is, when the robust compensator be attached to any kind of existing systems instead of replace the original controller, not only can improve the robustness of the system, but also enable the system to keep the stabilities and some other properties even under the condition of uncertainty, and make the control system to achieve a higher control accuracy.

英文关键词: Adaptive optics control systems;model matching;robustness;control accuracy;compensator

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于压缩域的端到端通用事件表示学习
专知会员服务
8+阅读 · 2022年4月24日
【AAAI2022】锚点DETR:基于transformer检测器的查询设计
专知会员服务
12+阅读 · 2021年12月31日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
19+阅读 · 2021年5月4日
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
55+阅读 · 2021年3月31日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
【KDD2020】 鲁棒的跨语言知识图谱实体对齐
专知会员服务
26+阅读 · 2020年9月10日
有效且稳健的数据增强小样本学习 | 论文荐读
学术头条
6+阅读 · 2022年3月25日
从顶会论文看多模态预训练研究进展
专知
3+阅读 · 2021年12月24日
从最小二乘法到卡尔曼滤波
图与推荐
1+阅读 · 2021年12月22日
基于自监督的可逆性强化学习方法
AI前线
4+阅读 · 2021年12月3日
论文浅尝|简单高效的知识图谱表示学习负样本采样方法
基于深度迁移学习进行时间序列分类
PaperWeekly
14+阅读 · 2018年11月15日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月2日
Arxiv
0+阅读 · 2022年5月2日
UNITER: Learning UNiversal Image-TExt Representations
Arxiv
23+阅读 · 2019年9月25日
小贴士
相关VIP内容
【CVPR2022】基于压缩域的端到端通用事件表示学习
专知会员服务
8+阅读 · 2022年4月24日
【AAAI2022】锚点DETR:基于transformer检测器的查询设计
专知会员服务
12+阅读 · 2021年12月31日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
19+阅读 · 2021年5月4日
【CVPR2021】现实世界域泛化的自适应方法
专知会员服务
55+阅读 · 2021年3月31日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
【KDD2020】 鲁棒的跨语言知识图谱实体对齐
专知会员服务
26+阅读 · 2020年9月10日
相关资讯
有效且稳健的数据增强小样本学习 | 论文荐读
学术头条
6+阅读 · 2022年3月25日
从顶会论文看多模态预训练研究进展
专知
3+阅读 · 2021年12月24日
从最小二乘法到卡尔曼滤波
图与推荐
1+阅读 · 2021年12月22日
基于自监督的可逆性强化学习方法
AI前线
4+阅读 · 2021年12月3日
论文浅尝|简单高效的知识图谱表示学习负样本采样方法
基于深度迁移学习进行时间序列分类
PaperWeekly
14+阅读 · 2018年11月15日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员