一、正定矩阵的四个性质（论文文献综述）
王兴霞[1]（2021）在《领导-跟随多智能体系统容错一致性控制》文中研究表明近年来,随着生物科学、控制科学等多个学科的相互交叉和渗透发展,多智能体系统被广泛应用到航天、军事、工业等各个领域。作为多智能体系统协调控制的基本问题,一致性问题已经成为目前研究的核心问题。然而,由于多智能体系统在实际运行过程中会遇到各种不可控因素,智能体会不可避免的发生故障,这使如何保证带有故障的多智能体系统达到一致性成为一个重要的研究课题。因此,本文研究了领导-跟随多智能体系统在执行器故障下的一致性问题,主要的研究内容和创新点总结如下:第一,针对带有执行器部分失效故障的领导-跟随多智能体系统,提出了一种基于最优化理论的容错一致性算法。在算法设计中,基于欧拉-拉格朗日公式,得到了可以保证系统在执行器故障下达到一致性的最优化算法,并通过李雅普诺夫稳定性理论证明了一致性误差的渐近稳定性。与其他容错算法相比,本文的一致性算法具有更强的鲁棒性。最后,仿真结果进一步表明了所提出算法的有效性。第二,针对带有执行器部分失效故障和中断故障的领导-跟随多智能体系统,首次在多智能体系统容错一致性控制中引入控制分配算法,提出了基于有向通讯拓扑的领导-跟随多智能体系统容错一致性算法,并通过理论分析证明了系统的稳定性。与现有的容错一致性算法相比,提出的一致性算法可以保证系统在执行器中断故障下一致性误差的渐近稳定性,并对目前多智能体系统容错一致性控制的秩假设条件进行了优化。最后,仿真结果进一步表明了本文所提出算法的可行性。第三,针对基于事件触发机制的领导-跟随多智能体系统,通过首次引入控制分配算法,解决了带有执行器部分失效故障和中断故障的领导-跟随多智能体系统一致性问题,并且证明了提出算法的稳定性。事件触发机制可以减轻智能体之间的通信负荷,并且通过理论分析证明了此系统不会出现Zeno现象;提出的一致性算法可以保证此系统在执行器故障下的一致性的渐进稳定性。最后,通过数字仿真进一步验证了提出算法的有效性。
叶洪华[2]（2020）在《融合惯导和视觉SLAM的无人驾驶高效定位技术研究》文中研究说明无人驾驶车辆是汽车未来发展趋势。定位导航是无人驾驶技术的基础,无人驾驶车辆决策规划和控制都需要精准的定位信息。SLAM（Simultaneous Localization and Mapping）同时定位和构图是一种新型的无人驾驶车辆定位技术,该技术可在无先验地图信息条件下实现定位导航。传统的导航技术包括GPS定位和IMU惯导定位等。无论是传统定位技术还是SLAM定位技术都存在自身弊端和局限性,因此多种定位技术融合的组合导航是实现高精度无人驾驶车辆定位的关键。本文以IMU（Inertial Measurement Unit）惯导和视觉SLAM融合车辆定位技术为研究内容,实现无人车高精度定位算法。首先介绍了纯视觉SLAM基本框架和基础;对视觉SLAM前端视觉里程计进行研究分析,提出本文的特征匹配策略算法,以此提升SLAM算法性能;对IMU和视觉SLAM紧耦合融合进行研究,通过实现在线实时标定IMU和相机的时间戳偏差,以此减少多传感器融合的时间戳偏差对系统的影响。本文的研究基于开源的VI-ORB-SLAM系统展开,并且提出优化后的Improved-VI-ORB-SLAM系统。本文完成的主要研究工作如下:（1）SLAM的前端视觉里程计算法研究。针对传统视觉里程计中的特征匹配策略效率低的问题,从特征匹配和误匹配剔除两方面进行优化,具体内容如下:（a）:传统SLAM前端视觉里程计的特征匹配采用BF（Brute-force）暴力算法匹配,BF匹配算法在特征点数量多的场景计算复杂度高,针对这个问题,基于FLANN（Fast Library for Approximate Nearest Neighbors）特征匹配算法,提出一种混合Hybrid BF-FLANN（H-BF-FLANN）特征匹配算法。H-BF-FLANN特征匹配算法根据当前图像帧的特征点数量选择BF算法或者FLANN算法进行特征点匹配,相比传统BF算法,H-BF-FLANN匹配算法特征匹配效率更高。本文的Improved-VI-ORBSLAM系统采用H-BF-FLANN匹配算法进行图像处理,相比采用BF暴力匹配算法的原始VI-ORB-SLAM系统来说,大大地提升了系统的计算效率,减少系统时间消耗。（b）:传统SLAM采用RANSAC（Random Sample Consensus）算法进行特征误匹配剔除,由于RANSAC算法随机性地选取数据建模导致其计算效率低,针对这个问题,Improved-VI-ORB-SLAM系统采用效率更高的PROSAC（Progressive Sample Consensus）算法替换RANSAC算法进行误匹配剔除。RANSAC算法随机抽取样本点进行模型参数估计,而PROSAC算法对数据进行相似性排序,选择相似性排名靠前的对应关系作为子集。Improved-VI-ORB-SLAM系统采用PROSAC算法进行误匹配剔除,相比传统VI-ORB-SLAM算法,计算效率更高和位姿估计的精度。理论分析和试验验证将在后文给出。（2）IMU惯导和视觉SLAM融合算法研究。针对IMU和相机数据的时间戳不对齐对VI-ORB-SLAM系统性能影响的问题,Improved-VI-ORB-SLAM系统在线实时标定IMU和相机时间戳偏差,通过估计的时间偏差修正相机特征点数据以保证和IMU预积分数据正确融合。且外,时间戳偏差数据将作为系统优化变量进行实时更新。理论和试验表明,实时标定时间偏差提升了Improved-VI-ORB-SLAM系统的定位精度和鲁棒性。
吴中庆[3]（2020）在《要素价格扭曲对中国商品出口的影响效应及作用机制研究》文中研究指明国际贸易理论自产生起至今,经典的贸易理论关于贸易动因的解释主要是要素的绝对成本优势、要素的比较成本优势、要素的相对丰裕程度、产业的规模经济效应或企业的异质性生产率,前三种贸易理论基于完全竞争市场结构的假设前提,后两种贸易理论基于垄断竞争市场条件下的逻辑建构,其基本经济思想都是贸易品的相对价格竞争优势是引起贸易互动的前提条件。现实经济活动中,发展中国家实施经济赶超战略的一个典型做法,就是通过抑制要素报酬和要素流动的方式,以牺牲本国要素合理收益为代价参与国际分工并开展国际贸易,这也是推动本国产业快速融入全球价值链的一个次优选择。在国际贸易理论和中国贸易实践的基础上,本文从制度因素引致要素价格扭曲的视角,来研究其对贸易产生的影响效应及作用机制,为进一步发展和丰富贸易理论与实践提供一个新的见解。要素价格扭曲如何进行刻画?要素价格扭曲一定会带来直觉上的贸易增长吗?不同的要素价格扭曲对贸易增长存在异质性影响吗?要素价格扭曲在不同的国别分组中对贸易增长的影响存在结构性差异吗?要素价格扭曲对于贸易增长影响背后的机理又是什么呢?如果要从要素价格扭曲的视角研究其对贸易增长的影响效应和作用机制,上述一系列问题都无法回避。本文遵从“数理逻辑”和“计量实证”这样一个经济学研究范式,尝试建立一个要素价格扭曲对商品出口影响效应和作用机制的理论分析框架,运用现代计量方法针对中国场景下的宏观经济数据进行实证研究,并通过制造业领域微观企业数据进行稳健性检验后,从理论假设和实证检验两个方面对上述问题逐一进行了回答。本文基于总体效应视角的微观企业定价机制和基于中介效应视角的宏观经济传导机制两个理论分析框架,用数学方法演绎了要素价格扭曲对贸易增长的影响效应和作用机制;在C-D生产函数法的基础上构造状态空间模型,利用卡尔曼滤波法对要素价格扭曲的动态刻画结果表明,中国资本和劳动要素价格一致表现为负向扭曲,资本要素价格扭曲较劳动要素价格扭曲要来得更为严重;基于贸易引力模型的面板数据计量分析表明,资本和劳动要素价格扭曲对中国商品出口存在异质性影响,资本要素价格扭曲对中国商品出口增长具有“反直觉”的抑制效应,劳动要素价格扭曲对中国商品出口增长具有促进效应;基于Bootstrap方法进行的组间系数差异稳健性检验结果表明,资本要素价格扭曲对中国商品出口的抑制效应在全部贸易对象与“一带一路”沿线国家、主要贸易伙伴与OECD国家两组国别内表现出相同的形态,但是前组国别的影响程度要强于后组,劳动要素价格扭曲对于中国商品出口的促进效应在各组国别间没有结构性差异;基于中介效应模型实证研究表明,资本要素价格扭曲完全通过抑制投资的中介路径产生对中国商品出口增长的抑制作用,劳动要素价格扭曲部分通过抑制居民消费和扩大收入差距的中介路径（中介效应占总效应的81.99%）形成对中国商品出口增长的促进作用;基于Logit模型的企业出口行为实证研究结果表明,资本和劳动要素价格扭曲的现实表现,以及其对中国商品出口增长的异质性影响在宏观经济数据和微观企业数据中具有一致性。在理论研究与实证分析的基础上,本文最后回归到中国建设“贸易大国”与“贸易强国”的现实问题中,将实证研究的成果运用到规范研究中,有针对性地给出了深化金融供给侧结构性改革、加强人力资本规划与建设、分类挖潜出口增长扩张边际等三个方面的政策启示,为优化中国贸易健康发展的政策路径贡献一个新的洞见。
吕雅靖[4]（2020）在《电力北斗高精度接收机测试及评估方法研究》文中认为随着我国北斗卫星导航系统的发展,已经形成了“北斗+行业”融合发展的趋势。电力作为重要的能源支柱产业,与北斗系统的创新应用促进了电力系统的智能发展,提高了电力系统的管理水平。然而电力环境特殊,精度要求严格,其中,高精度接收机发挥着重要作用,关系到电力作业效率和系统运营的安全问题。在这种特殊的环境中,接收机性能能否满足电力要求尤为重要。本文以接收机的三个关键指标——定位、测速和时间精度为主要对象,研究其具体的测试评估方法。首先,本文对测试的仿真场景建立数学模型,以静止模型、汽车运动模型、正弦运动模型和螺旋上升模型模拟接收机在电力应用的实际场景,使测试环境逼近于真实环境,测试的数据更加可靠。数据预处理是评估过程中必不可少的,处理的好坏对后续评估工作会产生影响。本文研究了几种传统预处理方法的限制条件与优缺点,在此基础上提出了一种基于k-means算法的新型粗差处理方法,弥补了传统方法对样本数量条件限制的缺点。在处理过程中,发现了样本中混有无效的数据,为提高处理效率,对可见卫星数作归一化处理,利用实验测试数据仿真验证了该方法的可行性,处理效果较好。然后对定位误差数据进行评估,考虑到降维处理会丢失信息,对精度评估有影响,采用了三维的球概率误差算法（SEP）进行评估。其中研究了三种计算SEP值的算法,并对其中的极大似然估计算法（MLE）加以改进,引入了 KNN算法,将数据分成不同域,但因为KNN在大样本处理过程中,速度比较慢,并且可能出现分类不准确的问题,因而将KNN与k-modes算法融合,先选取大样本中的一数据进行分类处理,根据分类结果再计算剩余的样本数据,将获得的计算结果通过MLE算法实现SEP的估计。仿真验证了不同模拟场景下不同样本量的测试数据,比较了几种方法计算的结果,证明算法评估效果较好。最后基于Qt软件平台开发了一个接收机自动评估软件,根据实验测试员的需求,软件实现了数据导入、精度评估和数据库管理的功能。数据导入主要完成测试数据导入和接收机基本信息的导入,基本信息包括接收机的型号、测试场景等。精度评估中根据测试指标选择对应的评估方法,评估结束后根据需要产生评估报表,最后将完成的评估任务记录在数据库中,便于实验人员的数据管理。
陈丙振[5]（2019）在《Huber矩阵回归理论与算法研究》文中进行了进一步梳理随着大数据时代的到来,我们面临的数据越来越复杂.矩阵形式的数据普遍存在于科学研究和实际应用领域中,如基因表达分析、脑神经网络、金融、经济、机器学习与人工智能、医学影像疾病诊疗、风险管理等.目前对于这些数据的处理,大多基于同方差假设并利用最小二乘模型进行统计分析.事实上,很多数据不是同方差的.此时最小二乘模型不能很好地解释这些数据.在这种情况下,很自然地我们要考虑稳健方法,如分位数回归.但是在实际问题中,我们不清楚数据是否重尾或含有离群点.这时,考虑使用Huber函数作为损失函数是一个很好的选择.Huber函数是二次函数和绝对值函数的组合,是绝对值函数的光滑化函数.从优化角度看,光滑化更有利于优化算法的设计.此外,数据中还存在结构特征,如元素稀疏、预测变量稀疏、低秩、多重共线性等.本文通过正则化技术,建立Huber矩阵回归模型.然后,我们研究了模型的统计性质并设计了模型的求解算法.最后,我们利用这些模型对模拟数据和真实数据进行了分析.对于低秩的重尾矩阵数据,我们建立了核范数正则化Huber矩阵回归模型.借助于核范数的可分解性,Huber损失函数的局部限制强凸性和近似低秩性等概念,给出了模型估计的风险上界.然后设计了迭代复杂度为O（（?））的加速邻近梯度算法mAPG来估计模型的系数矩阵.最后,我们使用此模型对模拟数据和Norwegian纸张质量数据进行分析.结果表明,核范数正则化Huber矩阵回归模型能给出更好的结果.对于存在多重共线性且低秩的重尾矩阵数据,我们建立了低秩弹性网正则化Huber矩阵回归模型,并从理论上证明了此模型的组性质.在关于噪声和设计矩阵的一些条件下,建立了其解的风险上界.在第二章提出的mAPG算法的基础上,考虑了连续技术和截断技术来进一步加速mAPG算法.通过分析模拟数据和拟南芥数据,我们发现,低秩弹性网正则化Huber矩阵回归模型能很好地处理重尾数据中的共线性问题.对于存在多重共线性且预测变量稀疏的重尾矩阵数据,我们建立了行稀疏弹性网弹性网正则化Huber矩阵回归模型,并在理论上证明了其组性质.在一些假设条件下,我们建立了其风险上界.此外,设计了迭代复杂度为O（（?））的加速邻近次梯度算法来求解此模型.通过进行模拟试验和分析聚乙烯数据集,我们发现,行稀疏弹性网正则化Huber矩阵回归模型不仅能很好地处理重尾数据中的共线性问题,还可以选择出重要的预测变量.总之,我们针对具有不同结构特征的矩阵回归问题,提出了正则化Huber矩阵回归模型,研究了模型的统计性质,设计了有效的优化算法并给出了收敛性分析,通过数值实验验证了模型的有效性和理论性质.
金亚洲[6]（2020）在《基于度量学习和优化排序的多标记学习》文中进行了进一步梳理多标记学习是传统单标记分类的一个自然扩展,通过为每一个样本赋予标记空间的一个子集来表示具有的标记信息,因此对该学习范式的研究不仅具有理论意义,还有广泛的应用价值。目前,面向多标记学习问题的各个方面的研究均有众多的优秀研究成果,本文的研究内容主要侧重于三个方面,其工作如下:首先,在多标记学习中关于特征的研究主要集中在降维领域,在学习更好的距离度量和减少特征噪声的干扰方面仅有少许研究进展,本文针对信息几何度量学习算法为标记空间构造的核矩阵,引入余弦相似性函数与Jaccard相似系数表示两两样本对应的标记集合的相似性,使其适应于多标记学习,并将度量矩阵的Frobenius范数的平方作为正则项以缓解过拟合现象的发生,在多标记数据集上的实验证实了利用度量矩阵计算出的新的样本间距离能够提升多标记分类算法的表现。其次,将多标记分类问题转化为标记间的排序问题后,标记空间中的信息是冗余的,即一些标记信息不能够改善现有算法的性能,但增加了计算代价,针对此问题,本文建立了一个不同的约束,着重关注其不确定性较大的标记,最小化上述约束不满足时引入的松弛项和权重参数的复杂度来实现标记间排序,通过在一些多标记数据集上的仿真实验,证实了算法的有效性。最后,针对排序支持向量机在训练时计算复杂度较高的问题,本文引入加权线性损失来近似铰链损失函数,通过修改目标函数中的正则项使求解更加高效,实验结果显示,与原始算法相比,在评价指标上的表现虽有略微下降,但在计算效率上则有明显优势。
叶翰嘉[7]（2019）在《开放环境下的度量学习研究》文中研究表明利用对象之间的相似性关系,度量学习为样本学到有效的特征表示,使得在该表示空间中,样本之间的距离度量能够精确反映样本之间的相似与不相似关系。有效的距离度量与表示空间极大地辅助了后续的多样化任务。在度量学习的研究中,传统的方法依赖于静态的、封闭的环境,需要无干扰、不变化的特征,大量的训练样本,且只能处理单一的对象语义。而实际应用场景比较复杂,是开放的,并存在“输入噪声多”、“训练样本少”、“特征变化快”、“语义表示广”等特点。本文从模型在开放环境下输入、输出层面上面临的挑战作为切入点,提出针对或利用度量学习特性的具体算法,从理论和应用等多个角度使得度量学习的研究能够契合开放的环境。本文的主要内容有:1.从理论上分析了度量学习的泛化能力,并提出策略以降低其样本复杂度。传统机器学习方法要求大量有标记的训练样本,而实际场景中,对于某些类别,考虑到样本搜集和标注的代价,只能获取极少量的有标记的样本。本文从目标函数性质以及度量重用两个角度进行泛化能力的理论分析,相对于以往的分析结果,提出如何能获得更快的泛化收敛率,即如何利用更少的样本得到同样的泛化误差。同时,本文通过大量实验进行验证,说明满足理论假设时,各因素对样本复杂度的影响与理论中给出的趋势一致。2.提出一种应用度量语义变换在小样本情况下应对特征变化的学习方法。除了仅有少量的训练样本,当在开放环境下处理新的任务时,模型也会面临特征空间变化的挑战。本文利用特征之间的关联性,提出构建特征的“元表示”空间,利用在该空间中学习的度量,将已有特征空间的分类器转换到新的特征空间上,以“重用”已有的训练好的异构分类器。提出的REFORM方法也降低了学习算法的样本和计算需求。值得一提的是,在REFORM方法重用分类器的过程中,没有历史训练数据的传输,而仅仅需要已有的模型,这也保护了不同阶段、不同任务之间数据的隐私性。3.提出能够灵活挖掘并自适应利用开放环境中复杂语义的多度量学习框架。图片、文本等对象在不同场景下往往存在丰富的语义。以往的度量学习方法只针对对象的单一语义进行建模,而忽略了语义的多样性。本文提出“语义度量”这一概念以及统一的框架UM2L,学习多个局部度量,不但能统一已有的方法、灵活挖掘出对象本身的不同语义,也能够提升后续众多实际问题的性能。针对度量数目的选择,本文也提出自适应的多度量学习框架LIFT,利用全局度量的辅助,动态地为不同的语义分配度量的数目。LIFT—方面防止模型过拟合、提升分类能力,一方面也降低了存储开销。4.提出一种利用分布扰动以适应输入特征和对象关系噪声的度量学习方法。开放动态的环境容易受到噪声的影响。一方面,输入的样本特征容易附带噪声,导致样本特征的描述不够精确;另一方面,对象之间的关联关系也会不准确,使后续相似性的学习更加困难。针对这一难点,本文首先对样本之间的距离做概率化分析,指出上述两种噪声都来源于样本特征的扰动。并提出一种基于“期望距离”的度量学习方法DRIFT。该方法在学习过程中动态地引入噪声,有效地增广数据,使模型有更好的泛化能力。利用DRIFT学到的距离度量更加鲁棒,能够更真实地反映对象之间的关系。
张登朋[8]（2017）在《与扇形矩阵有关的性质与不等式》文中研究指明本论文主要研究了扇形矩阵本身所具备的许多性质,一类凹函数在扇形矩阵上的若干不等式以及关于扇形矩阵及几何平均的一些不等式.首先研究了扇形矩阵的共轭,逆,任意阶Schur补都还在该扇形中.一些矩阵乘积的特征值,一些矩阵的Hadmard积,*相和矩阵,矩阵极分解的酉矩阵,它们的数值域仍在该扇形中.进一步地,还延伸了这类矩阵一些特征值,奇异值不等式及一个分数阶映射.接下来主要证明了扇形矩阵上凹函数的两个不等式.这两个结果补充了张[52]的工作.最后延伸了一些半正定矩阵的不等式到扇形矩阵并给出了Drury[13]定义类型几何平均的一个结果的上界.
陈辞[9]（2016）在《具有执行器非线性和状态约束的机器人自适应控制》文中研究说明随着信息、机械、材料等多学科的交叉发展,机器人在辅助甚至替代人类进行协调工作方面崭露出良好的应用潜质和强劲的市场需求。因此,机器人技术的研究不仅具有明显的应用前景,而且具有重要的理论价值。本文将机器人操作过程描述为多自由度运动/力混合非线性系统,重点围绕如何处理执行器非线性和状态约束等不确定性因素展开研究,旨在提高机器人控制性能。本文结构安排如下。第一章阐述相关研究背景及研究意义。第二章概述机器人系统建模和控制在内的背景知识。第三章至第七章共计五个章节,是本文的主要内容,包括三方面：1)、第三章至第四章主要研究具有执行器非线性的机器人自适应模糊协调控制；2)、第五章研究基于Nussbaum函数方法的广义执行器非线性机器人自适应控制；3)、第六章至第七章主要研究具有状态约束的机器人自适应神经网络协调控制。具体来说,上述五章依次对应如下内容：一、研究了在执行器间隙非线性情况下机器人抓取物体的协调控制问题,提出了一种补偿执行器间隙的运动/力分散模糊控制方案。首先,基于间隙非线性逆补偿思想,构造了一种执行器间隙逆模型自适应控制方法。然后,通过建立分散鲁棒自适应模糊协调控制方法,保证了物体运动和内力分别收敛于期望值。最后,将所提方法在双臂机器人系统上进行仿真计算并与已有方法进行比较,结果证实了所提方法的有效性。二、研究了多机械臂在执行器磁滞非线性和运动受限情况下的协调控制问题,提出了一种基于Barrier李雅普诺夫函数方法的机器人自适应模糊控制方案。首先,在多机械臂的执行器动力学方程中建立了磁滞模型,进而引入了自适应控制技术补偿并减少来自未知磁滞非线性的影响。紧接着,将不同工作环境下运动要求考虑进控制器设计,有效地限制了被操作物体的运动范围。并且,基于李雅普诺夫稳定性定理,保证了所提方法在多机械臂协调过程中运动和力控制性能。最后,多组比较结果说明了所提方法的有效性。三、研究了具有广义未知执行器非线性的机器人系统运动控制方法,建立了新型的Nussbaum函数分析工具,解决了未知时变非线性控制系数的稳定性分析问题。相比较于已有的Nussbaum函数方法,所提的方法不仅将多个未知控制系数从常数扩展为时变量,而且去除了多个控制系数上下界已知的假设条件。将自适应鲁棒控制与Nussbaum函数方法相结合,保证了机器人系统状态在广义执行器非线性情况下渐近收敛到期望轨迹。进一步地,为减少因使用传统Nussbaum函数引起的控制抖动,提出了一种基于饱和Nussbaum函数的控制方法。所提Nussbaum函数是基于时间扩展思想构造,减少了传统幅值扩展Nussbaum函数带来的值域不确定问题。并且,通过与自适应控制方法相结合,建立了一种处理多个未知时变控制系数的控制方法,促成了针对多输入多输出系统的稳定性分析,保证了机器人系统在未知执行器动态情况下实现运动状态渐近跟踪期望轨迹的控制目标。四、研究了双机械臂协调控制过程中由输出机构导致的状态磁滞约束问题,提出了一种自适应神经网络控制器,实现了机器人运动/力协调控制。所提方法完成了输出磁滞约束特性分析,并应用Nussbaum函数方法解决了由反推控制设计方法带来的时变系数分析困难。同时,结合自适应神经网络控制方法,实现了神经网络权重矩阵的上界估计,减少了待更新自适应律数量,降低了完成实时控制所需的计算负荷。最后,将所提控制方法与传统方法进行性能比较与评估,其结果进一步验证了所提方法的有效性、优越性和鲁棒性。五、研究了具有未知输出死区约束和物体不确定性的多机械臂协调控制问题,提出了一种多机械臂运动/力自适应神经网络协调控制方法。给出了一种死区建模方法,解决了反推控制设计过程中由传统死区模型导致的控制奇异问题。同时,所提方法去除了控制器设计过程中已知物体尺寸参数的先验条件。应用李雅普诺夫稳定性理论,证明了所提方法在多机械臂协调操作过程中运动和内力控制性能。最后,仿真结果说明了所提方法的有效性。
仇式鹍[10]（2016）在《考虑新能源发电相关性的节点分析法概率潮流计算》文中研究说明新能源发电输出功率具有很强的随机性,并且地理位置邻近的新能源发电输出功率具有一定的相关性,若大规模的新能源发电并入电网,将对电网的安全运行产生较大影响。概率潮流计算能够考虑各种不确定性因素对系统潮流的影响,通过这些不确定因素的概率特征得到输出变量的概率特征,对电力系统的规划设计、运行方式的安排等极具参考价值。为了进一步提高概率潮流计算的效率和扩大概率潮流计算的应用范围,本文提出一种考虑新能源发电相关性的节点分析法概率潮流计算方法。（1）实现了新能源发电输出功率的概率分析及其相关性评估。介绍了经验分布估计法,根据新能源发电输出功率的历史数据通过经验分布估计法拟合出新能源发电输出功率的累积分布函数。介绍了Copula理论,阐述了通过平方欧氏距离法选择合适的Copula函数对新能源发电输出功率进行相关性评估的具体步骤。（2）建立了节点分析法概率潮流计算模型。将PV节点注入有功变化对节点电压变化的影响和PQ节点注入功率变化对节点电压变化的影响分别进行考虑。在考虑PV节点注入有功变化对节点电压变化的影响时,根据PV节点的电压实部变化与虚部变化的线性关系建立PV节点注入有功变化与节点电压变化的关系模型；在考虑PQ节点注入功率变化对节点电压变化的影响时,根据PV节点电压变化接近于0且系统正常运行时节点电压维持在标幺值1左右的特点建立PQ节点注入功率变化与节点电压变化的关系模型。（3）建立了考虑新能源发电相关性的节点分析法概率潮流计算模型。根据Cholesky分解法处理新能源发电输出功率的相关性,修正节点分析法概率潮流计算模型,并推导出支路潮流变化与节点注入功率变化的关系模型。通过IEEE-14节点系统和IEEE-118节点系统对本文所提的考虑新能源发电相关性的节点分析法概率潮流计算方法进行测试,结果表明了本文所提方法的有效性。
二、正定矩阵的四个性质（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、正定矩阵的四个性质（论文提纲范文）
（1）领导-跟随多智能体系统容错一致性控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 多智能体系统及其一致性控制 |
| 第二节 多智能体系统容错一致性控制 |
| 第三节 本文的研究内容与章节安排 |
| 1.3.1 本文的研究内容 |
| 1.3.2 论文的结构安排 |
| 第二章 预备知识 |
| 第一节 代数图论 |
| 第二节 矩阵理论 |
| 2.2.1 范数理论 |
| 2.2.2 克罗内克积理论 |
| 第三节 稳定性理论 |
| 第四节 多智能体系统故障的数学模型 |
| 第五节 本章小结 |
| 第三章 领导-跟随多智能体系统的容错一致性控制 |
| 第一节 引言 |
| 第二节 问题描述 |
| 第三节 容错一致性控制器设计与分析 |
| 第四节 仿真结果及分析 |
| 第五节 本章小结 |
| 第四章 基于控制分配算法的领导-跟随多智能体系统容错一致性控制 |
| 第一节 引言 |
| 第二节 控制分配算法 |
| 第三节 问题描述 |
| 第四节 容错一致性控制与分析 |
| 第五节 仿真结果及分析 |
| 第六节 本章小结 |
| 第五章 基于控制分配算法的事件触发领导-跟随多智能体系统的容错一致性控制 |
| 第一节 引言 |
| 第二节 问题描述 |
| 5.2.1 领导-跟随多智能体系统的数学模型 |
| 5.2.2 事件触发机制 |
| 第三节 容错一致性控制算法与分析 |
| 第四节 仿真结果及分析 |
| 第五节 本章小结 |
| 第六章 总结与展望 |
| 第一节 工作总结 |
| 第二节 工作展望 |
| 参考文献 |
| 在学期间发表的学术论文及研究成果 |
（2）融合惯导和视觉SLAM的无人驾驶高效定位技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 无人驾驶技术 |
| 1.1.1 发展历程 |
| 1.1.2 研究背景和意义 |
| 1.1.3 无人驾驶系统组成 |
| 1.2 SLAM研究现状和分类 |
| 1.2.1 SLAM国外研究现状 |
| 1.2.2 SLAM国内研究现状 |
| 1.3 论文主要内容及组织 |
| 第2章 视觉SLAM基本框架 |
| 2.1 引言 |
| 2.2 SLAM数学基础 |
| 2.2.1 三维空间刚体运动 |
| 2.2.2 李群李代数 |
| 2.3 纯视觉SLAM框架 |
| 2.3.1 前端视觉里程计 |
| 2.3.2 后端优化 |
| 2.3.3 回环检测 |
| 2.4 总结 |
| 第3章 Ⅵ-ORB-SLAM视觉里程计研究和优化 |
| 3.1 引言 |
| 3.2 相机模型 |
| 3.3 特征匹配算法及优化 |
| 3.3.1 ORB特征点提取 |
| 3.3.2 ORB特征匹配算法 |
| 3.3.3 本文Improved-Ⅵ-ORB-SLAM特征匹配策略 |
| 3.4 相机运动估计 |
| 3.5 总结 |
| 第4章 多传感器融合SLAM研究 |
| 4.1 引言 |
| 4.2 IMU传感器 |
| 4.2.1 IMU误差模型 |
| 4.2.2 IMU标定校准 |
| 4.3 视觉惯导融合SLAM |
| 4.3.1 IMU预积分 |
| 4.3.2 基于滑动窗口的关键帧姿态优化 |
| 4.3.3 本文Improved-Ⅵ-ORB-SLAM在线时间配准 |
| 4.4 总结 |
| 第5章 无人驾驶车辆SLAM定位试验 |
| 5.1 引言 |
| 5.2. 标定试验 |
| 5.2.1 相机标定 |
| 5.2.2 IMU标定 |
| 5.2.3 IMU和相机联合标定 |
| 5.3 SLAM系统试验 |
| 5.3.1 前言 |
| 5.3.2 SLAM系统评估方法 |
| 5.3.3 试验一: 本文特征匹配算法试验 |
| 5.3.4 试验二: 视觉惯导试验 |
| 5.4 总结 |
| 总结与展望 |
| 总结 |
| SLAM展望 |
| 参考文献 |
| 附录 A 攻读硕士学位期间发表的论文 |
| 致谢 |
（3）要素价格扭曲对中国商品出口的影响效应及作用机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 问题的提出 |
| 第二节 研究的意义 |
| 一、理论意义 |
| 二、现实意义 |
| 第三节 研究的方法 |
| 一、研究思路 |
| 二、基本框架 |
| 第四节 主要创新点 |
| 第二章 要素价格扭曲与商品出口的文献综述 |
| 第一节 要素价格扭曲的相关文献综述 |
| 一、要素价格扭曲的内涵 |
| 二、要素价格扭曲的测度 |
| 三、要素价格扭曲的经济社会影响 |
| 第二节 要素价格扭曲与商品出口的相关文献综述 |
| 一、要素价格扭曲与贸易动因 |
| 二、要素价格扭曲与贸易结构 |
| 三、要素价格扭曲与贸易结果 |
| 第三节 简要评述 |
| 第三章 中国要素价格与商品出口的历史考察 |
| 第一节 资本要素价格状况的历史考察 |
| 一、资本要素价格的决定因素理论 |
| 二、中国资本要素价格状况的历史演进 |
| 三、中国资本要素价格演化的特征分析 |
| 第二节 劳动要素价格状况的历史考察 |
| 一、劳动要素价格的决定因素理论 |
| 二、中国劳动要素价格状况的历史演进 |
| 三、中国劳动要素价格演化的特征分析 |
| 第三节 中国商品出口状况的历史考察 |
| 一、商品出口的决定因素理论 |
| 二、中国商品出口状况的历史考察 |
| 三、中国商品出口规模扩张的成因分析 |
| 第四节 本章小结 |
| 第四章 要素价格扭曲对商品出口影响机制的理论框架 |
| 第一节 微观企业定价机制分析:一个总体效应视角 |
| 第二节 宏观经济传导机制分析:一个中介效应视角 |
| 第三节 本章小结 |
| 第五章 要素价格扭曲的测度研究 |
| 第一节 模型设定 |
| 第二节 变量选取与数据来源 |
| 第三节 数据检验 |
| 一、平稳性检验 |
| 二、协整检验 |
| 第四节 实证结果分析 |
| 第五节 本章小结 |
| 第六章 要素价格扭曲对商品出口的影响效应研究 |
| 第一节 模型设定 |
| 第二节 变量选取与数据处理 |
| 第三节 数据检验 |
| 一、平稳性检验 |
| 二、协整检验 |
| 第四节 实证结果分析 |
| 一、模型筛选 |
| 二、全样本面板分析 |
| 三、子样本面板分析 |
| 四、稳健性检验 |
| 第五节 本章小结 |
| 第七章 要素价格扭曲对商品出口的作用机制研究 |
| 第一节 资本要素价格扭曲对投资率的作用机制分析 |
| 一、模型设定 |
| 二、变量选取与数据来源 |
| 三、平稳性检验 |
| 四、诊断性检验 |
| 五、格兰杰因果检验 |
| 六、脉冲响应分析 |
| 第二节 劳动要素价格扭曲对居民消费率的作用机制分析 |
| 一、模型设定 |
| 二、变量选取与数据来源 |
| 三、平稳性检验 |
| 四、协整检验 |
| 五、诊断性检验 |
| 六、格兰杰因果检验 |
| 七、脉冲响应分析 |
| 第三节 要素价格扭曲对商品出口的中介效应分析 |
| 一、模型设定 |
| 二、变量选取与数据来源 |
| 三、平稳性检验 |
| 四、实证结果分析 |
| 第四节 基于微观企业数据的稳健性检验 |
| 第五节 本章小结 |
| 第八章 结论与启示 |
| 第一节 主要结论 |
| 第二节 有待进一步研究的问题 |
| 第三节 政策启示 |
| 一、深化金融供给侧结构性改革 |
| 二、加强人力资本规划与建设 |
| 三、挖潜商品出口增长的扩张边际 |
| 参考文献 |
| 附录 |
| 后记 |
（4）电力北斗高精度接收机测试及评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 接收机测试研究现状 |
| 1.2.2 接收机评估方法研究现状 |
| 1.3 北斗高精度接收机分类与应用场景 |
| 1.4 本课题主要研究内容及论文结构 |
| 第2章 技术原理介绍 |
| 2.1 北斗卫星导航系统介绍 |
| 2.1.1 北斗系统定位原理 |
| 2.1.2 北斗信号及导航电文 |
| 2.2 北斗高精度接收机组成及工作原理 |
| 2.2.1 基本结构 |
| 2.2.2 射频模块 |
| 2.2.3 基带信号处理模块 |
| 2.2.4 PVT信息解算模块 |
| 2.3 接收机输出数据格式 |
| 2.4 接收机误差 |
| 2.5 本章小结 |
| 第3章 测试系统设计 |
| 3.1 测试指标 |
| 3.2 测试系统组成及原理 |
| 3.3 测试场景设计 |
| 3.3.1 静止模型 |
| 3.3.2 汽车运动模型 |
| 3.3.3 正弦运动模型 |
| 3.3.4 螺旋上升模型 |
| 3.4 测试流程 |
| 3.5 本章小结 |
| 第4章 数据预处理 |
| 4.1 坐标转换 |
| 4.2 传统粗差处理方法 |
| 4.2.1 t检验法 |
| 4.2.2 Grubbs检验法 |
| 4.2.3 Dixon检验法 |
| 4.2.4 拉依达准则 |
| 4.3 基于K-means聚类的新型粗差处理方法 |
| 4.4 仿真结果分析 |
| 4.4.1 一维数据分析验证 |
| 4.4.2 多维数据分析验证 |
| 4.5 本章小结 |
| 第5章 评估算法优化 |
| 5.1 SEP传统方法介绍 |
| 5.2 基于MLE-KNN综合算法的SEP优化改进 |
| 5.3 仿真验证 |
| 5.3.1 正态性与独立性检验 |
| 5.3.2 仿真分析比较 |
| 5.4 本章小结 |
| 第6章 评估软件的开发与实现 |
| 6.1 开发环境 |
| 6.2 软件需求分析 |
| 6.3 软件总体设计 |
| 6.3.1 导入模块 |
| 6.3.2 评估模块 |
| 6.3.3 数据库管理模块 |
| 6.4 仿真验证 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）Huber矩阵回归理论与算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 0 符号说明 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 线性回归模型 |
| 1.2.2 矩阵回归模型 |
| 1.3 本文主要工作 |
| 1.4 本文结构 |
| 2 核范数正则化Huber矩阵回归 |
| 2.1 模型引入 |
| 2.2 统计性质 |
| 2.2.1 抗离群点干扰性 |
| 2.2.2 风险上界 |
| 2.3 加速邻近梯度算法 |
| 2.4 数值试验 |
| 2.4.1 模拟数据 |
| 2.4.2 真实数据分析 |
| 2.5 本章小结 |
| 3 低秩弹性网正则化Huber矩阵回归 |
| 3.1 模型引入 |
| 3.2 统计性质 |
| 3.2.1 组性质 |
| 3.2.2 抗离群点干扰性 |
| 3.2.3 风险上界 |
| 3.3 加速邻近梯度算法 |
| 3.4 数值试验 |
| 3.4.1 模拟数据 |
| 3.4.2 真实数据分析 |
| 3.5 本章小结 |
| 4 行稀疏弹性网正则化Huber矩阵回归 |
| 4.1 模型引入 |
| 4.2 统计性质 |
| 4.2.1 组性质 |
| 4.2.2 抗离群点干扰性 |
| 4.2.3 风险上界 |
| 4.3 加速邻近次梯度算法 |
| 4.3.1 次梯度算法 |
| 4.3.2 调整参数的选择 |
| 4.4 数值试验 |
| 4.4.1 模拟数据 |
| 4.4.2 真实数据 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 本文总结 |
| 5.2 未来工作 |
| 5.2.1 广义弹性网正则化矩阵回归模型 |
| 5.2.2 正交约束下的mAPG算法 |
| 5.2.3 离群点模型 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）基于度量学习和优化排序的多标记学习（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 多标记学习研究现状 |
| 1.3 本文的研究内容和结构安排 |
| 2 多标记学习与度量学习背景知识 |
| 2.1 多标记学习框架的概念表示 |
| 2.2 多标记学习的评价指标 |
| 2.3 度量学习的背景知识 |
| 2.4 本章小结 |
| 3 基于度量学习的多标记学习算法改进 |
| 3.1 核函数与信息几何度量学习相关知识 |
| 3.1.1 核函数相关知识 |
| 3.1.2 信息几何度量学习相关知识 |
| 3.2 基于信息几何度量学习的多标记学习算法改进 |
| 3.3 实验及分析 |
| 3.3.1 在多标记数据集上的实验结果 |
| 3.3.2 参数敏感性分析 |
| 3.4 本章小结 |
| 4 基于间隔的优化排序多标记学习算法 |
| 4.1 相关工作 |
| 4.1.1 间隔准则 |
| 4.1.2 Pegasos算法 |
| 4.2 基于间隔的优化排序多标记学习算法 |
| 4.2.1 优化最小输出与最大输出之间的间隔 |
| 4.2.2 优化模型平均输出改进的间隔 |
| 4.3 实验及分析 |
| 4.4 本章小结 |
| 5 基于加权线性损失的排序支持向量机算法 |
| 5.1 相关工作 |
| 5.1.1 Rank-SVM算法 |
| 5.1.2 基于加权线性损失的支持向量机算法 |
| 5.2 基于加权线性损失的Rank-SVM算法 |
| 5.3 实验及分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）开放环境下的度量学习研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 度量学习简介 |
| 1.3 开放环境的特点 |
| 1.4 开放环境的研究进展 |
| 1.5 后文概要 |
| 2 度量学习研究进展 |
| 2.1 监督学习 |
| 2.2 度量学习 |
| 2.3 度量学习的相关算法 |
| 2.4 开放环境下的度量学习的研究思路 |
| 3 开放环境下度量学习的样本复杂度分析 |
| 3.1 引言 |
| 3.2 现有的度量学习理论结果 |
| 3.3 基于函数性质的度量学习样本复杂度改进 |
| 3.4 基于度量重用的度量学习样本复杂度改进 |
| 3.5 实验验证 |
| 3.6 本章小结 |
| 4 基于度量学习和语义映射的异构模型修正 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 基于度量语义映射的模型重用框架REFORM |
| 4.4 模型重用框架REFORM的具体实现 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 5 多语义环境下的度量学习方法探究 |
| 5.1 引言 |
| 5.2 多度量学习方法的相关工作 |
| 5.3 考虑多语义的多度量学习方法UM~2L |
| 5.4 多度量自适应选择框架LIFT |
| 5.5 实验验证 |
| 5.6 本章小结 |
| 6 考虑噪声辅助的开放环境度量学习 |
| 6.1 引言 |
| 6.2 相关工作 |
| 6.3 考虑样本扰动的的鲁棒度量学习DRIFT |
| 6.4 实验验证 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 简历与科研成果 |
（8）与扇形矩阵有关的性质与不等式（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 行列式不等式 |
| 1.2.2 酉不变范数不等式 |
| 第二章 预备知识 |
| 2.1 基本概念、符号 |
| 2.2 矩阵的范数 |
| 2.3 正定矩阵 |
| 2.3.1 定义与性质 |
| 2.3.2 特征刻画以及性质 |
| 2.3.3 极分解与奇异值分解 |
| 2.3.4 极分解与奇异值分解的推论 |
| 2.3.5 Kantorovich不等式, Wielandt不等式,Schur乘积定理 |
| 2.3.6 同时对角化, 乘积以及凸性 |
| 2.3.7 Loewner偏序以及分块矩阵 |
| 2.3.8 与正定矩阵有关的不等式 |
| 2.4 优控(Majorization) |
| 2.4.1 优控的基本性质 |
| 2.4.2 优控与随机矩阵, 凸函数 |
| 2.4.3 对角元素, 特征值, 奇异值中的优控 |
| 2.4.4 矩阵和与积的优控 |
| 2.4.5 优控和酉不变范数 |
| 第三章 扇形矩阵的性质 |
| 3.1 引言及问题描述 |
| 3.2 主要结果及证明 |
| 3.2.1 S_a集合 |
| 3.2.2 S_a元素,子矩阵,值域,特征值,奇异值 |
| 3.2.3 扇形矩阵的运算 |
| 3.2.4 分解与映射 |
| 3.2.5 证明和评论 |
| 第四章 扇形矩阵上的一类凹函数 |
| 4.1 引言及问题描述 |
| 4.2 主要结果及证明 |
| 第五章 关于扇形矩阵和几何平均的一些不等式 |
| 5.1 引言及问题描述 |
| 5.2 主要结果及证明 |
| 参考文献 |
| 攻读博士学位期间完成及发表的论文 |
| 致谢 |
（9）具有执行器非线性和状态约束的机器人自适应控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题的研究背景及意义 |
| 1.2 执行器非线性控制研究现状 |
| 1.2.1 间隙非线性控制 |
| 1.2.2 死区非线性控制 |
| 1.2.3 磁滞非线性控制 |
| 1.2.4 广义执行器非线性控制 |
| 1.3 状态约束控制研究现状 |
| 1.4 本文主要内容 |
| 第二章 背景知识 |
| 2.1 机器人动力学建模 |
| 2.1.1 Denavit-Hartenberg规则 |
| 2.1.2 机器人系统动能分析 |
| 2.1.3 机器人系统势能分析 |
| 2.1.4 机器人系统拉格朗日方程 |
| 2.2 机器人系统的自适应控制方法 |
| 2.3 机器人系统的智能控制方法 |
| 2.3.1 基于神经网络的控制方法 |
| 2.3.2 基于模糊逻辑系统的控制方法 |
| 2.4 本章小结 |
| 第三章 具有执行器间隙非线性的机械臂分散自适应模糊协调控制 |
| 3.1 引言 |
| 3.2 系统描述 |
| 3.2.1 机械臂协调操作的运动学分析 |
| 3.2.2 机械臂协调操作的动力学分析 |
| 3.3 机械臂抓取物体的分散鲁棒自适应模糊控制 |
| 3.3.1 间隙非线性补偿 |
| 3.3.2 鲁棒模糊自适应控制器设计 |
| 3.3.3 稳定性分析 |
| 3.4 算法性能分析 |
| 3.4.1 参数设计 |
| 3.4.2 结果与分析 |
| 3.4.2.1 定点跟踪 |
| 3.4.2.2 轨迹跟踪 |
| 3.4.2.3 不同强度扰动的轨迹跟踪 |
| 3.5 本章小结 |
| 第四章 具有执行器磁滞和运动受限的多机械臂自适应模糊协调控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 运动学 |
| 4.2.2 动力学 |
| 4.3 多机械臂协调抓取的自适应模糊控制 |
| 4.4 控制性能评估 |
| 4.4.1 初始条件与参数设计 |
| 4.4.2 评估结果与分析 |
| 4.4.2.1 有效性评估 |
| 4.4.2.2 优越性评估 |
| 4.4.2.3 鲁棒性评估 |
| 4.5 本章小结 |
| 第五章 基于Nussbaum函数方法的广义执行器非线性机器人自适应控制 |
| 5.1 引言 |
| 5.2 基于Nussbaum函数的时变控制系数处理方法 |
| 5.2.1 问题描述 |
| 5.2.2 基于Nussbaum函数方法及性质 |
| 5.2.3 自适应控制器设计及其稳定性分析 |
| 5.2.4 仿真实例 |
| 5.3 基于饱和Nussbaum函数的控制方法 |
| 5.3.1 问题描述 |
| 5.3.2 主要结论 |
| 5.3.4 未知执行器动态的机器人控制 |
| 5.3.5 算法性能测试 |
| 5.3.5.1 有效性测试 |
| 5.3.5.2 优越性测试 |
| 5.4 本章小结 |
| 第六章 具有输出磁滞非线性的机器人自适应神经网络协调控制 |
| 6.1 引言 |
| 6.2 系统建模及问题描述 |
| 6.2.1 运动学建模 |
| 6.2.2 动力学建模 |
| 6.2.3 基于神经网络的逼近方法 |
| 6.3 自适应神经网络协调控制 |
| 6.3.1 输出状态磁滞约束 |
| 6.3.2 输入滤波器设计 |
| 6.3.3 基于Nussbaum函数的控制方法 |
| 6.3.4 控制器设计及其稳定性分析 |
| 6.3.4.1 控制器设计 |
| 6.3.4.2 稳定性分析 |
| 6.4 算法性能研究 |
| 6.4.1 初始条件和参数设计 |
| 6.4.2 结果与分析 |
| 6.4.2.1 定点跟踪结果与分析 |
| 6.4.2.2 轨迹跟踪结果与分析 |
| 6.4.2.3 不同强度扰动的轨迹跟踪 |
| 6.5 本章小结 |
| 第七章 具有输出死区和物体不确定性的多机械臂自适应神经网络控制 |
| 7.1 引言 |
| 7.2 多机械臂系统描述 |
| 7.2.1 运动学分析 |
| 7.2.2 动力学分析 |
| 7.3 机械臂协调控制 |
| 7.3.1 输出状态死区建模 |
| 7.3.2 输入驱动滤波 |
| 7.3.3 自适应神经网络控制 |
| 7.3.4 稳定性分析 |
| 7.4 性能评估 |
| 7.4.1 初始条件与参数选择 |
| 7.4.2 分析与讨论 |
| 7.4.2.1 定点跟踪测试 |
| 7.4.2.2 轨迹跟踪测试 |
| 7.4.2.3 鲁棒性测试 |
| 7.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间发表或提交的论文 |
| 致谢 |
（10）考虑新能源发电相关性的节点分析法概率潮流计算（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要工作 |
| 第二章 随机变量的概率特征 |
| 2.1 随机变量的定义 |
| 2.2 随机变量的矩 |
| 2.2.1 随机变量的原点矩 |
| 2.2.2 随机变量的中心矩 |
| 2.3 随机变量的半不变量 |
| 2.3.1 半不变量的定义 |
| 2.3.2 半不变量的性质 |
| 2.4 Gram-Charlier级数展开 |
| 2.5 本章小结 |
| 第三章 新能源发电输出功率概率分析及其相关性评估 |
| 3.1 引言 |
| 3.2 新能源发电输出功率概率分析 |
| 3.3 新能源发电输出功率相关性评估 |
| 3.3.1 Copula函数的定义及性质 |
| 3.3.2 Copula函数的分类 |
| 3.3.3 Copula函数的相关性度量 |
| 3.3.4 基于Copula理论的新能源发电输出功率相关性评估 |
| 3.4 本章小结 |
| 第四章 考虑新能源发电相关性的节点分析法概率潮流计算 |
| 4.1 引言 |
| 4.2 新能源发电输出功率相关性处理 |
| 4.2.1 新能源发电输出功率相关系数矩阵的Cholesky分解 |
| 4.2.2 新能源发电输出功率随机变量的转换 |
| 4.3 节点分析法概率潮流计算 |
| 4.3.1 节点分析法概率潮流计算的导纳矩阵 |
| 4.3.2 节点电压变化与PV节点注入有功变化的关系模型 |
| 4.3.3 节点电压变化与PQ节点注入功率变化的关系模型 |
| 4.4 考虑新能源发电相关性的节点分析法概率潮流计算 |
| 4.4.1 节点电压变化与PV节点注入有功变化的修正关系模型 |
| 4.4.2 节点电压变化与PQ节点注入功率变化的修正关系模型 |
| 4.4.3 支路潮流变化与节点注入功率变化的关系模型 |
| 4.4.4 节点电压概率分布函数的计算 |
| 4.4.5 支路潮流概率分布函数的计算 |
| 4.5 本章小结 |
| 第五章 算例分析 |
| 5.1 引言 |
| 5.2 新能源发电输出功率概率分析及其相关性评估算例测试 |
| 5.2.1 新能源发电输出功率概率分析 |
| 5.2.2 新能源发电输出功率相关性分析 |
| 5.3 考虑新能源发电相关性的节点分析法概率潮流算例测试 |
| 5.3.1 标准IEEE-14节点系统算例测试 |
| 5.3.2 标准IEEE-118节点系统算例测试 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间完成的学术论文 |
四、正定矩阵的四个性质（论文参考文献）
- [1]领导-跟随多智能体系统容错一致性控制[D]. 王兴霞. 南开大学, 2021
- [2]融合惯导和视觉SLAM的无人驾驶高效定位技术研究[D]. 叶洪华. 湖南大学, 2020
- [3]要素价格扭曲对中国商品出口的影响效应及作用机制研究[D]. 吴中庆. 上海社会科学院, 2020(12)
- [4]电力北斗高精度接收机测试及评估方法研究[D]. 吕雅靖. 华北电力大学(北京), 2020(06)
- [5]Huber矩阵回归理论与算法研究[D]. 陈丙振. 北京交通大学, 2019(03)
- [6]基于度量学习和优化排序的多标记学习[D]. 金亚洲. 南京理工大学, 2020
- [7]开放环境下的度量学习研究[D]. 叶翰嘉. 南京大学, 2019(11)
- [8]与扇形矩阵有关的性质与不等式[D]. 张登朋. 上海大学, 2017(02)
- [9]具有执行器非线性和状态约束的机器人自适应控制[D]. 陈辞. 广东工业大学, 2016(08)
- [10]考虑新能源发电相关性的节点分析法概率潮流计算[D]. 仇式鹍. 东南大学, 2016(03)