用于虚假数据注入攻击下的非线性系统的控制方法及系统

    公开(公告)号:CN117519096A

    公开(公告)日:2024-02-06

    申请号:CN202311628714.2

    申请日:2023-11-30

    Applicant: 上海大学

    Inventor: 孙庆 齐鑫 杜大军

    Abstract: 本发明涉及非线性系统控制技术领域,提出一种用于虚假数据注入攻击下的非线性系统的控制方法及系统。该方法包括:首先利用未受攻击传感器测量值,建立包含攻击信号、受攻击传感器测量值与未受攻击传感器测量值的局部重组系统;根据局部重组系统,构造状态观测器,以同时实现系统状态、虚假数据注入攻击信号的估计与分离;基于模型预测控制算法构造优化目标函数,考虑目标函数为非线性二次型函数,利用迭代线性二次型调节器,最小化目标函数求解控制序列;此外为了节省控制器计算资源,采用事件触发机制减少控制器更新次数;此外为了提高控制可靠性,减小由攻击信号与测量误差带来的不确定性,采用滚动优化策略提升控制精度。

    一种基于频域无参数辨识的倒立摆系统模型参数辨识方法

    公开(公告)号:CN113158353A

    公开(公告)日:2021-07-23

    申请号:CN202110006003.6

    申请日:2021-01-05

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于视觉倒立摆系统的频域无参数估计的辨识方法,涉及了倒立摆系统的仿真涉及分析领域。有效利用输入输出带扰动噪声的单输入多输出函数模型,考虑倒立摆的稳定性,将倒立摆系统的模型辨识融入倒立摆控制策略设计中。包括以下步骤:首先利用倒立摆多输入多输出带扰动噪声建立仿真模型,确定模型阶次;根据倒立摆系统的性能和简单物理分析确定其输入,输出变量和待辨识的模型参数;考虑目标函数的优化复杂度,采用无参数法先计算输入输出噪声方差,此外为了提高辨识精确度,由离散傅里叶变换导致的频率泄露误差也将由无参数法求出,最终再通过极大似然法优化求解最终的模型参数。

    一种基于人工智能面部识别的监控装置

    公开(公告)号:CN118214939A

    公开(公告)日:2024-06-18

    申请号:CN202410320922.4

    申请日:2024-03-20

    Applicant: 上海大学

    Inventor: 李轩昂 孙庆

    Abstract: 本发明涉及监控设备技术领域,具体为一种基于人工智能面部识别的监控装置,包括移动机构、调节机构、测量机构和摄像头;所述移动机构包括壳体和U形板,所述U形板滑动连接于所述壳体的外侧壁,所述移动机构用于带动所述调节机构进行上下调节;所述调节机构安装于所述U形板的一侧,所述摄像头安装于所述调节机构的一侧,所述调节机构用于带动所述摄像头调节角度;本发明在使用的过程中,通过红外传感器对下方使用人员头部距地面的高度进行检测,根据使用人员头部距地面的位置,推测出使用人员头部的位置,然后启动第一电机带动摄像头移动至与使用人员头部齐平的位置,摄像头对使用人员面部进行识别,方便对不同身高的使用人员进行识别使用。

    一种基于频域无参数辨识的倒立摆系统模型参数辨识方法

    公开(公告)号:CN113158353B

    公开(公告)日:2022-11-04

    申请号:CN202110006003.6

    申请日:2021-01-05

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于视觉倒立摆系统的频域无参数估计的辨识方法,涉及了倒立摆系统的仿真涉及分析领域。有效利用输入输出带扰动噪声的单输入多输出函数模型,考虑倒立摆的稳定性,将倒立摆系统的模型辨识融入倒立摆控制策略设计中。包括以下步骤:首先利用倒立摆多输入多输出带扰动噪声建立仿真模型,确定模型阶次;根据倒立摆系统的性能和简单物理分析确定其输入,输出变量和待辨识的模型参数;考虑目标函数的优化复杂度,采用无参数法先计算输入输出噪声方差,此外为了提高辨识精确度,由离散傅里叶变换导致的频率泄露误差也将由无参数法求出,最终再通过极大似然法优化求解最终的模型参数。

    一种基于神经网络的柔性机械臂控制器设计方法和系统

    公开(公告)号:CN117921738A

    公开(公告)日:2024-04-26

    申请号:CN202311629349.7

    申请日:2023-11-30

    Applicant: 上海大学

    Abstract: 本发明涉及一种基于神经网络的柔性机械臂控制器设计方法和系统。设计方法包括如下步骤:通过传感器收集数据,并存储于服务器中;在服务器中对所述数据进行预处理,并存储于数据库中;提取数据库中的数据,在神经网络构建模块中构建神经网络;在神经网络训练模块中,将所述构建的神经网络拆分成两个子网,对所述拆分的两个子网进行离线训练和在线训练;在控制器设计模块中,将训练完成的神经网络与模型预测控制相结合,执行控制器控制策略的设计。设计系统包括数据收集模块,数据预处理模块,神经网络构建模块,神经网络训练模块,控制器设计模块。利用本发明提供的方法可保证算法的收敛性的同时提高精度,提升机械臂控制系统的适应性和鲁棒性。

Patent Agency Ranking