一种DoS攻击下多智能体的预定时间滑模编队控制方法

    公开(公告)号:CN118760174A

    公开(公告)日:2024-10-11

    申请号:CN202410908156.3

    申请日:2024-07-08

    Applicant: 无锡学院

    Abstract: 本发明公开了一种DoS攻击下多智能体的预定时间滑模编队控制方法,包括建立非周期性DoS攻击模型,考虑智能体之间的动态相互作用、协调关系以及外部干扰,建立多智能体动态模型,描述智能体的位置变化;设计预定时间滑模面以及其控制器,以实现多智能体的非线性系统对外部环境以及DoS攻击的适应性;设置预定时间终端滑模控制的Lyapunov充分条件;通过无界Lyapunov函数V2(x)进行无DoS攻击时系统稳定性证明;设定DoS攻击下的预定时间稳定系统的稳定性证明控制器,通过调整误差系统的初始参数,使得非线性系统完成非周期DoS攻击下期望的时变编队控制。通过本发明方法提升了非周期性DoS攻击以及持续外部干扰对非线性多智能体系统稳定性。

    一种DoS攻击下多智能体的预定时间滑模编队控制方法

    公开(公告)号:CN118760174B

    公开(公告)日:2025-01-24

    申请号:CN202410908156.3

    申请日:2024-07-08

    Applicant: 无锡学院

    Abstract: 本发明公开了一种DoS攻击下多智能体的预定时间滑模编队控制方法,包括建立非周期性DoS攻击模型,考虑智能体之间的动态相互作用、协调关系以及外部干扰,建立多智能体动态模型,描述智能体的位置变化;设计预定时间滑模面以及其控制器,以实现多智能体的非线性系统对外部环境以及DoS攻击的适应性;设置预定时间终端滑模控制的Lyapunov充分条件;通过无界Lyapunov函数V2(x)进行无DoS攻击时系统稳定性证明;设定DoS攻击下的预定时间稳定系统的稳定性证明控制器,通过调整误差系统的初始参数,使得非线性系统完成非周期DoS攻击下期望的时变编队控制。通过本发明方法提升了非周期性DoS攻击以及持续外部干扰对非线性多智能体系统稳定性。

    三相卧螺离心机运行状态参数采集与故障诊断方法

    公开(公告)号:CN118503882A

    公开(公告)日:2024-08-16

    申请号:CN202410922912.8

    申请日:2024-07-10

    Applicant: 无锡学院

    Abstract: 本发明提供一种三相卧螺离心机运行状态参数采集与故障诊断方法,涉及离心机诊断技术领域,本发明采集三相卧螺离心机幅度时序数据,温度时序数据和噪声时序数据;对采集数据进行特征提取得到幅度时域特征数据、振动频域特征数据、温度时域特征数据和噪声时域特征数据。通过振动、温度和噪声的时域特征数据生成振动异常系数、温度异常系数和噪声异常系数。根据振动异常系数与振动频域特征数据生成不平衡故障系数;根据振动异常系数与温度异常系数生成润滑故障系数;根据振动异常系数与噪声异常系数生成磨损故障系数。将不平衡故障系数、润滑故障系数和磨损故障系数与预设的阈值进行比较,根据比较结果诊断故障类型。

    基于多传感器的数据融合方法及系统

    公开(公告)号:CN119004059A

    公开(公告)日:2024-11-22

    申请号:CN202411460382.6

    申请日:2024-10-18

    Applicant: 无锡学院

    Abstract: 本发明提供基于多传感器的数据融合方法及系统,涉及多传感器数据融合技术领域,本发明通过结合不同传感器间的横向比较和同一传感器随时间变化的纵向分析,显著提高了数据融合的精度和系统的鲁棒性。横向比较捕捉传感器间的差异,纵向分析评估传感器随时间的性能变化,提供了全面的传感器健康状态评估。同时通过设置第一评价系数和第二评价系数来分别对当前状态和未来状态的风险进行评估,能够及时识别高风险传感器并预见潜在问题,而且观测时间和观测窗口的自适应设置,减少了计算资源的消耗,提高了系统的响应速度,满足多样化的应用需求。

    三相卧螺离心机运行状态参数采集与故障诊断方法

    公开(公告)号:CN118503882B

    公开(公告)日:2024-11-22

    申请号:CN202410922912.8

    申请日:2024-07-10

    Applicant: 无锡学院

    Abstract: 本发明提供一种三相卧螺离心机运行状态参数采集与故障诊断方法,涉及离心机诊断技术领域,本发明采集三相卧螺离心机幅度时序数据,温度时序数据和噪声时序数据;对采集数据进行特征提取得到幅度时域特征数据、振动频域特征数据、温度时域特征数据和噪声时域特征数据。通过振动、温度和噪声的时域特征数据生成振动异常系数、温度异常系数和噪声异常系数。根据振动异常系数与振动频域特征数据生成不平衡故障系数;根据振动异常系数与温度异常系数生成润滑故障系数;根据振动异常系数与噪声异常系数生成磨损故障系数。将不平衡故障系数、润滑故障系数和磨损故障系数与预设的阈值进行比较,根据比较结果诊断故障类型。

Patent Agency Ranking