Nonlinear_Stabilization_WS05

合集下载

非模式作物RNA_seq完美实战

非模式作物RNA_seq完美实战一份高度定制化个性化的富集分析教程，将解决你做富集分析的全部问题。

写在前面上周末两天，加上这几天每天晚上抽出两个小时，我急行军似的开始构建一套转录组分析流程。

因为想到转录组已经很多人发教程了，我虽然没有做过，但是幸好之前了解过一些，就这样开始了。

但非模式物种的有参转录组还是参考比较少的。

我是用hisat2比对基因组却没有索引文件，这个过程生信技能树和生信媛的推文给我了一些帮助，我得已完成索引够构建和比对工作。

使用一些扩增子用不到的工具做了一些数据转化后就开始进行基于R语言的后续数据分析了。

说起来现在转录组一个双端测序一个文件不到10G，让我这个经常处理扩增子的感到了压力，我用的这台电脑32G内存8个线程，勉强完成唉，也不知道同行什么配置，sam文件每个基本都超过了15G，最终全部比对完花费了一晚上和一早上。

占用了我500G硬盘空间，也怪我没有将sam文件及时转化为bam文件，毕竟可以减少至少三分之二的空间。

终于在周末完成这件事情。

后续基于count矩阵的排序分析，差异分析我就轻车熟路了。

基于pca的排序，deseq2差异分析不到半个小时就完成了，因为有现成的代码。

但是最麻烦的还是来了-富集分析。

我最终做了四个富集分析：GO，KEGG，GSEA，GSVA。

其中go和kegg是常规富集，有很多参考资料，但是我的物种不是模式作物，所以旧麻烦一些，幸好网站上有基因对应的go注释，否则这一趟注释下来又得好一会，通过Y叔的教程手动构造背景数据库得以最终完成go富集。

Y叔的几个包成了我的宝贝，最后依靠enricher函数完成GO富集分析。

KEGG数据库中是可以找到我的物种的，但是我选择的基因组却和数据库中注释的基因id不同，在时间有限的情况下我是用了ko模式做KEGG富集分析。

也就是说species选择了ko，将我自己的基因注释到了对应的ko号上进行操作。

最终完成kegg分析，并将差异倍数成功映射到通路上，输出pdf和xml文件。

无自激活转录因子的研究方法

无自激活转录因子的研究方法无自激活转录因子的研究方法主要包括以下几种：
1. 生物信息学分析：通过计算机算法和数据库检索，分析基因的序列和结构，预测可能的转录因子结合位点，以及识别潜在的转录因子互作蛋白。

这种方法可以帮助研究人员快速筛选出可能的无自激活转录因子候选基因。

2. 基因敲除或敲低技术：利用基因编辑技术（如CRISPR-Cas9系统）或RNA干扰技术，特异性地敲除或敲低某个基因的表达，观察对细胞或生物体性状的影响。

如果某个基因的敲除或敲低导致特定基因的表达水平发生变化，那么这个基因可能就是一个无自激活转录因子。

3. 转录组分析：通过高通量测序技术，检测基因表达谱的变化，分析特定基因敲除或敲低后对其他基因表达的影响。

如果某个基因的敲除或敲低导致一系列基因的表达水平发生变化，那么这个基因可能就是一个无自激活转录因子。

4. 蛋白质互作研究：利用酵母双杂交、免疫共沉淀、质谱分析等技术，研究特定蛋白质与其他蛋白质之间的相互作用。

如果某个蛋白质能与多个转录因子互作，并且不影响这些转录因子的活性，那么这个蛋白质可能就是一个无自激活转录因子。

5. 功能验证实验：通过构建过表达载体或敲除载体，将特定基因导入细胞或动物模型中，观察对细胞或生物体性状的影响。

如果某个基因的过表达或敲除导致特定表型的变化，并且这种变化与已知的转录因子功能不符，那么这个基因可能是一个无自激活转录因子。

综上所述，无自激活转录因子的研究方法多种多样，需要结合多种技术手段进行综合分析和验证。

非平稳信号特征提取在航空发动机故障诊断中的应用

ｅｎｇｉｎｃｉｅｎｔａｕｌｓｄｉｎｅｉｐｉｆｔａｇｎｏｓｉＷｅｔｓ．ｓｕｄｙｈｅａｉｃｒｔｎｇｉｏｔａｕｌｓａｎｄｔｒａｆｅｎｅｒｏｒｆｔｐｒｓｅｎｔｗｏｅｔｅｔｍｈｏｄｓｆｏｒｅｘｔａｃｔｎｇｅａｕｒｆｒｉｆｔｅｏｆａｕｌｓｔｂａｓｅｄｏｎｅｍｐｉｉａｌｏｄｅｄｅｃｒｃｍｏｍｐｏｓｉｉｔｏｎ（ＥＭＤ）ａｎｄｗａｖｅｌｔａｎｓｆｍａｔｏｎｅｔｒｏｒｉｒｐｅｉｌｅｓｃｔｖｅｙ．Ｔｈｒｏｕｇｈｔｎｕｍｅｉｄａｔｍａｇｎｉｕｄｅａｎａｌｈｅｒｃａｌａｔｙｚｉｎｇａｎｄｅｍｕｌｉ，ｗｅｃａｔｏｎｏｍｐａｒｔｅｈｅｃｈａｒａｃｔｉｔｃｂｅｔｅｅｎｗｏｅｔｅｒｓｉｓｗｔｍｈｏｄｓ．Ｕｎｄｅｒｔｅｈｅｎｖｉｏｎｍｅｎｔａｔａｂ７．０，ａｓｏｆｓｒｏｆＭｌｔｙｓｔｍｅｏｆｅｘｔａｃｔｎｇｒｉｆｅａｔｅｕｒｏｆｔｆｈｅａｕｌｉｖｅｌｔｓｄｅｏｐｅｄ．Ｔｈｅｅｘｐｅｒｍｅｎｔｒｕｌｉｅｓｔｓｈｏｗｓｔｈａｔｈｅｔｍｅ— ｒｔｉｆｅｑｕｅｎｃｙｍｅｔｈｏｄｂａｓｅｄｏｎ
机故障振动信号的特征提取方面，其特点和性能，有相对常用时频分析方法有其优点。本文用航空发动机转
子试验台模拟旋转机械比较典型的转子不对中故障，
０引言

高光谱图像处理与信息提取前沿

3
3.1 3.1.1
高光谱图像处理与信息提取方法
噪声评估与数据降维方法噪声评估典型地物具有的诊断性光谱特征是高光谱遥
感目标探测和精细分类的前提，但是由于成像光谱仪波段通道较密而造成光成像能量不足，相对于全色图像，高光谱图像的信噪比提高比较困难。在图像数据获取过程中，地物光谱特征在噪声的影响下容易产生“失真”，如对某一吸收特征进行探测，则要求噪声水平比吸收深度要低至少一个数量级。因此，噪声的精确估计无论对于遥感器性能评价，还是对于后续信息提取算法的支撑，都具有重要意义。
张兵：高光谱图像处理与信息提取前沿
1063
得新的突破。高光谱图像处理与信息提取技术的研究主要包括数据降维、图像分类、混合像元分解和目标探测等方向(张兵和高连如，2011)。本文首先从上述4个方向梳理高光谱图像处理与信息提取中的关键问题，然后分别针对每个方向，在回顾相关经典理论和模型方法的基础上，介绍近年来取得的新的代表性成果、发展趋势和未来的研究热点。此外，高性能计算技术的发展显著提升了数据处理与分析的效率，在高光谱图像信息提取中也得到了广泛而成功的应用，因此本文还将介绍高光谱图像高性能处理技术的发展状况。
题制图的基础数据，在土地覆盖和资源调查以及环境监测等领域均有着巨大的应用价值。高光谱图像分类中主要面临Hughes现象(Hughes，1968)和维数灾难 (Bellman ， 2015) 、特征空间中数据非线性分布等问题。同时，传统算法多是以像元作为基本单元进行分类，并未考虑遥感图像的空间域特征，从而使得算法无法有效处理同物异谱问题，分类结果中地物内部易出现许多噪点。 (4) 高光谱图像提供的精细光谱特征可以用于区分存在细微差异的目标，包括那些与自然背景存在较高相似度的目标。因此，高光谱图像目标探测技术在公共安全和国防领域中有着巨大的应用潜力和价值。高光谱图像目标探测要求目标具有诊断性的光谱特征，在实际应用中受目标光谱的变异性、背景信息分布与模型假设存在差异、目标地物尺寸处于亚像元级别等问题影响，有时存在虚警率过高的问题，需要发展稳定可靠的新方法。此外，高光谱遥感观测的目的是获取有用的目标信息，而不是体量巨大的高维原始数据，传统图像处理平台和信息提取方式难以满足目标信息快速获取的需求。尽管高性能处理器件的迅猛发展，为亟待解决的高光谱图像并行快速处理和在轨实时信息提取提供了实现途径，但也面临着一系列的关键技术问题。并行处理和在轨实时处理都需要对算法架构进行优化，同时要依据处理硬件的特点考虑编程方面的问题，此外，在轨实时处理还对硬件在功耗等方面提出了特殊的要求。

IEEE Xplore Full-Text PDF_

Manuscript received October 10, 2005; revised December 22, 2005. The work of Y. He and M. Wu was supported in part by the National Science Foundation of China under Grants 60425310 and 60574014. Y. He is with the Department of Electrical and Computer Engineering, National University of Singapore, Singapore 119260, Singapore, on leave from the School of Information Science and Engineering, Central South University, Changsha 410083, China. Q.-G. Wang and C. Lin are with the Department of Electrical and Computer Engineering, National University of Singapore, Singapore 119260, Singapore (e-mail: elewqg@.sg). M. Wu is with the School of Information Science and Engineering, Central South University, Changsha 410083, China. Digital Object Identiﬁer 10.1109/TNN.2006.875969
1

低信噪比下非线性调频信号脉内特征提取新算法

ｍｅｈｄｔｏ．
Ｋｅｒｓ：ｙｗｏｄＮＬＦＭｉｎｌｉ－ｕｓｅｔｒｓｓｇａ；ｎｐｌｅｆａｕｅ；ｗａｅｅｒｎｆｒａｉｎＷＤｖｌｔｔａｓｏｍｔ；Ｐｏ
０引言
变得近似平稳，而这种近似使得其分辨率受到限制。
ｒｎｏｒｄａｔｐｉｔｓｌｃｉｇａｄｉｅｔｉａｉｎＦｉｓｆｌ，ｔｉａｅｏｐｒｓｓｍｅｔｐｃｌｔｏｓｏｘｒｃａｔｔａｉｎｏｎｅｅｔｎｎｉｃｔ．ｒｔｌｈｓｐｐｒｃｍａｅｏｙｉａｎｄｆｏｏａｍｅｈｄｆｅｔａ — ｔｇｔｅｉ－ｕｓｅｔｒｓｏｉｈｐｌｅｆｕｅｆＮＬＦｉｎｌｓｃｓｗａｅｅｒｎｆｒａｉｎ，ｎｎａＭｓｇａ，ｕｈａｖｌｔｔａｓｏｍｔｏＰＷＤ．ＴｈｎｓｇａｒｎｏｗａｄａｅｉｎｌｉｇｉｆｒｒｂｔｎｗｔｏａｅｎｔｅｃｌｇｔｎｏｖｌｔｔａｓｏｍａｉｎａｄＰＤ，ｗｈｃｏｌｘｒｃｎｐｌｅｆｔｒｓｅｍｅｈｄｂｓｄｏｈｏｌａｉｆｗａｅｅｒｎｆｒｔｎＷｉｏｏｉｈｃｕｄｅｔａｔｉ－ｕｓｅｕｅａ
维普资讯
第２９卷第２期
２０年４月０７
探测与控制学报
ＪｕｎｌｆＤｅｅｔｏ＆Ｃｏｔｏｏｒａｔｃｉｎｏｎｒｌ

Adaptive tracking control of uncertain MIMO nonlinear systems with input constraints

article
info
abstract
In this paper, adaptive tracking control is proposed for a class of uncertain multi-input and multi-output nonlinear systems with non-symmetric input constraints. The auxiliary design system is introduced to analyze the effect of input constraints, and its states are used to adaptive tracking control design. The spectral radius of the control coefficient matrix is used to relax the nonsingular assumption of the control coefficient matrix. Subsequently, the constrained adaptive control is presented, where command filters are adopted to implement the emulate of actuator physical constraints on the control law and virtual control laws and avoid the tedious analytic computations of time derivatives of virtual control laws in the backstepping procedure. Under the proposed control techniques, the closed-loop semi-global uniformly ultimate bounded stability is achieved via Lyapunov synthesis. Finally, simulation studies are presented to illustrate the effectiveness of the proposed adaptive tracking control. © 2011 Elsevier Ltd. All rights reserved.

经典Richtmyer-Meshkov不稳定性非线性饱和阈值

中图分类号：０３５１．３
文献标志码：Ａ
文章编号：１６７２－６１２ｘ（２０１５）０５－００３０－０４
０引言
当冲击波扫过两流体之间交界面时，如果界面处存在任何小扰动，那么该界面处的小扰动将增长，即所谓的Ｒｉｃｈｔｍｙｅｒ — Ｍｅｓｈｋｏｖ（ＲＭ）不稳定性］．在重力场中，当一种轻流体支撑重流体时，或轻流体加速重流体时，界面处易发生Ｒａｙｌｅｉｇｈ — Ｔａｙｌｏｒ（ＲＴ）不稳定性．这两种不稳定性都与惯性约束聚变和天体问题紧密相关］．入射冲击波和流体界面相互作用，产生反射波和透射波．反射波是冲击波，或稀疏波，主要取决于流体的物理特性和入射波的强度．一般来说，扫过流体界面的冲击波如果是从轻流体一侧向重流体一侧运动时，该反射波是冲击波；相反，入射波从重流体向轻流体扫过流体界面时，反射波将是稀疏波．相关反射波类型的详细分类见文献［５］．对于ＲＴ不稳定性和反射波是冲击波的ＲＭ不稳定性，扰动界面起初按照线
刘万海，王
（１．绵阳师范学院计算物理研究中心，四川绵阳
摘
翔
７３００７．兰州城市学院，甘肃兰州
要：采用小扰动展开法展开到三阶研究了一定压力支撑下的经典流体界面处发生的Ｒｉｃｈｔｍｙｅｒ —Ｍｅｓｈｋｏｖ
的界面形状；尖钉指的是重流体浸入到轻流体中的界面形状．最后，由于强非线性，两种流体互相参混，产生小尺度涡而进入湍流状态．很显然，确定界面从线性到非线性阶段的过渡就显得格外重要．在ＲＴ不稳定性中，基膜（一次谐波）由于受到高次谐波的抑制将偏离线性（ｅ指数）增长，当基膜幅值减小到对应线性增长幅值的１０％时，对应基膜线性幅值就叫做ＲＴ不稳定性中非线性饱和阈值（ｎｏｎｌｉｎｅａｒｓａｔｕｒａｔｉｏｎａｍｐｌｉｔｕｄｅ，ＮＳＡ）．基于非线性饱和阈值在工程应用中的重要性，ＲＴ不稳定性非线性饱和阈值的研究工作受到很多学者的广泛关注．在三阶理论框架下Ｉ暑Ｊ，用界面初始扰动波长无量纲化的基膜的非线

非编码RNA与荧光定量技术

●荧光定量PCR技术原理●荧光定量平台应用●荧光定量分析方法●实验流程●成功项目案例▪实时荧光定量PCR技术（real-time fluorescencequantitative PCR，qPCR），是指在PCR反应体系中加入荧光基团，利用荧光信号积累实时监测整个PCR进程，最后通过Ct值和标准曲线对未知模板进行定量分析的方法。

▪荧光定量PCR所使用的化学荧光可分为两种：特异性荧光标记： TaqMan探针非特异性荧光标记：SYBR染料SYBR Green 工作原理游离状态下，荧光物质发出微弱荧光。

与双链DNA有高亲和力，渗入双链DNA后荧光增强1000倍。

延伸时，荧光物质不断渗入，荧光信号累积，与产物量成正比。

延伸结束时，采集荧光信号。

TaqMan探针工作原理实现了荧光信号的累积与PCR产物形成完全同步，从而实现定量。

SYBR Green与TaqMan探针比较SYBR GREEN TaqMan探针优点缺点优点缺点使用方便与所有双链DNA结合，可能存在假阳性；特异性强成本高成本低引物要求高准确度高需要设计特异性探针通用型性好不能用于多重反应可做多重PCR 引物设计难度高系统组成：定量PCR仪、电脑、分析软件、试剂及耗材。

荧光定量PCR常用的四个概念扩增曲线、基线、阈值、CT值扩增曲线及扩增曲线的两种形式左图反映的是随着PCR反应的进行相应的荧光信号的变化，比较直观，但是指数期很短；右图反映的是荧光信号的变化量的对数与PCR反应循环数的关系，从右图可知，指数期很明显，在确定阈值线时具有简单明了的特点，所以很多软件都采用右图的形式，当然了，这两种实时扩增曲线可以根据实验的需要相互转换基线、阈值线及CT值•基线（baseline）：一般以PCR反应前15个循环的荧光信号作为本底信号；•荧光阈值（threshold）：扩增曲线上人为设定的一个值，位于指数增长期。

✓缺省设置是PCR反应前3-15个循环荧光本底信号标准偏差的10倍；✓手动设置时，要大于样本的荧光背景值和阴性对照的荧光最高值；✓指数期的最初阶段。

【国家自然科学基金】_故障诊断_基金支持热词逐年推荐_【万方软件创新助手】_20140729

4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
科研热词故障诊断支持向量机特征提取神经网络滚动轴承模拟电路旋转机械信息融合遗传算法经验模态分解粗糙集小波变换齿轮模式识别齿轮箱转子系统航空发动机振动信号振动转子断条转子经验模式分解核主元分析小波分析轴承诊断证据理论盲源分离故障检测异步电动机局部放电容错控制信息熵主元分析粗糙集理论粒子群优化混沌机械故障诊断时频分析数控机床小波包专家系统 bp神经网络配电网贝叶斯网络虚拟仪器碰摩知识获取电力系统电力电子电路最小二乘支持向量机数据融合
Байду номын сангаас
107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160

基于没有交集的主成分模型下的模式识别方法-外文文献及翻译

基于没有交集的主成分模型下的模式识别方法-外文文献及翻译xx工业大学毕业设计(论文)外文资料翻译学院：系（专业）：姓名：学号：外文出处：Pattern Recognition附件： 1.外文资料翻译译文；2.外文原文。

指导教师评语：签名：2010年6 月日附件1：外文资料翻译译文基于没有交集的主成分模型下的模式识别方法化学计量学研究组，化学研究所，umea大学摘要：通过独立的主成分建模方法对单独种类进行模式识别，这一方法我们已经进行了深刻的研究，主成分的模型说明了单一种类之内拟合所有的连续变量。

所以，假如数据充足的话，主成分模型的方法可以对指定的一组样品中存在的任何模式进行识别，另外，将每一种类中样品通过独立的主成分模型作出拟合，用这种简单的方式，可以提供有关这些变量作为单一变量的相关性。

这些试样中存在着“离群”，而且不同种类间也有“距离”。

我们应用经典的Fisher鸢尾花数据作为例证。

1介绍对于挖掘和使用经验数据的规律性，已经在像化学和生物这样的学科中成为了首要考虑的因素。

在化学上一个经典的例子就是元素周期表。

当元素按渐增的原子质量排列时，化学元素特性上的规律以每8个为一个周期的出现。

相似的，生物学家也常按照植物和动物形态学上的规律才将其归类。

比如，植物的花朵和叶片的形状，动物两臂的长度和宽度以及动物不同的骨骼等等。

数据分析方法（通常叫做模式识别方法），特别的创制用以探知多维数据的规律性。

这种方法已在科学的各分支上得到了广泛的应用。

模式识别中的经典问题可系统的陈述如下：指定一些种类，每一类都被定义为一套样本，训练集和检验集，还有基于每组样本的M测度值，那么是否有可能基于原M值对新的样本作出分类呢？我们提出解决这类或相关问题的许多方法，这些方法也由Kanal和另外一些人回顾过了。

在科学的分支中，比如化学和生物中，数据分析的范围往往比仅获得一组未分类数据广泛，通常上，数据分析的目的之一仍然可说是分类，但有时我们不能确定一个样本是否属于一未知的或未辨明的类别，我们希望不仅去辨别已知种类，还有未知种类。

【国家自然科学基金】_电泳技术_基金支持热词逐年推荐_【万方软件创新助手】_20140730

大鼠基因多态性基因分型基因哮喘叶片双向单细胞凝胶电泳克隆乳腺癌 sds-聚丙烯酰胺凝胶电泳 rna干扰 dna 鸭鸡香果树零价铁银染铁蛋白针刺疗法金黄色葡萄球菌金鱼胚胎重组蛋白酯酶同工酶酯酶遗传载体趋化因子超氧化物歧化酶超声质谱分析质粒血清蛋白组学血栓性疾病血小板膜糖蛋白ⅰbα 蛋白质提取蛋白组学蛋白指示物荧光差异双向凝胶电泳荧光差异凝胶电泳芯片介电电泳脊髓小脑性共济失调胶束电动色谱胃癌肿瘤转移肿瘤聚合酶链式反应聚丙烯酰胺凝胶电泳聚丙烯酰氨凝胶联用技术群体结合蛋白细粒棘球绦虫等电聚焦等位酶
107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

分数阶多机器人的领航-跟随型环形编队控制

第38卷第1期2021年1月控制理论与应用Control Theory&ApplicationsV ol.38No.1Jan.2021分数阶多机器人的领航–跟随型环形编队控制伍锡如†,邢梦媛(桂林电子科技大学电子工程与自动化学院,广西桂林541004)摘要:针对多机器人系统的环形编队控制复杂问题,提出一种基于分数阶多机器人的环形编队控制方法,应用领航–跟随编队方法来控制多机器人系统的环形编队和目标包围,通过设计状态估测器,实现对多机器人的状态估计.由领航者获取系统中目标状态的信息,跟随者监测到领航者的状态信息并完成包围环绕编队控制,使多机器人系统形成对动态目标的目标跟踪.根据李雅普诺夫稳定性理论和米塔格定理,得到多机器人系统环形编队控制的充分条件,实现对多机器人系统对目标物的包围控制,通过对一组多机器人队列的目标包围仿真,验证了该方法的有效性.关键词:分数阶;多机器人;编队控制;环形编队;目标跟踪引用格式:伍锡如,邢梦媛.分数阶多机器人的领航–跟随型环形编队控制.控制理论与应用,2021,38(1):103–109DOI:10.7641/CTA.2020.90969Annular formation control of the leader-follower multi-robotbased on fractional orderWU Xi-ru†,XING Meng-yuan(School of Electronic Engineering and Automation,Guilin University of Electronic Technology,Guilin Guangxi541004,China) Abstract:Aiming at the complex problem of annular formation control for fractional order multi robot system,an an-nular formation control method based on fractional order multi robot is proposed.The leader follower formation method is used to control the annular formation and target envelopment of the multi robot systems.The state estimation of multi robot is realized by designing state estimator.The leader obtains the information of the target state in the system,the followers detects the status of the leader and complete annular formation control,the multi-robot system forms the target tracking of the dynamic target.According to Lyapunov stability theory and Mittag Lefﬂer’s theorem,the sufﬁcient conditions of the annular formation control for the multi robot systems are obtained in order to achieve annular formation control of the leader follower multi robot.The effectiveness of the proposed method is veriﬁed by simulation by simulation of a group of multi robot experiments.Key words:fractional order;multi-robots;formation control;annular formation;target trackingCitation:WU Xiru,XING Mengyuan.Annular formation control of the leader-follower multi-robot based on fractional order.Control Theory&Applications,2021,38(1):103–1091引言近年来,随着机器人技术的崛起和发展,各式各样的机器人技术成为了各个领域不可或缺的一部分,推动着社会的发展和进步.与此同时,机器人面临的任务也更加复杂,单个机器人已经无法独立完成应尽的责任,这就使得多机器人之间相互协作、共同完成同一个给定任务成为当前社会的研究热点.多机器人系统控制的研究主要集中在一致性问题[1]、多机器人编队控制问题[2–3]、蜂拥问题[4–5]等.其中,编队控制问题作为多机器人系统的主要研究方向之一,是国内外研究学者关注的热点问题.编队控制在生活生产、餐饮服务尤其是军事作战等领域都发挥着极大的作用.例如水下航行器在水中的自主航行和编队控制、军事作战机对空中飞行器的打击以及无人机在各行业的应用等都是多机器人编队控制上的用途[6–7].目前,多机器人编队控制方法主要有3种,其中在多机器收稿日期:2019−11−25;录用日期:2020−08−10.†通信作者.E-mail:****************;Tel.:+86132****1790.本文责任编委:黄攀峰.国家自然科学基金项目(61603107,61863007),桂林电子科技大学研究生教育创新计划项目(C99YJM00BX13)资助.Supported by the National Natural Science Foundation of China(61603107,61863007)and the Innovation Project of GUET Graduate Education (C99YJM00BX13).104控制理论与应用第38卷人系统编队控制问题上应用最广泛的是领航–跟随法[8–10];除此之外,还有基于行为法和虚拟结构法[11].基于行为的多机器人编队方法在描述系统整体时不够准确高效,且不能保证系统控制的稳定性;而虚拟结构法则存在系统灵活性不足的缺陷.领航–跟随型编队控制法具有数学分析简单、易保持队形、通信压力小等优点,被广泛应用于多机器人系统编队[12].例如,2017年,Hu等人采用分布式事件触发策略,提出一种新的自触发算法,实现了线性多机器人系统的一致性[13];Zuo等人利用李雅普诺夫函数,构造具有可变结构的全局非线性一致控制律,研究多机器人系统的鲁棒有限时间一致问题[14].考虑到分数微积分的存储特性,开发分数阶一致性控制的潜在应用具有重要意义.时中等人于2016年设计了空间遥操作分数阶PID 控制系统,提高了机器人系统的跟踪性能、抗干扰性、鲁棒性和抗时延抖动性能[15].2019年,Z Yang等人探讨了分数阶多机器人系统的领航跟随一致性问题[16].而在多机器人的环形编队控制中,对具有分数阶动力学特性的多机器人系统的研究极其有限,大部分集中在整数阶的阶段.而采用分数阶对多机器人系统目标包围编队控制进行研究,综合考虑了非局部分布式的影响,更好地描述具有遗传性质的动力学模型.使得系统的模型能更准确的反映系统的性态,对多机器人编队控制的研究非常有利.目标包围控制问题是编队控制的一个分支,是多智能体编队问题的重点研究领域.随着信息技术的高速发展,很多专家学者对多机器人系统的目标包围控制问题进行了研究探讨.例如,Kim和Sugie于2017年基于一种循环追踪策略设计分布式反馈控制律,保证了多机器人系统围绕一个目标机器人运动[17].在此基础上,Lan和Yan进行了拓展,研究了智能体包围多个目标智能体的问题,并把这个问题分为两个步骤[18]. Kowdiki K H和Barai K等人则研究了单个移动机器人对任意时变曲线的跟踪包围问题[19].Asif M考虑了机器人与目标之间的避障问题,提出了两种包围追踪控制算法;并实现了移动机器人对目标机器人的包围追踪[20].鉴于以上原因,本文采用了领航–跟随型编队控制方法来控制多机器人系统的环形编队和目标包围,通过设计状态估测器,实现对多机器人的状态估计.系统中目标状态信息只能由领航者获取,确保整个多机器人系统编队按照预期的理想编队队形进行无碰撞运动,并最终到达目标位置,对目标、领航者和跟随者的位置分析如图1(a)所示,图1(b)为编队控制后的状态.通过应用李雅普诺夫稳定性理论,得到实现多机器人系统环形编队控制的充分条件.最后通过对一组多机器人队列进行目标包围仿真,验证了该方法的有效性.(a)编队控制前(b)编队控制后图1目标、领航者和追随者的位置分析Fig.1Location analysis of targets,pilots and followers2代数图论与分数阶基础假定一个含有N个智能体的系统,通讯网络拓扑图用G={v,ε}表示,定义ε=v×v为跟随者节点之间边的集合,v={v i,i=1,2,···,N}为跟随者节点的集合.若(v i,v j)∈ε,则v i与v j为相邻节点,定义N j(t)={i|(v i,v j)∈ε,v i∈v}为相邻节点j的标签的集合.那么称第j个节点是第i 个节点的邻居节点,用N j(t)={i|(v i,v j)∈ε,v i∈v}表示第i个节点的邻居节点集合.矩阵L=D−A称为与图G对应的拉普拉斯矩阵.其中:∆是对角矩阵,对角线元素i=∑jN i a ij.若a ij=a ji,i,j∈I,则称G是无向图,否则称为有向图.如果节点v i与v j之间一组有向边(v i,v k1)(v k1,v k2)(v k2,v k3)···(v kl,v j),则称从节点v i到v j存在有向路径.定义1Riemann-Liouville(RL)分数阶微分定义:RLD atf(t)=1Γ(n−a)d nd t ntt0f(τ)(t−τ)a−n+1dτ,(1)其中:t>t0,n−1<α<n,n∈Z+,Γ(·)为伽马函数.定义2Caputo(C)分数阶微分定义:CDαtf(t)=1Γ(n−α)tt0f n(τ)(t−τ)α−n+1dτ,(2)其中:t>t0,n−1<α<n,n∈Z+,Γ(·)为伽马第1期伍锡如等:分数阶多机器人的领航–跟随型环形编队控制105函数.定义3定义具有两个参数α,β的Mittag-Lefﬂer方程为E α,β(z )=∞∑k =1z kΓ(αk +β),(3)其中:α>0,β>0.当β=1时,其单参数形式可表示为E α,1(z )=E α(z )=∞∑k =1z kΓ(αk +1).(4)引理1[21]假定存在连续可导函数x (t )∈R n ,则12C t 0D αt x T (t )x (t )=x T (t )C t 0D αt x (t ),(5)引理2[21]假定x =0是系统C t 0D αt x (t )=f (x )的平衡点,且D ⊂R n 是一个包含原点的域,R 是一个连续可微函数,x 满足以下条件:{a 1∥x ∥a V (t ) a 2∥x ∥ab ,C t 0D αt V (t ) −a 3∥x ∥ab,(6)其中:t 0,x ∈R ,α∈(0,1),a 1,a 2,a 3,a,b 为任意正常数,那么x =0就是Mittag-Lefﬂer 稳定.3系统环形编队控制考虑包含1个领航者和N 个跟随者的分数阶非线性多机器人系统.领航者的动力学方程为C t 0D αt x 0(t )=u 0(t ),(7)式中:0<α<1,x 0(t )∈R 2是领航者的位置状态,u 0(t )∈R 2是领航者的控制输入.跟随者的动力学模型如下:C t 0D αt x i (t )=u i (t ),i ∈I,(8)式中:0<α<1,x i (t )∈R 2是跟随者的位置状态,u i (t )∈R 2是跟随者i 在t 时刻的控制输入,I ={1,2,···,N }.3.1领航者控制器的设计对于领航者,选择如下控制器:u 0(t )=−k 1(x 0(t )−˜x 0(t ))−k 2sgn(x 0(t )−˜x 0(t )),(9)C t 0D αt x 0(t )=u 0(t )=−k 1(x 0(t )−˜x 0(t ))−k 2sgn(x 0(t )−˜x 0(t )).(10)设计一个李雅普诺夫函数:V (t )=12(x 0(t )−˜x 0(t ))T (x 0(t )−˜x 0(t )).(11)根据引理1,得到该李雅普诺夫函数的α阶导数如下:C 0D αt V(t )=12C 0D αt (x 0(t )−˜x 0(t ))T (x 0(t )−˜x 0(t )) (x 0(t )−˜x 0(t ))TC 0D αt (x 0(t )−˜x0(t ))=(x 0(t )−˜x 0(t ))T [C 0D αt x 0(t )−C 0D αt ˜x0(t )]=(x 0(t )−˜x 0(t ))T [−k 1(x 0(t )−˜x 0(t ))−k 2sgn(x 0(t )−˜x 0(t ))−C 0D αt ˜x0(t )]=−k 1(x 0(t )−˜x 0(t ))T (x 0(t )−˜x 0(t ))−k 2∥x 0(t )−˜x 0(t )∥−(x 0(t )−˜x 0(t ))TC 0D αt ˜x0(t )=−2k 1V (t )−k 2∥x 0(t )−˜x 0(t )∥+∥C 0D αt ˜x0(t )∥∥x 0(t )−˜x 0(t )∥=−2k 1V (t )−(k 2−∥C 0D ∝t ˜x0(t )∥)∥x 0(t )−˜x 0(t )∥ −2k 1V (t ).(12)令a 1=a 2=12,a 3=2k 1,ab =2,a >0,b >0,得到a 1∥x 0(t )−˜x 0(t )∥a V (t ) a 2∥x 0(t )−˜x 0(t )∥ab ,(13)C t 0D αt V(t ) −a 3∥x 0(t )−˜x 0(t )∥ab .(14)根据引理2,可知lim t →∞∥x 0(t )−˜x 0(t )∥=0,即x 0(t )逐渐趋近于˜x 0(t ).为了使跟随者能够跟踪观测到领航者的状态,设计了一个状态估测器.令ˆx i ∈R 2是追随者对领航者的状态估计,给出了ˆx i 的动力学方程C 0D αt ˆx i=β(∑j ∈N ia ij g ij (t )+d i g i 0(t )),(15)其中g ij =˜x j (t )−˜x i (t )∥˜x j (t )−˜x i (t )∥,˜x j (t )−˜x i (t )=0,0,˜x j (t )−˜x i (t )=0.(16)对跟随者取以下李雅普诺夫函数:V (t )=12N ∑i =1(ˆx i (t )−x 0(t ))T (ˆx i (t )−x 0(t )).(17)计算该函数的α阶导数如下:C 0D αt V(t )=12C 0D αtN ∑i =1(ˆx i (t )−x 0(t ))T (ˆx i (t )−x 0(t )) N ∑i =1(ˆx i (t )−x 0(t ))TC 0D αt (ˆx i (t )−x 0(t ))=N ∑i =1(ˆx i (t )−x 0(t ))T [C 0D αt ˆxi (t )−C 0D αt x 0(t )]=N ∑i =1(ˆx i (t )−x 0(t ))T [β(∑j ∈N ia ijˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥+d iˆx 0(t )−ˆx i (t )∥ˆx 0(t )−ˆx i (t )∥)−C 0D αt x 0(t )]=N ∑i =1(ˆx i (t )−x 0(t ))T β(∑j ∈N i a ij ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i(t )∥+106控制理论与应用第38卷d iˆx 0(t )−ˆx i (t )∥ˆx 0(t )−ˆx i (t )∥)−N ∑i =1(ˆx i (t )−x 0(t ))TC 0D αt x 0(t )=βN ∑i =1(ˆx i (t )−x 0(t ))T ∑j ∈N i a ij ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥+βN ∑i =1(ˆx i (t )−x 0(t ))Td i ˆx 0(t )−ˆx i (t )∥ˆx 0(t )−ˆx i(t )∥−N ∑i =1(ˆx i (t )−x 0(t ))TC 0D αt x 0(t ).(18)在上式中,令C 0D αt V (t )=N 1+N 2以方便后续计算,其中:N 1=βN ∑i =1(ˆx i (t )−x 0(t ))T ∑j ∈N i a ij ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥+βN ∑i =1(ˆx i (t )−x 0(t ))Td i ˆx 0(t )−ˆx i (t )∥ˆx 0(t )−ˆx i (t )∥=β2[N ∑i =1N ∑j =1a ij (ˆx i (t )−x 0(t ))T ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥+N ∑j =1N ∑i =1a ij (ˆx j (t )−x 0(t ))Tˆx i (t )−ˆx j (t )∥ˆx i (t )−ˆx j (t )∥]−βN ∑i =1d i∥ˆx 0(t )−ˆx i (t )∥2∥ˆx 0(t )−ˆx i (t )∥=β2N ∑i =1N ∑j =1a ij [(ˆx i (t )−x 0(t ))Tˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥−(ˆx j (t )−x 0(t ))T ˆx i (t )−ˆx j (t )∥ˆx i (t )−ˆx j (t )∥]−βN ∑i =1d i∥ˆx 0(t )−ˆx i (t )∥2∥ˆx 0(t )−ˆx i (t )∥=β2N ∑i =1N ∑j =1a ij [ˆx T i(t )ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥−x T 0(t )ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥−ˆx T j(t )ˆx i (t )−ˆx j (t )∥ˆx i (t )−ˆx j (t )∥+x T0(t )ˆx i (t )−ˆx j (t )∥ˆx i (t )−ˆx j (t )∥]−βN ∑i =1d i ∥ˆx 0(t )−ˆx i (t )∥=β2N ∑i =1N ∑j =1a ij [ˆx T i (t )ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥−ˆx T j (t )ˆx i (t )−ˆx j (t )∥ˆx i (t )−ˆx j (t )∥]−βN ∑i =1d i ∥ˆx 0(t )−ˆx i (t )∥2∥ˆx 0(t )−ˆx i (t )∥=β2N ∑i =1N ∑j =1a ij (ˆx T i(t )−ˆx Tj (t ))ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥−βN ∑i =1d i ∥ˆx 0(t )−ˆx i (t )∥2∥ˆx 0(t )−ˆx i (t )∥=−β(12N ∑i =1N ∑j =1a ij (ˆx T j (t )−ˆx T i (t ))×ˆx j (t )−ˆx i (t )∥ˆx j (t )−ˆx i (t )∥+N ∑i =1d i ∥ˆx 0(t )−ˆx i (t )∥2∥ˆx 0(t )−ˆx i (t )∥),(19)N 2=−N ∑i =1(ˆx i (t )−x 0(t ))TC 0D αt x 0(t )=N ∑i =1∥ˆx i (t )−x 0(t )∥∥C 0D αt x 0(t )∥×cos {ˆx i (t )−x 0(t ),−C 0D αt x 0(t )}.(20)由于∥C 0D αt x 0(t )∥k 1∥x 0(t )−˜x 0(t )∥+k 2∥sgn(x 0(t )−˜x 0(t ))∥ k 1∥x 0(t )−˜x 0(t )∥+k 2.(21)根据定义3,当lim t →∞∥x 0(t )−˜x 0(t )∥=0时,存在T >0(T 为实数),使得在t >T 时∥x 0(t )−˜x 0(t )∥ ε成立,那么对于t >T ,有0<∥C 0D αt x 0(t )∥ k 1ε+k 2=M 2,可得−N ∑i =1(ˆx i (t )−x 0(t ))TC 0D αt x 0(t )N ∑i =1∥ˆx i (t )−x 0(t )∥M 2M 2N max {∥ˆx i (t )−x 0(t )∥},(22)C 0D αt V(t ) −(β−M 2N )max i ∈I{∥ˆx i (t )−x 0(t )∥}−2β1λmin V (t ).(23)根据引理2,得lim t →∞∥ˆx i (t )−x 0(t )∥=0.(24)由上式可知,ˆx i (t )在对目标的追踪过程中逐渐趋近于x 0(t ).3.2跟随者控制器的设计在本文中,整个多机器人系统中领导者能够直接获得目标的位置信息,将这些信息传递给追随者,因此需要为每个追随者设计观测器来估计目标的状态.令ϕi (t )∈R 2由跟随者对目标i 的状态估计,给出ϕi (t )的动力学方程C 0D αt ϕi(t )=α(∑j ∈N ia ij f ij (t )+d i f i 0(t )),(25)其中f ij =ϕj (t )−ϕi (t )∥ϕj (t )−ϕi (t )∥,ϕj (t )−ϕi (t )=0,0,ϕj (t )−ϕi (t )=0.(26)取如下李雅普诺夫函数:V (t )=12N ∑i =1(ϕi (t )−r (t ))T (ϕi (t )−r (t )).(27)计算α阶导数如下:C 0D αt V(t )=第1期伍锡如等:分数阶多机器人的领航–跟随型环形编队控制10712N ∑i =1(ϕi (t )−r (t ))T (ϕi (t )−r (t )) N ∑i =1(ϕi (t )−r (t ))TC 0D αt (ϕi (t )−r (t ))=N ∑i =1(ϕi (t )−r (t ))T [C 0D αt ϕi (t )−C 0D αt r (t )]=N ∑i =1(φi (t )−r (t ))T [α(∑j ∈N ia ij f ij (t )+d i f i 0(t ))]−C 0D αt r (t )=N ∑i =1(ϕi (t )−r (t ))T α(∑j ∈N ia ij ϕj (t )−ϕi (t )∥ϕj (t )−ϕi (t )∥+d i ϕ(t )−ϕi (t )∥ϕ(t )−ϕi (t )∥)=βN ∑i =1(ϕi (t )−r (t ))T ∑j ∈N i a ijϕj (t )−ϕi (t )∥ϕj (t )−ϕi(t )∥+βN ∑i =1(ϕi (t )−r (t ))T d i ϕ(t )−ϕi (t )∥ϕ(t )−ϕi(t )∥−N ∑i =1(ϕi (t )−r (t ))TC 0D αt r (t ),(28)可得lim t →∞∥x i (t )−˜x i (t )∥=0.(29)由上式可知,x i (t )在对目标的追踪过程中逐渐趋近于˜x i (t ).4仿真结果与分析本节通过仿真结果来验证本文所提出的方法.图2为通信图,其中:V ={1,2,3,4}表示跟随者集合,0代表领导者.以5个机器人组成的队列为例进行验证,根据领航者对目标的跟随轨迹,分别进行了仿真.图2通信图Fig.2Communication diagrams假设系统中目标机器人的动态为C 0D αt r (t )=[cos t sin t ]T ,令初始值r 1(0)=r 2(0)=1,α=0.98,k 1=1,k 2=4,可知定理3中的条件是满足的.根据式(24)和式(29),随着时间趋于无穷,领航者及其跟随者的状态估计误差趋于0,这意味着领航者的状态可以由跟随者渐近精确地计算出来.令k 2>M 1,M 1=M +M ′>0,则lim t →∞∥x 0(t )−˜x 0(t )∥=0,x 0渐近收敛于领航者的真实状态.此时取时滞参数µ=0.05,实验结果见图3,由1个领航者及4个跟随者组成的多机器人系统在进行目标围堵时,最终形成了以目标机器人为中心的包围控制(见图3(b)).(a)领航者和跟随者的初始位置分析(b)编队形成后多机器人的位置关系图3目标、领航者和追随者的位置分析Fig.3Location analysis of target pilots and followers综合图4–5曲线,跟随者对领航者进行渐进跟踪,领航者同目标机器人的相对位置不变,表明该领航跟随型多机器人系统最终能与目标机器人保持期望的距离,并且不再变化.图4领航者及其跟随者的状态估计误差Fig.4The state estimation error of the leader and followers108控制理论与应用第38卷图5编队形成时领航者与目标的相对位置关系Fig.5The relative position relationship between leader andtarget仿真结果表明,多个机器人在对目标物进行包围编队时,领航者会逐渐形成以目标物运动轨迹为参照的运动路线,而跟随者则渐近的完成对领航者的跟踪(如图6所示),跟随者在对领航者进行跟踪时,会出现一定频率的抖振,但这些并不会影响该多机器人系统的目标包围编队控制.5总结本文提出了多机器人的领航–跟随型编队控制方法,选定了一台机器人作为领航者负责整个编队的路径规划任务,其余机器人作为跟随者.跟随机器人负责实时跟踪领航者,并尽可能与领航机器人之间保持队形所需的距离和角度,确保整个多机器人系统编队按照预期的理想编队队形进行无碰撞运动,并最终到达目标位置.通过建立李雅普诺夫函数和米塔格稳定性理论,得到了实现多机器人系统环形编队的充分条件,并通过对一组多机器人队列的目标包围仿真,验证了该方法的有效性.图6领航者与跟随者对目标的状态估计Fig.6State estimation of target by pilot and follower参考文献:[1]JIANG Yutao,LIU Zhongxin,CHEN Zengqiang.Distributed ﬁnite-time consensus algorithm for multiple nonholonomic mobile robots with disturbances.Control Theory &Applications ,2019,36(5):737–745.(姜玉涛,刘忠信,陈增强.带扰动的多非完整移动机器人分布式有限时间一致性控制.控制理论与应用,2019,36(5):737–745.)[2]ZHOU Chuan,HONG Xiaomin,HE Junda.Formation control ofmulti-agent systems with time-varying topology based on event-triggered mechanism.Control and Decision ,2017,32(6):1103–1108.(周川,洪小敏,何俊达.基于事件触发的时变拓扑多智能体系统编队控制.控制与决策,2017,32(6):1103–1108.)[3]ZHANG Ruilei,LI Sheng,CHEN Qingwei,et al.Formation controlfor multi-robot system in complex terrain.Control Theory &Appli-cations ,2014,31(4):531–537.(张瑞雷,李胜,陈庆伟,等.复杂地形环境下多机器人编队控制方法.控制理论与应用,2014,31(4):531–537.)[4]WU Jin,ZHANG Guoliang,ZENG Jing.Discrete-time modeling formultirobot formation and stability of formation control algorithm.Control Theory &Applications ,2014,31(3):293–301.(吴晋,张国良,曾静.多机器人编队离散模型及队形控制稳定性分析.控制理论与应用,2014,31(3):293–301.)[5]WANG Shuailei,ZHANG Jinchun,CAO Biao.Target tracking al-gorithm with double-type agents based on ﬂocking control.Control Engineering of China ,2019,26(5):935–940.(王帅磊,张金春,曹彪.双类型多智能体蜂拥控制目标跟踪算法.控制工程,2019,26(5):935–940.)[6]SHAO Zhuang,ZHU Xiaoping,ZHOU Zhou,et al.Distributed for-mation keeping control of UA Vs in 3–D dynamic environment.Con-trol and Decision ,2016,31(6):1065–1072.(邵壮,祝小平,周洲,等.三维动态环境下多无人机编队分布式保持控制.控制与决策,2016,31(6):1065–1072.)[7]PANG Shikun,WANG Jian,YI Hong.Formation control of multipleautonomous underwater vehicles based on sensor measuring system.Journal of Shanghai Jiao Tong University ,2019,53(5):549–555.(庞师坤,王健,易宏.基于传感探测系统的多自治水下机器人编队协调控制.上海交通大学学报,2019,53(5):549–555.)[8]WANG H,GUO D,LIANG X.Adaptive vision-based leader-followerformation control of mobile robots.IEEE Transactions on Industrial Electronics ,2017,64(4):2893–2902.[9]LI R,ZHANG L,HAN L.Multiple vehicle formation control basedon robust adaptive control algorithm.IEEE Intelligent Transportation Systems Magazine ,2017,9(2):41–51.[10]XING C,ZHAOXIA P,GUO G W.Distributed ﬁxed-time formationtracking of multi-robot systems with nonholonomic constraints.Neu-rocomputing ,2018,313(3):167–174.[11]LOPEZ-GONZALEA A,FERREIRA E D,HERNANDEZ-MAR-TINEZ E G.Multi-robot formation control using distance and ori-entation.Advanced Robotics ,2016,30(14):901–913.[12]DIMAROGONAS D,FRAZZOLI E,JOHNSSON K H.Distributedevent-triggered control for multi-agent systems.IEEE Transactions on Automatic Control ,2019,57(5):1291–1297.[13]HU W,LIU L,FENG G.Consensus of linear multi-agent systems bydistributed event-triggered strategy.IEEE Transactions on Cybernet-ics ,2017,46(1):148–157.第1期伍锡如等:分数阶多机器人的领航–跟随型环形编队控制109[14]ZUO Z,LIN T.Distributed robustﬁnite-time nonlinear consensusprotocols for multi-agent systems.International Journal of Systems Science,2016,47(6):1366–1375.[15]SHI Zhong,HUANG Xuexiang,TAN Qian.Fractional-order PIDcontrol for teleoperation of a free-ﬂying space robot.Control The-ory&Applications,2016,33(6):800–808.(时中,黄学祥,谭谦.自由飞行空间机器人的遥操作分数阶PID控制.控制理论与应用,2016,33(6):800–808.)[16]YANG Z C,ZHENG S Q,LIU F.Adaptive output feedback con-trol for fractional-order multi-agent systems.ISA Transactions,2020, 96(1):195–209.[17]LIU Z X,CHEN Z Q,YUAN Z Z.Event-triggered average-consensusof multi-agent systems with weighted and directed topology.Journal of Systems Science and Complexity,2016,25(5):845–855.[18]AI X L,YU J Q.Flatness-basedﬁnite-time leader-follower formationcontrol of multiple quad rotors with external disturbances.Aerospace Science and Technology,2019,92(9):20–33.[19]KOWDIKI K H,BARAI K,BHATTACHARYA S.Leader-followerformation control using artiﬁcial potential functions:A kinematic ap-proach.IEEE International Conference on Advances in Engineering.Tamil Nadu,India:IEEE,2012:500–505.[20]ASIF M.Integral terminal sliding mode formation control of non-holonomic robots using leader follower approach.Robotica,2017, 1(7):1–15．[21]CHEN W,DAI H,SONG Y,et al.Convex Lyapunov functions forstability analysis of fractional order systems.IET Control Theory& Applications,2017,11(7):1070–1074．作者简介:伍锡如博士,教授,硕士生导师,目前研究方向为机器人控制、神经网络、深度学习等,E-mail:***************.cn;邢梦媛硕士研究生,目前研究方向为多机器人编队控制,E-mail: ****************.。

长链非编码RNA在动脉粥样硬化中的作用

·小专论·长链非编码ＲＮＡ在动脉粥样硬化中的作用杨颖溪１　周　欢２　刘　琪１张军平１，△（１天津中医药大学第一附属医院，天津３００１１２；２南开大学附属医院，天津３００２２２）摘要　动脉粥样硬化是一种致病因素多样、病理机制复杂的心血管疾病。

近年研究发现，长链非编码ＲＮＡ在动脉粥样硬化的发生、发展过程中发挥重要的调控作用。

通过调节脂代谢、糖尿病、肥胖等危险因素，参与血管内皮功能、血管新生、免疫炎症等病理机制，影响动脉粥样硬化的疾病进程。

本文就长链非编码ＲＮＡ在动脉粥样硬化中的研究现状，综述其对疾病危险因素及病理机制的调控作用。

关键词　长链非编码ＲＮＡ；动脉粥样硬化；危险因素中图分类号　Ｒ５４３动脉粥样硬化（ａｔｈｅｒｏｓｃｌｅｒｏｓｉｓ，ＡＳ）是一种危害人类健康的慢性心血管疾病，也是老年人最常见的死亡原因之一［１］，其致病因素多样，发病机制复杂，为临床心血管疾病的防治工作带来了巨大挑战。

最近研究发现的长链非编码ＲＮＡ（ｌｏｎｇｎｏｎｃｏｄｉｎｇＲＮＡ，ｌｎｃＲＮＡ）是一类由ＲＮＡ聚合酶Ⅱ合成，长度大于２００个核苷酸的不能编码蛋白质的ＲＮＡ。

它们通过转录调控，影响基因表达及多种生物学过程［２］。

国内外研究显示，ｌｎｃＲＮＡ通过影响机体代谢、血管内皮功能、血管新生和免疫炎症等过程，影响ＡＳ疾病进程，也为该病提供新的诊断标志物和治疗靶点。

一、ｌｎｃＲＮＡ的分类及作用机制人类基因组中约有２％的基因序列可编码蛋白质，剩余的大多数序列只能转录而不能编码蛋白质。

既往，这些非编码ＲＮＡ（ｎｏｎｃｏｄｉｎｇＲＮＡ，ｎｃＲＮＡ）被认为是转录“噪声”，随着高通量基因测序的开展，人类对基因转录组的认识极大提高，发现ｎｃＲＮＡ参与不同细胞生物进程，并完成多种生物功能。

在ｎｃＲＮＡ中，长度大于２００个核苷酸的被称为ｌｎｃＲＮＡ。

虽然ｌｎｃＲＮＡ被定义为无明显编码能力的ＲＮＡ，但仍有些序列含有小开放阅读窗（ｏｐｅｎｒｅａｄｉｎｇｆｒａｍｅｓ，ＯＲＦ），可以编码功能肽，如肌调节素。

斑节对虾miR-7562介导下ATG5-ATG12共轭系统应答哈维弧菌胁迫的作用机制研究

上海海洋大学硕士学位论文题目：斑节对虾miR-7562介导下ATG5-ATG12共轭系统应答哈维弧菌胁迫的作用机制研究英文题目：Mechanism of miR-7562 mediated ATG5-ATG12conjugation system in response to Vibrio harveyi stress in Penaeus monodon专业：渔业研究方向：海洋生物功能基因姓名：刘伟指导教师：邱丽华研究员二O 一八年五月学校代码： 10264 研究生学号： M150150294上海海洋大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。

所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。

除文中已经明确注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。

论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。

学位论文作者签名：日期：年月日上海海洋大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。

本人授权上海海洋大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密□ ，在年解密后适用本版权书。

本学位论文属于不保密□学位论文作者签名：指导教师签名：日期：年月日日期：年月斑节对虾miR-7562介导下ATG5-ATG12共轭系统应答哈维弧菌胁迫的作用机制研究摘要斑节对虾(Penaeus monodon)具有味道鲜美、营养丰富、成长快等特点，目前为东南亚海域及中国南海海域重要养殖经济水产种类。

但近年来由于海洋环境污染日趋严重，水体微生物等物质经常严重超标，致使斑节对虾的养殖产业发展因此受到严重影响。

非靶向蛋白质组学测序方法步骤

非靶向蛋白质组学测序方法步骤下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。

文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by the editor. I hope that after you download them, they can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, our shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!非靶向蛋白质组学测序是一种在生物学实验中常用的技术，它可以帮助研究人员快速获取大量的蛋白质信息，并且在蛋白质鉴定和定量中具有很高的效率和准确性。