飞行控制系统的鲁棒性评估方法研究
工业过程中系统鲁棒性研究及仿真分析
工业过程中系统鲁棒性研究及仿真分析随着工业化进程的推进，各种工业生产系统也得到了迅猛发展。
在这个过程中，除了注重生产效率、成本控制等指标之外，还需要考虑生产过程的稳定性和可靠性，以保证产品的质量和安全。
系统鲁棒性研究及仿真分析因此成为了工业领域的一个重要课题。
一、什么是系统鲁棒性所谓系统鲁棒性，通俗地说，就是指系统在面对外部环境变化、内部异常等因素时的稳定性和适应能力。
不同的系统在不同的环境下，面对各种不同的干扰或者异常，其表现和反应也会有所不同。
在工业生产过程中，系统鲁棒性的研究对于确保生产过程的稳定性和性能优化至关重要。
例如，在计算机制造过程中，如果生产系统的鲁棒性不够强，那么在组装、测试等过程中出现的异常情况可能会导致计算机产品存在缺陷或者无法正常工作。
因此，对于提高工业生产系统生产效率、可靠性和维修成本控制等方面具有至关重要的意义。
二、系统鲁棒性的研究方法如何研究系统的鲁棒性呢？从数学上讲，系统鲁棒性可以用一些参数来描述。
例如，对于一个控制系统或者人工智能算法，可以描述其对于外界参数、初始条件和噪声的容忍程度。
为了测量系统的鲁棒性，可以通过仿真分析等方式进行研究。
仿真分析可以模拟出工业生产过程中各种异常情况，从而测试系统的适应能力和弹性。
经过仿真分析研究后，可以得到一个系统鲁棒性指标。
这个指标通常由以下几个方面构成：1. 参数不确定性：即系统中参数变化或者干扰的容忍度。
2. 初始条件不确定性：即系统对于初始输入或者状态的容忍度。
3. 物理噪声：指物理环境中可能会对系统造成影响的因素。
4. 模型不确定性：指模型误差可能引起的不确定性。
通过对这些指标进行分析，可以评估系统的稳定性和可靠性，从而确定如何对系统进行改进。
三、系统鲁棒性的应用系统鲁棒性研究的应用领域非常广泛，除了工业生产系统之外，还包括金融、航空航天、医疗等领域。
具体应用如下：1. 工业生产领域在制造业、物流、供应链和质量管理等方面，系统鲁棒性的研究和应用都有很多的实例。
控制系统中的稳定性与鲁棒性
控制系统中的稳定性与鲁棒性稳定性和鲁棒性是控制系统设计中两个重要的概念。
稳定性指的是系统在外部扰动下的响应是否趋于有限，而鲁棒性则是系统对于参数变化、模型不确定性等因素的稳定性能力。
本文将分别探讨控制系统中的稳定性和鲁棒性，并阐述其在实际应用中的重要性。
一、稳定性稳定性是控制系统设计的基本要求之一。
对于一个稳定的系统，无论外部条件如何变化，系统的输出都将趋于有限。
如果一个系统是不稳定的，那么其响应将可能无界增加或无界减少，这将导致系统无法预测和控制，严重影响控制效果和安全性。
在控制系统中，稳定性主要可以分为渐进稳定性和绝对稳定性两种情况。
渐进稳定性指的是当系统受到外界扰动后，系统的输出逐渐趋于稳定的情况。
绝对稳定性则要求系统不仅渐近稳定，而且不会出现任何周期性或非周期性振荡。
稳定性的判定方法有多种，其中最为常用且有效的方法之一是利用系统的传递函数或状态方程进行分析。
可以通过判断系统的根位置、极点分布以及系统的频率响应等指标来评估系统的稳定性。
二、鲁棒性鲁棒性是控制系统设计中另一个重要的考虑因素。
它可以看作是系统的稳定性在不确定性、干扰等因素影响下的表现能力。
在实际应用中，很难对系统的参数、模型等因素有完全准确的描述，因此鲁棒性的设计目标是使系统对于这些不确定性具有一定的容忍度。
鲁棒性的设计关注系统的稳定性、性能和安全性。
一个鲁棒的控制系统能够在面对模型误差、参数变化、干扰扰动等情况下仍能保持稳定并达到预期的控制效果。
通过合理的设计控制器、滤波器、观测器等，可以提高系统的鲁棒性。
在实际应用中，鲁棒性考虑的问题往往较为复杂。
一个鲁棒的控制系统需要满足多个约束条件，同时兼顾稳定性和性能等指标。
通过使用鲁棒控制方法、自适应控制方法以及优化算法等，可以提高控制系统对于不确定性的稳定性能力。
三、稳定性与鲁棒性的重要性控制系统的稳定性和鲁棒性对于实际应用至关重要。
稳定性保证了系统的安全性和可控性，而鲁棒性则保证了系统的稳定性能力在面对不确定性时的有效性。
自动化工程中的控制系统鲁棒性分析研究
自动化工程中的控制系统鲁棒性分析研究自动化工程的发展使得控制系统在各个领域得到广泛应用。
然而，在实际应用中，控制系统常常面临着各种不确定性和扰动，这些不确定性和扰动可能导致系统的性能下降甚至系统不稳定。
因此，对于控制系统的鲁棒性分析研究变得尤为重要。
本文将探讨自动化工程中的控制系统鲁棒性分析的相关概念、方法和应用，并提出一些未来的研究方向。
控制系统的鲁棒性是指系统对于不确定性和干扰能够保持稳定性和性能的能力。
控制系统鲁棒性分析的目标是研究系统在不确定性和扰动的情况下的稳定性和性能，以及设计鲁棒控制器来保证系统的稳定性和性能。
在鲁棒性分析中，主要包括对于不确定性建模和分析、鲁棒性指标的定义和计算，以及鲁棒控制器的设计和实现。
对于控制系统中的不确定性，常见的建模方法包括参数不确定性和结构不确定性。
参数不确定性是指系统模型的参数存在不确定性，可能是由于实验误差、测量误差或者模型不完全造成的。
结构不确定性是指系统的结构存在不确定性，可能是由于模型的简化或者系统变化等原因造成的。
鲁棒性分析需要将不确定性引入到系统的模型中，并通过一定的鲁棒性指标对系统的鲁棒性进行度量和评估。
在控制系统鲁棒性分析中，鲁棒性指标的定义和计算是一个重要的研究内容。
常见的鲁棒性指标包括鲁棒稳定裕度、鲁棒性增益裕度和H∞控制。
鲁棒稳定裕度是指系统在面对不确定性时仍然保持稳定的能力，它反映了系统对不确定性的敏感程度。
鲁棒性增益裕度是指系统在面对不确定性时能够保持一定的系统性能，它反映了系统对不确定性的响应能力。
H∞控制是一种优化方法，旨在设计最优的鲁棒控制器，使得系统同时具有鲁棒稳定性和性能。
鲁棒控制器设计是控制系统鲁棒性分析的关键步骤之一。
鲁棒控制器的设计需要根据系统的鲁棒性指标和不确定性来选择合适的控制策略和参数。
常见的鲁棒控制器设计方法包括线性鲁棒控制、非线性鲁棒控制和自适应鲁棒控制等。
线性鲁棒控制方法通常采用H∞控制理论和线性矩阵不等式（LMI）来设计控制器。
高鲁棒性自适应控制算法研究
高鲁棒性自适应控制算法研究随着科技的不断发展，控制领域也在不断进步。
在自动化控制领域中，自适应控制是一个重要的研究方向。
高鲁棒性自适应控制算法是现代自适应控制技术的一个分支，它在噪声、抖动和环境变化等不确定因素下，能够保证系统的稳定性和鲁棒性，具有广泛的应用前景。
一、高鲁棒性自适应控制算法的定义高鲁棒性自适应控制算法是一种能够在不确定因素下实现良好控制效果的控制方法。
这种方法旨在解决控制系统中由于传感器故障、飞行器姿态变化、风力干扰等因素导致的不确定性问题。
通过自适应的方式不断地调整控制参数，使系统更加适应运行环境的变化。
相比于传统的控制方法，高鲁棒性自适应控制算法更加具有适应性和鲁棒性。
二、高鲁棒性自适应控制算法的工作原理高鲁棒性自适应控制算法能够在不确定因素下，保证系统的性能表现。
其核心是通过一种自适应方法实时地调整控制器的参数，以逐渐适应系统环境的变化。
该方法通常包括两个步骤：1.参数识别阶段控制器通过特定的信号对系统进行辨识，以得到系统动态模型的参数。
主要使用的方法包括模型参考自适应控制、系统辨识等。
2.参数更新阶段在参数识别完成后，控制器会根据当前的系统状态和参数，更新控制参数以达到实时的控制效果。
主要有最小二乘法、模型基控制等方法。
三、高鲁棒性自适应控制算法的应用领域高鲁棒性自适应控制算法已经在多个领域中得到了广泛应用。
例如：1.航空航天领域在航空航天领域，高鲁棒性自适应控制算法可用于航空器飞行姿态的控制。
该算法能够在飞行器受到不同干扰时保证控制系统的稳定性和准确性。
2.机器人领域在机器人领域，高鲁棒性自适应控制算法可以用于机器人姿态控制、路径规划、物体抓取等方面。
与传统的方法相比，该算法能够端到端地完成任务，并在环境变化、障碍物干扰等情况下保证稳定性和鲁棒性。
3.智能交通领域在智能交通领域，高鲁棒性自适应控制算法可以用于自动驾驶、车辆稳定控制等方面。
该算法能够自适应地调整控制参数，以保证车辆在不同环境下的稳定性和安全性。
主动控制系统的鲁棒性分析与控制算法研究
主动控制系统的鲁棒性分析与控制算法研究摘要：主动控制系统的鲁棒性是指系统对扰动、参数不确定性和外部干扰的抵抗能力。
在现实世界中，许多主动控制系统往往存在各种不确定性，这些不确定性可能来自于外界环境的变化、传感器系统的失效、组件和子系统的非线性等。
因此，在主动控制系统的设计和实施过程中，鲁棒性分析和控制算法的研究变得非常重要。
本文将介绍鲁棒性分析的基本概念、研究方法以及常用的鲁棒性控制算法。
1. 引言主动控制系统在工业、交通、航空航天等领域中具有广泛的应用。
然而，实际应用中，由于外界环境的变化、传感器系统的失效以及组件和子系统的非线性等原因，主动控制系统面临着各种不确定性。
为了提高系统的稳定性和控制性能，鲁棒性分析和控制算法成为了关键的研究方向。
2. 鲁棒性分析方法2.1 线性鲁棒性分析线性鲁棒性分析是通过线性化主动控制系统，利用线性系统理论研究系统的稳定性和鲁棒性。
其中，基于频域方法的鲁棒性分析是较为常见的方法，通过频域描述系统的增益和相位特性，进而设计控制器的鲁棒性指标。
2.2 非线性鲁棒性分析非线性鲁棒性分析是对主动控制系统进行非线性建模和分析。
常用的方法包括差分不等式方法、小增益定理等。
此外，也可以利用李雅普诺夫方法研究系统的稳定性和鲁棒性。
3. 鲁棒性控制算法3.1 H-infinity控制算法H-infinity控制是一种基于鲁棒性的线性控制方法，通过优化性能权重矩阵以及鲁棒性指标，设计稳定的控制器，能够抵抗来自外部环境的干扰和参数不确定性。
3.2 μ-synthesis控制算法μ-synthesis控制算法是一种基于频域方法的鲁棒性控制方法，通过最小化具有鲁棒性指标的复合奇异值函数，设计满足鲁棒性要求的控制器。
3.3 非线性鲁棒控制算法非线性鲁棒控制算法包括基于滑模控制、基于模糊控制和基于自适应控制等方法。
这些算法通过引入非线性补偿器和鲁棒控制方法，提高系统的稳定性和鲁棒性。
4. 实例研究本文以一架飞机的主动控制系统为例，对鲁棒性分析和控制算法进行研究。
控制理论中的系统鲁棒性分析
控制理论中的系统鲁棒性分析控制理论是研究系统如何稳定的一门学科。
系统的鲁棒性则是指在外部环境变化或内部参数变化的情况下，系统仍能保持稳定并满足要求的能力。
因此，系统的鲁棒性分析是控制理论必不可少的一部分。
控制系统的建模和分析是控制理论的核心内容。
对于一个系统的鲁棒性分析，首先需要建立系统的数学模型并分析其稳定性，然后考虑系统的可控性和可观测性，并进一步分析系统的稳健性问题。
例如，一个飞机的自动控制系统，其鲁棒性分析的目标是保证飞机在各种外部干扰和内部参数变化情况下，仍然能够保持平衡和稳定飞行。
在建立数学模型时，需要考虑飞机的动力学和控制变量，将其表示为一个动态系统，并通过分析系统的极点位置来判断系统的稳定性。
接着，需要考虑系统的可控性和可观测性，通过选择合适的控制输入和观测输出变量来保证系统能被控制和观测。
最后，需要分析系统的稳健性，即在外部干扰和内部参数变化时，系统的稳定性是否受到影响。
在这个例子中，外部干扰可以包括气流和风力，内部参数变化可以包括机舱内人员和货物的变化。
对于非线性系统的鲁棒性分析，由于非线性系统的行为很难用解析方法来分析，因此需要采用数值模拟的方法。
例如，通过将非线性系统的状态空间划分为多个区域，可以用线性化方法来分析每个区域的系统行为，并确定系统的鲁棒性。
控制理论中的系统鲁棒性分析在工业生产和现代科技中具有广泛应用。
例如，在半导体芯片生产过程中，功率电路的控制系统需要对外部干扰和内部参数变化进行稳健性分析，以确保芯片可以在各种环境下稳定工作。
在医学工程中，一些设备需要对人体的生理变化进行鲁棒性分析，以确保设备在各种情况下都能准确地测量和监测生理信号。
总之，控制理论中的系统鲁棒性分析是一门重要的技术，它可以确保控制系统在各种外部环境和内部因素的变化下仍能保持稳定性和准确性。
这一技术在现代工业生产和科技中应用广泛，为人类的发展和进步做出了不可替代的贡献。
最优控制问题的鲁棒控制算法设计
最优控制问题的鲁棒控制算法设计最优控制问题作为控制理论的重要研究领域，涉及到在给定约束条件下，寻找使性能指标最优化的控制策略。
然而，现实中的控制系统常常会受到参数的不确定性和外部干扰的影响，这就需要设计一种鲁棒控制算法，以提高控制系统的稳定性和鲁棒性。
一、最优控制问题简介最优控制问题是研究在给定约束条件下，求解性能函数最优的控制策略的问题。
在控制理论中，最优控制可以分为静态最优控制和动态最优控制，其中动态最优控制又分为无模型和具有模型的控制。
静态最优控制是指在给定约束条件下，通过调节系统的输入使得性能指标最优化。
常用的方法有变分法、极大极小原理等。
动态最优控制则考虑到系统的动力学特性，通过在一段时间内控制系统的状态变量，使得性能指标在这段时间内最优化。
无模型的动态最优控制主要采用最优控制算法，如最优化理论、线性二次型控制等；具有模型的动态最优控制则使用最优化理论中的动态规划方法。
二、鲁棒控制算法设计鲁棒控制算法是为了应对控制系统中的参数不确定性和外部干扰而设计的一种控制策略。
它能够使得控制系统不受扰动的影响，保持稳定性和性能。
1. H∞控制算法H∞控制是一种常用的鲁棒控制算法，它通过优化系统的H∞性能指标来设计控制器。
H∞控制的基本思想是在系统的输入和输出之间引入一个H∞范数，以保证系统对内外干扰的鲁棒性。
2. μ合成算法μ合成算法是一种基于频率域的鲁棒控制算法，它通过优化系统的鲁棒稳定裕度指标来设计控制器。
μ合成算法首先确定系统的不确定性范围，然后通过搜索合适的控制器来最小化系统对不确定性的敏感度。
3. 小波神经网络算法小波神经网络是一种结合小波分析和神经网络的算法，它可以有效地应对控制系统中的不确定性和非线性。
小波神经网络算法通过训练网络的权重和阈值来实现控制系统的稳定性和鲁棒性。
三、鲁棒控制算法的应用鲁棒控制算法在实际控制系统中有着广泛的应用。
下面以飞行器控制系统为例，说明鲁棒控制算法的应用。
自动化控制系统中的鲁棒控制方法研究
自动化控制系统中的鲁棒控制方法研究自动化控制系统在现代工业过程中扮演着至关重要的角色，它能够实现对生产过程的自动监测和控制，提高生产效率和质量。
然而，由于环境条件的不确定性和外界干扰的存在，控制系统面临着很多挑战。
为了提高系统的鲁棒性和控制性能，研究者们提出了许多鲁棒控制方法。
一、鲁棒控制的概念和作用鲁棒控制是指控制系统对不确定性、干扰和参数变化具有较强的适应能力，保持稳定性和性能的能力。
它可以有效地解决系统模型不准确、外部干扰和测量噪声等问题，提高系统的稳定性和鲁棒性，确保系统在不确定环境下的可靠性和正常运行。
二、常见的鲁棒控制方法1. H∞控制法H∞控制法是一种广泛应用的鲁棒控制方法，它通过将系统的不确定性和干扰建模为统计误差，设计控制器使系统对这些误差具有抵抗能力。
通过最小化系统的鲁棒稳定裕度函数，可以设计出稳定性能优越的控制器。
2. μ合成方法μ合成方法是一种基于奇异值分析的鲁棒控制方法，它通过构建系统的鲁棒性性能函数，设计具有适应性的控制器。
这种方法可以从系统的角度全面分析不确定性和干扰对系统性能的影响，并通过优化设计控制器来提高系统的鲁棒性。
3. 鲁棒自适应控制法鲁棒自适应控制法是将鲁棒控制和自适应控制相结合的一种方法，它可以实时地根据系统的工作状态和性能要求来调整控制器的参数，使系统具有较强的适应能力和鲁棒性。
这种方法可以有效地解决系统参数变化和环境波动等问题。
4. 鲁棒最优控制法鲁棒最优控制法是将鲁棒控制和最优控制相结合的一种方法，它既考虑了系统的鲁棒性，又考虑了系统的控制性能。
通过优化设计控制器和状态反馈增益矩阵，可以使系统在不确定环境下达到最优性能。
三、鲁棒控制方法的应用案例1. 机械臂控制系统机械臂控制系统是自动化控制系统的一个典型应用案例，它需要精确的轨迹跟踪和力控制能力。
通过将H∞控制和自适应控制相结合，可以实现机械臂在不确定环境下的精确控制。
2. 飞行器控制系统飞行器控制系统是一个高度复杂和动态的控制系统，它需要具有鲁棒性和适应性来应对不同的飞行环境和飞行任务。
航空器飞行控制系统的参数辨识及鲁棒性分析研究
航空器飞行控制系统的参数辨识及鲁棒性分析研究引言：航空器飞行控制系统是保障飞行安全和航空器性能的核心部分。
为了确保航空器的稳定性和安全性，对飞行控制系统进行参数辨识和鲁棒性分析研究至关重要。
本文将介绍航空器飞行控制系统的参数辨识方法和鲁棒性分析技术，并探讨其在实际航空器中的应用。
一、航空器飞行控制系统参数辨识航空器飞行控制系统中，各个组件的参数辨识是评估系统性能和进行系统优化的基础。
参数辨识的目标是通过分析系统的输入输出数据，确定系统的数学模型和参数。
常用的参数辨识方法包括最小二乘法、极大似然估计法、系统辨识法等。
1. 最小二乘法最小二乘法是一种常用的参数辨识方法，通过最小化观测数据与系统模型之间的差异，得到系统的最优参数估计。
该方法适用于线性系统和非线性系统。
在航空器飞行控制系统中，可以利用最小二乘法获取系统模型的参数，从而进行进一步的分析和优化。
2. 极大似然估计法极大似然估计法是一种统计学方法，用于从给定的观测数据中确定参数的估计值。
该方法假设观测数据来自于某个已知分布的概率模型，通过最大化似然函数来确定参数的估计值。
在航空器飞行控制系统中，可以利用极大似然估计法来辨识系统的参数，进一步研究系统的性能和鲁棒性。
3. 系统辨识法系统辨识是一种利用观测数据研究系统特性的方法，主要通过整个系统的输入输出关系，以及系统的输入信号和输出信号之间的变换关系，来确定系统的模型和参数。
在航空器飞行控制系统中，系统辨识方法可以用于获取控制系统的状态空间模型和参数，从而进行系统的分析和验证。
二、航空器飞行控制系统鲁棒性分析航空器飞行控制系统的鲁棒性是指控制系统在面对不确定性时的性能稳定性和健壮性。
由于飞行环境和外界干扰的不确定性，飞行控制系统需要具备一定的鲁棒性，以更好地适应不同的飞行条件。
鲁棒性分析可以检验系统对参数误差、外部干扰和动力学模型变化等不确定性的抗扰能力。
1. 不确定性建模在进行鲁棒性分析之前，需要对不确定性进行建模。
控制系统中的鲁棒控制技术研究
控制系统中的鲁棒控制技术研究一、引言鲁棒控制技术是指针对不确定性系统的稳定控制和性能优化技术。
随着工业过程的复杂化，控制系统中的不确定性因素越来越多，因此鲁棒控制技术的应用也越来越重要。
本文将从理论和应用两方面探讨控制系统中的鲁棒控制技术。
二、鲁棒控制理论1.鲁棒控制的定义鲁棒控制是一种针对含不确定性因素的控制系统的控制方法，其目的是稳定系统，并保证控制性能鲁棒不变。
2. 鲁棒性分析的方法鲁棒性分析是评估控制系统鲁棒稳定性的方法，其分为两类：基于频域的方法和基于时域的方法。
在基于频域的方法中，常用的有极点配置法和导数限制法；在基于时域的方法中，常用的有插补技术和Lyapunov方法。
3. 鲁棒控制的设计针对含不确定性因素的控制系统，鲁棒控制设计有多种方法，常见的有：H_∞控制、μ合成控制、基于小增益的鲁棒控制和基于人工神经网络的鲁棒控制。
三、鲁棒控制应用1. 工业过程中的应用鲁棒控制广泛应用于工业过程中，提高系统鲁棒稳定性和控制性能，达到更好的经济效益与生产品质。
工业过程中常用的鲁棒控制方法有：模糊控制、PID控制、智能控制等。
2. 无人系统中的应用无人系统中的鲁棒控制主要是针对飞行器和机器人等自主系统的控制。
在应对无人系统的不确定性和外部扰动时，鲁棒控制成为有效的控制方法。
3. 军事系统中的应用在军事系统中，鲁棒控制主要应用于武器装备的控制和导航系统的控制。
经过鲁棒控制的武器装备能够更好地适应敌人的威胁和各种环境的变化，提高装备的战斗效能。
四、总结与展望随着人工智能和机器学习等技术的不断发展，鲁棒控制技术在工业、通信、军事等领域的应用将会更加广泛。
同时，鲁棒控制理论也将不断完善和更新，为各种控制系统的高效、精准、安全提供更好的技术支持。
飞行控制系统的鲁棒性设计
飞行控制系统的鲁棒性设计在现代航空领域，飞行控制系统的鲁棒性设计至关重要。
鲁棒性，简单来说，就是系统在面对各种不确定性和干扰时，仍能保持稳定运行和良好性能的能力。
对于飞行控制系统而言，这意味着即使遭遇恶劣的天气条件、突发的机械故障或其他意外情况，飞机仍能在可控范围内安全飞行。
为了更好地理解飞行控制系统鲁棒性设计的重要性，我们先来看看飞行中可能出现的各种不确定性和干扰。
首先，大气环境的变化是一个重要因素。
风速、风向的突然改变，气压的波动，以及温度和湿度的差异，都会对飞机的飞行状态产生影响。
其次，飞机自身的结构和部件可能存在老化、磨损或制造缺陷，这会导致性能的不稳定。
再者，飞行过程中的人为操作失误，如错误的指令输入或未能及时应对突发状况，也是潜在的风险来源。
那么，如何进行飞行控制系统的鲁棒性设计呢？这需要从多个方面入手。
首先，在系统建模阶段，要充分考虑各种不确定性因素。
传统的建模方法可能会过于简化实际情况，忽略一些潜在的干扰。
因此，需要采用更精确、更全面的建模技术，将飞机的动力学特性、空气动力学特性以及各种外部干扰因素都纳入模型中。
这样建立的模型能够更真实地反映飞机在实际飞行中的行为。
传感器的选择和配置也是关键的一环。
高质量、高精度的传感器能够提供更准确的飞行状态信息，帮助控制系统做出更精确的决策。
同时，为了应对传感器可能出现的故障或误差，还需要采用冗余设计，即配备多个相同或不同类型的传感器，通过数据融合和比较来提高系统的可靠性。
控制算法的设计是飞行控制系统鲁棒性的核心。
常见的控制算法包括 PID 控制、自适应控制、鲁棒控制等。
PID 控制算法简单易懂，但在面对复杂的不确定性时，可能表现不佳。
自适应控制算法能够根据系统的变化自动调整控制参数，具有较好的适应性，但计算复杂度较高。
鲁棒控制算法则专门针对不确定性和干扰进行设计，能够保证系统在一定范围内的稳定性和性能，但设计难度较大。
在实际设计中，往往需要综合运用多种控制算法，取长补短。
飞行器姿态控制中的鲁棒控制技术研究
飞行器姿态控制中的鲁棒控制技术研究航空航天领域一直是科技研究的重点之一，而飞行器的姿态控制技术更是其中的重要组成部分。
飞行器姿态控制的目的是保证飞行器在空中保持稳定的飞行状态并实现各种飞行动作。
其中，鲁棒控制技术成为近年来研究的热点之一。
鲁棒控制技术是指针对系统参数变化、外界干扰等不确定因素的干扰，仍能保证控制系统整体性能稳定的一种控制方法。
在飞行器姿态控制中，由于飞行环境的变化、系统参数的漂移以及传感器的误差等各种因素，传统PID控制器难以有效控制飞行器姿态。
而鲁棒控制技术在此类复杂环境下，具有更为良好的控制性能。
鲁棒控制技术应用于飞行器姿态控制，主要分为两个方面：鲁棒控制器设计和鲁棒控制方法研究。
一、鲁棒控制器设计鲁棒控制器是鲁棒控制技术的核心，控制器的性能决定了整个系统的鲁棒性。
针对传统PID控制器在姿态控制中存在的问题，研究人员提出了多种鲁棒控制器设计方法，如H∞控制器、μ合成鲁棒控制器、基于模型参考自适应控制器等。
其中，H∞控制器是一种经典的鲁棒控制器，其设计方法主要是通过约束控制系统的灵敏度函数，从而达到鲁棒控制的目的。
而各种鲁棒控制器的性能评估，在鲁棒性能、收敛速度、稳态误差等多个方面都需要进行综合考虑。
在设计鲁棒控制器时，需要充分考虑传感器误差、飞行器非线性问题、系统参数变化等因素，并采用现代控制理论和数学方法，建立适当的数学模型，从而设计出合适的鲁棒控制器。
二、鲁棒控制方法研究除了鲁棒控制器设计，鲁棒控制方法的研究也是飞行器姿态控制中不可或缺的一部分。
常见的鲁棒控制方法包括自适应控制、滑模控制、非线性控制等多种方法。
自适应控制是一种基于参数估计和适应性调节的控制方法。
通过在线识别系统参数的变化，并根据变化的大小和方向进行调整，实现有效的飞行器姿态控制。
在自适应控制中，为了保证控制系统的稳定性，需要采用合适的适应律和控制策略，以弥补系统模型误差和外界干扰。
滑模控制是一种特殊的控制方法，通过构造一个具有滑动模态的控制面，使得控制系统能够沿着该滑动模态快速收敛。
自动控制系统的稳定性与鲁棒性优化方法研究
自动控制系统的稳定性与鲁棒性优化方法研究自动控制系统是一种能够实现目标状态或输出控制的系统，常用于工业生产、交通运输、航空航天等领域。
然而，在实际应用中，自动控制系统常常受到外部干扰、模型不确定性和参数变化的影响，从而导致系统的稳定性和鲁棒性下降。
为了提高自动控制系统的稳定性和鲁棒性，研究者们提出了许多优化方法。
自动控制系统的稳定性是指系统在受到干扰或参数变化时是否能保持输出在期望范围内的能力。
稳定性优化的目标是通过设计控制器或调整系统参数，使得系统的稳定性能得到保证。
其中一个常见的稳定性优化方法是PID控制器的设计。
PID 控制器通过测量系统的误差、偏差以及误差的变化率，并根据这些信息来调整控制信号，以使系统能够快速、稳定地收敛到期望状态。
此外，控制器的参数调整也是稳定性优化的重要内容。
传统的参数调整方法包括基于试验和经验的方法，如奈奎斯特曲线法和虚拟临界法。
最近，基于优化算法的自适应控制方法也被广泛应用于稳定性优化。
另一方面，自动控制系统的鲁棒性是指系统对参数不确定性和外部干扰的容忍能力。
鲁棒性优化的目标是通过设计鲁棒控制器或优化系统结构，使得系统能够在不确定性和干扰的情况下仍能保持稳定的性能。
其中一个常见的鲁棒性优化方法是H∞控制技术。
H∞控制通过设计具有鲁棒稳定性的控制器，并优化系统的灵敏度函数，以在不确定性和干扰的情况下最小化系统的输出误差。
此外，鲁棒控制还可以通过使用滑模控制、自适应控制和最优控制等方法来实现。
除了上述方法，还有一些其他的稳定性和鲁棒性优化方法。
例如，面向系统的鲁棒优化方法，通过对系统模型的参数估计和不确定性建模，设计控制器以实现鲁棒性优化。
另外，模糊控制和神经网络控制等智能控制方法也可以用于提高系统的稳定性和鲁棒性。
需要注意的是，在进行稳定性和鲁棒性优化时，研究者们还需要考虑到性能指标的权衡。
例如，如果追求更高的系统稳定性，可能会导致性能指标的下降。
因此，在设计控制器或优化系统结构时，需要综合考虑系统的稳定性、鲁棒性和性能指标，以达到最佳的控制效果。
飞行控制系统的鲁棒性评估方法研究
1
引
言
随着现代飞机的复杂程度 （ 强非线性多输入多 输出 / 参数不确定等 ） 和控制要求的不断提高， 飞行 控制律的设计趋于复杂， 呈现出多模态、 多约束、 多 准则和高风险的特征。 因此非线性动态逆、 滑模控 制、 神经网络控制等鲁棒控制理论也得到了相应的 发展， 如何在这些众多的控制器设计方法中找到最 令人满意的， 可靠度最高的一个， 这也就是对飞行控 制律的鲁棒性评估问题。 飞行控制律的鲁棒性评估是控制律开发中的一
Abstract： With the development of the modern aircraft and control method， the traditional assessment approach cannot meet the requirement of new control systems． An improved robustness evaluation approach based on Monte Carlo method is investigated to overcome the shortcoming of the robustness evaluation approach about flight control． A novel concept named robust degree， quantitative index，and algorithm of system robustness is given． The robustness evaluation of flight control systems can be carried out by analyzing the robust degree． The corresponding results demonstrate the effectiveness of the proposed approaches． The value of robustness degree corresponding to any given performance level can be achieved immediately and quantitatively． Therefore，it is easy to obtain direct results of robustness among different flight control laws． Key words： Robustness evaluation； Monte Carlo approach； Robust degree； Robustness； Flight control law 个重要环节， 通过对控制律的评估， 一方面可以分析 ， ； 其可用性 对不足进行改进 另一方面， 可以根据评 估结果， 增加一些飞行限制条件， 使试飞风险降到最 低； 还可以反过来指导飞行器的设计。 在国内外文 献中针对飞行控制律的鲁棒性并没有提出规范 、 系 统的评估方法。因此， 建立鲁棒性量化指标并指导 控制系统设计、 发展鲁棒性评估方法以选择最优控 制器成为鲁棒性评估中最重要的研究课题 。 基于 Monte Carlo 的 概 率 鲁 棒 分 析 的 方 法 由 Stengel［2］率先提出， 该方法用 Monte Carlo 法来模拟 估计系统的可接受概率值来 对象参数的不确定性，
控制系统鲁棒性分析
控制系统鲁棒性分析控制系统是应用于工程领域的一种重要技术，用于实现对系统行为的精确控制。
然而，在实际应用中，系统可能会受到外部扰动和内部参数变化的影响，导致系统性能下降甚至失效。
为了解决这一问题，控制系统的鲁棒性分析变得尤为重要。
本文将介绍控制系统鲁棒性分析的概念、目的、方法以及相关应用。
一、概述控制系统鲁棒性是指系统对参数变化、扰动和不确定性的适应能力，即使在面对这些变化时，系统仍能保持稳定性、可控性和鲁棒性。
鲁棒性分析旨在评估和提高控制系统的鲁棒性能力，通过对系统的特性进行分析和优化，以保证系统在不确定环境下的可靠性和稳定性。
二、鲁棒性分析的目的控制系统鲁棒性分析的主要目的是预测和评估系统对不确定性和变化的响应能力，发现和解决可能导致系统不稳定或性能下降的问题。
通过鲁棒性分析，可以为控制系统的设计、调试和优化提供指导，从而提高系统的稳定性和可控性。
三、鲁棒性分析方法1. 频域分析频域分析是一种常用的鲁棒性分析方法，通过研究系统的频率响应和稳定边界，评估系统对频率扰动的抗干扰能力。
其中，包括经典的辐射圆法、奈奎斯特稳定判据等方法。
通过频域分析，可以得到系统的带宽、相位余量等指标，为鲁棒控制器设计提供依据。
2. 时域分析时域分析是一种通过研究系统的时态响应，评估系统对时域扰动的鲁棒性能力。
时域分析方法包括传输函数、状态空间、脉冲响应等分析方法，在控制系统设计中常用于系统的性能评估和参数调试。
3. 鲁棒控制器设计鲁棒控制器设计是控制系统鲁棒性分析的重要内容之一。
鲁棒控制器可以通过增加控制器的鲁棒性来提高整个系统的鲁棒性能力。
通常采用的方法包括H∞控制器设计、μ合成控制器设计等。
四、鲁棒性分析的应用控制系统鲁棒性分析广泛应用于工业自动化、航空航天、机械制造等领域。
例如，在飞机的飞行控制系统中，鲁棒性分析可以提高飞行控制系统对风速变化、负载扰动等的抗干扰能力，保证飞机的飞行稳定性；在过程控制中，鲁棒性分析可以提高控制系统对工艺参数变化、测量误差等的容错能力，确保工艺过程的稳定性和一致性。
控制系统鲁棒性设计与优化方法研究
控制系统鲁棒性设计与优化方法研究摘要：控制系统鲁棒性设计与优化方法是为了增强控制系统对参数变化、干扰与未知扰动等因素的抵抗能力。
本文将从控制系统的鲁棒性概念出发，探讨鲁棒性设计与优化的方法，并介绍鲁棒性设计在现实世界中的应用。
1. 引言控制系统的鲁棒性是指系统对于参数变化、干扰、噪声和未知扰动等外部因素的变化具有稳定性和可靠性。
在现实世界中，控制系统常常面临各种变化，如传感器的误差、执行器的精度损失、环境的不确定性等。
因此，鲁棒性设计与优化方法的研究对于提高系统的可靠性和性能至关重要。
2. 控制系统鲁棒性设计方法2.1 H∞控制方法H∞控制方法是一种基于鲁棒控制理论的设计方法，能够保证系统对参数变化和未知扰动的鲁棒性。
该方法通过优化问题的最优鲁棒性指标来设计控制器，从而实现对系统动态性能和稳定性的高度要求。
H∞控制方法在很多工业应用中得到了广泛的应用，例如飞行器控制、机器人控制等。
2.2 μ合成方法μ合成方法是一种针对不确定控制系统的设计方法，通过定义鲁棒稳定性指标来实现系统的鲁棒性控制。
该方法将系统模型的参数不确定性表示为频率域上的复数，通过优化器来设计控制器，使系统在不确定性范围内具有所需的鲁棒稳定性和性能。
2.3 鲁棒PID控制方法鲁棒PID控制方法是将经典的PID控制与鲁棒控制相结合的一种设计方法。
通过引入鲁棒辨识、参数整定和补偿制度等手段，提高了PID控制器对系统的鲁棒性。
该方法适用于具有不确定性和变化参数的系统，能够提高系统的鲁棒性和动态响应性能。
3. 控制系统鲁棒性优化方法3.1 线性矩阵不等式优化线性矩阵不等式（LMI）优化方法是一种基于半正定约束的优化方法，能够实现控制系统的最优鲁棒性设计。
通过引入约束条件，LMI优化方法可以得到最优的鲁棒控制器，使系统具有更好的鲁棒性能。
3.2 粒子群优化算法粒子群优化（PSO）算法是一种基于群体智能的优化算法，通过模拟鸟群或鱼群的行为来搜索最优解。
飞行器控制系统中的鲁棒性设计方法
飞行器控制系统中的鲁棒性设计方法飞行器控制系统是飞行器正常运行的关键部分，而鲁棒性设计方法是确保控制系统能够在各种不确定性和干扰下保持稳定性和性能的重要策略。
本文将探讨飞行器控制系统中的鲁棒性设计方法。
为了使飞行器能够在各种环境和工况下保持稳定和可控，控制系统在设计过程中需要考虑到各种不确定性因素，如飞机结构参数的变动、不确定的外部环境干扰、传感器噪声、控制器参数的误差等。
这些不确定性因素对于控制系统的性能和稳定性有着重要影响，如果不加以考虑和抑制，就会导致控制系统的不稳定和性能下降，甚至引发飞行事故。
鲁棒性设计方法是一种能够有效抵御不确定性影响的设计策略，它通过增强控制系统的稳定性和性能来保证飞行器在各种工况下的可靠飞行。
鲁棒控制的核心思想是在设计过程中引入不确定性补偿机制，以应对不确定性的影响。
其中，鲁棒控制器设计是鲁棒性设计方法的重要组成部分。
鲁棒控制器设计的关键在于寻找一种能够满足系统性能要求和稳定性要求的控制器结构，并在此基础上对控制器参数进行优化。
常见的鲁棒控制器设计方法包括H∞控制、μ合成控制和鲁棒自适应控制等。
H∞控制是一种经典的鲁棒控制方法，它通过将系统不确定性建模为加性扰动，并在控制器设计中引入H∞性能指标，来达到系统稳定性和性能的要求。
H∞控制方法能够在系统频域设计中提供一定的保障，但它通常需要较高的计算复杂度，且对于系统的模型准确性要求较高。
μ合成控制是一种基于复数μ 功能理论的鲁棒控制方法，它可以在系统频域设计中提供较好的鲁棒性能保障。
μ合成控制方法通过设计灵敏度函数和亦敏感度函数来优化控制器参数，以抑制不确定性的影响。
然而，μ合成控制方法需要对系统建模较为精确，并且计算复杂度也相对较高。
鲁棒自适应控制是一种在控制器设计中引入自适应机制的鲁棒性设计方法，它通过对控制器参数进行在线更新，以适应系统的变化和不确定性的影响。
鲁棒自适应控制方法能够在一定程度上减小建模误差和不确定性的影响，但需要较多的实时计算和参数更新。
飞行器控制系统中的鲁棒性控制技术研究
飞行器控制系统中的鲁棒性控制技术研究近年来，随着无人机技术的发展和应用场景的不断扩大，飞行器控制系统变得越来越重要。
因此，我们需要探索一种强鲁棒控制策略，以确保飞行器在极端情况下可以保证最佳性能。
什么是鲁棒性控制？鲁棒性控制是一种保证系统能够在不确定或有噪声情况下依然保持稳定性和性能的控制技术。
在飞行器控制系统中，由于存在多种外界干扰和系统误差，鲁棒性控制技术能够保证飞行器可以稳定地飞行。
传统控制方法传统的控制方法主要使用PID控制器来实现飞行器的控制。
PID控制器是一种基于误差反馈的控制系统，它通过比较期望输出和实际输出之间的差异来计算和调整输出。
然而，PID控制器具有固定的参数，不能够处理不确定性和外界干扰。
在飞行器控制中，这种不确定性和外界干扰可能对系统造成非常大的影响，使得飞行器难以保持稳定。
强鲁棒控制技术为了解决传统PID控制器存在的问题，人们提出了一种新型的控制方法——强鲁棒控制技术。
强鲁棒控制技术不仅可以处理传统PID控制器无法处理的不确定性和外界干扰，还能保证飞行器在极端环境下稳定和可靠。
强鲁棒控制技术有以下四个方面的特点：1. 鲁棒性强鲁棒控制技术具有应对各种外界干扰和不确定性的能力，不会因为环境的变化产生性能下降的情况，确保系统的鲁棒性。
2. 稳定性强鲁棒控制技术可以保证系统的稳定性，避免飞行器在空中失控。
3. 可靠性强鲁棒控制技术在控制飞行器时保证了系统的可靠性，避免出现故障。
4. 优化性能强鲁棒控制技术能够优化飞行器的性能，以实现更快、更准确的响应和更好的飞行状态。
强鲁棒控制技术在飞行器控制系统中的应用近年来，强鲁棒控制技术已经在飞行器控制系统中广泛应用，其中最常见的应用是在无人机控制系统中。
无人机具有较小的体积和重量，同时受到各种外界干扰的影响，因此强鲁棒控制技术非常适合解决这些问题。
此外，强鲁棒控制技术还可以应用于飞机控制系统、火箭控制系统等。
强鲁棒控制技术的未来强鲁棒控制技术是一种非常有前途的技术，在未来的发展中具有广泛的应用前景。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 ４期 ２１ ０ １年 ８月
微
处
理
机
Ｎ０ ４ ．
ＭＩ ＣＲＯＰ ＲＯＣＥＳ ＯＲ Ｓ Ｓ
ቤተ መጻሕፍቲ ባይዱ
Ａｕ ．， ０１ ｇ ２ １
飞行 控 制 系统 的鲁 棒 性评 估 方 法 研 究
曹睿婷 ， 章卫 国， 沈 宁
（ 西北 工业 大学 自动化 学院 ， 西安 ７０２ ） １１９ 摘 要 ： 着现代 飞机 气动布 局 的改进和 控制 方 式的 多样 化 ， 随 旧有 的评 价体 系 已经 不能适应 新
并且 定量地 得 到控 制 系统在任 意 给定 性能 水平 下 的鲁棒 度数 值 ， 而可 对 不 同飞行 控 制律 鲁棒 性 从
能的优 劣做 出比较 ， 到 更为直 观 的的评 价结 果。 得 关键词 ： 鲁棒 性评 估 ； ｎｅＣ ｒ Ｍｏ ｔ ａ ｏ方 法 ； ｌ 鲁棒 度 ； 鲁棒 性能 ； 飞行控 制律
ａ ｐ ｏ ｃ ｅ ．Ｔｈ ａｕ ｆｒ ｂ ｓｎ ｓ ｅ ｒ ｅ ｃ ｒｅ ｐ ｎｄｎｇｔ ｎ ｉｅ ｅ ｆ ｒ ｎ ｅ ｌｖ ｌｃ ｎ ｂｅａ ｈ ｅ ｅ ｐ ｒａ ｈ ｓ ｅ ｖ ｌ ｅ ｏ ｏ ｕ ｔ ｅ ｓｄ ｇ ｅ ｏ ｓ ｏ ｉ ｏ ａ ｙ ｇｖ ｎ ｐ ｒｏ ｍａ ｃ ｅ ｅ ａ ｃ ｉｖ ｄ ｉ ｍｍｅ ａ ｅｙ ａ ｄ ｑ ａ ｔ ａ ｉｅ ｙ ｄｉｔｌ ｎ ｕ ｎ ｉ ｔｖ ｌ ．Ｔｈ ｒ ｆ ｒ ｔ ｅ ｅｏ ｅ，ｉ ｉ ａ ｙ ｔ ｂ ａｎ ｄｉｅ ｔｒ ｓ ｌｓｏ ｏ ｕ ｔ ｅ ｓａ ｎ ｉ ｅ ｅ ｔ ｓ ｅ ｓ ｏ ｏ ｔｉ ｒ ｃ ｅ ｕ ｔ ｆｒ ｂ ｓｎ ｓ ｍｏ ｇ ｄ ｆ ｒｎｔ ｆ ｌ ｇ ｏ ｔｏ ａ ． ｆｉｈｔｃ ｎ ｒ ｌｌｗｓ Ｋｅ ｒ ｓ： ｂ ｔ ｓ ｖ ｌ ｔｏ Ｍｏ ｅ Ｃａｌ ｐ ｒ ａ ｈ； ｂ ｔｄ ｇ ｅ Ｒｏ ｕ ｔ ｅ ｓ Ｆ ｉｈ ｏ ｔｏ ｙ ｗｏ ｄ Ｒｏ ｕｓｎｅ ｓ ｅ ａｕａｉｎ； ｎｔ ｒｏ ａ ｐ ｏ ｃ Ｒｏ ｕｓ ｅ ｒ ｅ； ｂ ｓｎ ｓ ； ｌｇ ｔｃ ｎ ｒ ｌ ｌｗ ａ
ｏ ｔ ｙ ａ ａｙ ｉ ｇｔ ｅｒ ｂ ｓ ｄ ｇ ｅ ． ｈ ｏ ｒ ｓ ｏ ｄ ｎ ｅ ｕ ｔ ｄ ｍｏ ｓｒ ｔ ｅｅ ｆｃ ｉｅ ｅ ｓｏ ｅ ｐ ｏ ｏ ｅ ｕ ｎ ｌ ｚｎ ｏ ｕ ｔ ｅ ｒ ｅ Ｔ ｅ ｃ ｒ ｐ ｎ ｉ ｇｒ ｓ ｌ ｅ ｎ ｔａｅ ｔ ｆ ｔ ｎ ｓ ｆ ｈ ｒ ｐ ｓ ｄ ｂ ｈ ｅ ｓ ｈ ｅ ｖ ｔ
（ ｏ ｅｅｏ ｕ ｍ ｔ ｎ Ｎ ￣ ｗ ｓ ｒ ｏ ｔ ｈｉ ｌＵ ｉ ｒ ｔ， ｉａ １ １９ Ｃ ｉ ） Ｃ ｌｇ ｌ ｆＡ ｔ ａｉ ， ｏ ｈ ｅｅｎＰ ｌ ｅ ｎｃ ｎ ｅ ｉ Ｘ ’ｎ７ ０ ２ ， ｈｎ ｏ ｏ ｔ ｙｃ ａ ｖ ｓｙ ａ
Ａ ｂ ｔ ａ ｔ Ｗ ｉ ｈ ｅ ｅ ｏ ｍ ｅ ｆｔ ｅ ｍｏ ｅ ｎ ａ ｒｒ ｆ ａ ｄ ｃ ｎ ｒ ｌｍ ｅｈ ｄ，ｈ ｒ ｄ ｔ ｎ ｌａ ｓ ｓ ｍｅ ｔ ｓｒ ｃ ： ｔ ｔ ｅ ｄ ｖ ｌｐ ｎｔｏ ｈ ｄ ｒ ｉｃ ａｔ ｎ ｏ ｔｏ ｔ ｏ ｔ ｅ ｔａ ｉｉ ａ ｓｅ ｓ ｎ ｈ ｏ ａ ｐ ｏ ｃ ｃ ｎ ｏ ｍｅ ｔ ｈ ｒ ｑ ｒ ｍ ｅ ｔ ｆ ｅ ｐ ｒａ ｈ ａ ｎ ｔ ｅ ｔ ｅ ｅ ｕｉｅ ｎ ｏ ｎ ｗ ｃ ｎ ｒ ｌ ｙ ｔ ｍｓ ｏ ｔｏ ｓ ｓｅ ．Ａｎ ｍｐ ｏ ｅ ｒ ｂ ｓｎｅ ｓ ｅ ａｕａｉｎ ｉ ｒ ｖ ｄ ｏ ｕ ｔ ｓ ｖ ｌ ｔｏ
ａ ｐｏ ｃ ａｅ ｎ ｐ ｒ ａ ｈ ｂ ｓ ｄ ｏ Ｍｏ ｅ Ｃａ ｌ ｔ ｏ ｉ ｎ ｅ ｔｇ ｔｄ ｔ ｖ ｒ ｏ ｈｅ ｈ ｒｃ ｍｉ ｇ ｏ ｈ ｏ ｕｓ ｅ ｓ ｎｔ ｒｏ ｍｅ ｈ ｄ ｓ ｉ ｖ ｓｉａ ｅ ｏ ｏ ｅｃ ｍｅ ｔ ｓ ｏ ｔｏ ｎ ｆ ｔ ｅ ｒ ｂ ｔ ｓ ｎ ｅ ａ ｕ ｔｏ ｐ ｒ ａ ｈ ａ ｏ ｉ ｈ ｏ ｔｏ ． Ａ ｏ ｅ ｏ ｃ ｐ ｍｅ ｏ ｓ ｅ ｒ ｅ， ｕ ｎｔ ａｉ ｅ ｉｄ ｘ，ａ ｄ ｖ ｌ ａｉｎ ａ ｐ ｏ ｃ ｂ ｕｔｆ ｇ ｔｃ ｎ ｒ １ ｌ ｎ ｖ ｌｃ ｎ ｅ ｔｎａ ｄ ｒ ｂｕ ｔｄ ｇ ｅ ｑ ａ ｉ ｔ ｎ ｅ ｔ ｖ ｎ ａ ｇ ｒｔ ｍ ｆｓ ｓｅ ｒ ｂ ｔ ｅ ｓ ｉ ｉｅ Ｔｈ ｏ ｕｓｎ ｓ ｖ ｌ ａｉｎ ｏ ｉｈ ｏ ｔｏ ｙ ｔｍｓ ｃ ｎ ｂ ａ ｒｅ ｌｏ ｉｈ ｏ ｙ ｔ ｍ ｏ ｕｓｎ ｓ ｓｇｖ ｎ． ｅ ｒ ｂ ｔ ｅ ｓｅ ａ ｕ ｔｏ ｆｆ ｇ ｔｃ ｎ ｒ ｌｓ ｓｅ ａ ｅ ｃ ｒｉｄ ｌ
Ｄ Ｉ 码 ：０ ３ ６ ／ ． ｓ．０ ２— ２ ９ ２ １ ． ４ ０ ２ Ｏ 编 １ ． ９ ９ ｊ ｉ ｎ １ ０ ２ ７ ．０ １ ０ ． １ ｓ
中图分类 号 ：Ｐ ９ ． ； ２ １４ 文献标 识码 ： 文章编 号 ：０ ２— ２ ９ ２ １ ）４—０４ — ５ Ｔ ３ １９ Ｖ ７ ． Ａ １ ０ ２ ７ （０ １ ０ ０ １ ０
Ｓｔ ｄ ｎ Ｒｏ ｕ ｔ ｅ ｓ Ｅ ａ ｕ ｔ ｎ Ｍｅ ｈ ｄ ｏ ｉ ｈ ｎ ｒ ｌ ｓｅ ｕ ｙ ｏ ｂ ｓ ｎ ｓ ｖ ｌａ ｉ ｔ ｏ ｆＦｌ ｔＣｏ ｔｏ ｏ ｇ Ｓｙ ｔ ｍ
ＣＡＯ ｉ—ｔ Ｒｕ ｉ Ｚ ｎｇ， ＨＡＮＧ ｅ Ｗ ｉ—ｇ ｏ， ＨＥＮ ｎ ｕ Ｓ Ｎｉ ｇ