The genesis of both coherent structures and reactive flow control strategies is explored. Futuristic control systems that utilize microsensors and microactuators together with artificial intelligence to target specific coherent structures in a transitional or turbulent flow are considered. Of possible interest to the readers of this journal is the concept of smart wings, to be briefly discussed early in the article.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Adhesion coefficient and the resultant normal force occurred at the wheel-rail contact determine braking and traction forces in railway applications. Due to the limits on controlling the resultant normal force, maximization of the adhesion coefficient is the only way to obtain larger braking and tractive works. There are various advantages of utilization of adhesion in an efficient way, such as reducing operating costs, minimizing trip time, preventing wheel-rail wear. On the other hand, the adhesion mechanism at the wheel-rail contact has a highly non-linear complex nature, whose dynamics are changed as a function of parameters like environmental conditions, vehicle speed, slip ratio etc. There is not any satisfactory accurate and trustworthy way of estimating these parameters yet. In this paper, an event based adaptive control scheme has been introduced to maximize the adhesion coefficient without requiring the exact value of those parameters. The efficient adhesion utilization can be obtained by using the proposed method while maintaining the stability. The continuous excitement of traction system and slow recuperation detection time difficulties in the former research has been overcome. The dynamics of phase shift were analyzed and an adaptive structure were built. Results acquired by using the proposed adaptive method were compared with the conventional control scheme in “Matlab&Simulink” software under various driving scenarios and wheel-rail contact conditions.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
An adaptive control problem for linear, continuous time stochastic system is described and solved in this paper. The unknown parameters in the model appear affinely in the drift term of the stochastic differential equation. The parameter estimates given by the maximum likelihood method are used to define the feedback gain. It is proved that the parameter estimates are strongly consistent and the cost functional reaches its minimum, i.e. the adaptive control is optimal. In this paper the continuity of the solution of the algebraic Riccati equation as a function of coefficient is also verified. The continuity is important for applications to problems in adaptive control.
PL
Praca składa się z czterech części. W części pierwszej sformułowano i podano rozwiązanie zagadnienia sterowania optymalnego w liniowym układzie stochastycznym z kwadratowym funkcjonałem kosztów na skończonym i nieskończonym przedziale czasowym. Twierdzenie 1, podające postać sterowania optymalnego na skończonym przedziale czasowym, jest dobrze znane ([l], [5]), natomiast twierdzenie 2 jest uogólnieniem znanych rezultatów. Zwykle formułuje się je przy założeniach gwarantujących istnienie i jedyność rozwiązania algebraicznego równania Riccatiego ([5], [4]). W tym sformułowaniu w jakim znajduje się w pracy można je znaleźć w [16] ale dla układu deterministycznego. W części drugiej zbadano własności algebraicznego równania Riccatiego. Algebraiczne równanie Riccatiego odgrywa pierwszoplanową rolę w konstrukcji sterowania optymalnego i poświęcono mu wiele uwagi w pracach [2], [4], [13], [15], Twierdzenie 5 pokazuje na jakie trudności możemy natrafić w procedurze adaptacyjnego sterowania, gdy nieznane współczynniki równania Riccatiego będziemy zastępować ich ocenami. Problem ten obszerniej omówiono w [4] i [8]. Głównym wynikiem tej części pracy jest twierdzenie 6, które odgrywa zasadniczą rolę w konstrukcji i dowodzie optymalności sterowania adaptacyjnego. W części trzeciej skonstruowano ocenę największego prawdopodobieństwa dla macierzy liniowej transformacji stanu. Estymator ten pojawił się po raz pierwszy w zagadnieniu sterowania optymalnego w pracy [12]. Wreszcie w czwartej, głównej części pracy podano algorytm sterowania adaptacyjnego oraz dowód jego optymalności (twierdzenie 10). Podany algorytm i dowód jego optymalności są modyfikacją wyników podanych w [6] i [7], Obejmują one ogólniejsze przypadki niż w tych pracach, gdzie zakłada się znajomość domkniętego, spójnego i ograniczonego zbioru, do którego należy oceniany parametr, niemniej uzyskane rezultaty są jeszcze dalekie od analogicznych wyników uzyskanych w pracy [3] dla czasu dyskretnego.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.