针对直线电机平台轮廓运动精确控制的难题,提出一种基于局部任务坐标系(LTCF)的自适应鲁棒控制(ARC)方法。通过坐标变换阵T将所建立的动力学模型变换到LTCF中,实现在笛卡尔坐标系下跟踪误差的解耦。利用自适应鲁棒控制器对建模误差的实时补偿,使系统快速稳定并保持较好的系统鲁棒性。将所设计控制方法与基于交叉耦合(CCC)的自适应鲁棒轮廓运动控制方法进行对比仿真实验,结果表明,所提控制方法具有更好的轮廓控制性能。

鲁棒控制工具箱提供了一系列的函数和工具以支持带有不确定元素的多输入多输出控制系统的设计。在该工具箱的帮助下，你可以建立带有不确定参数和动态特性的LTI模型，也可以分析MIMO系统的稳定性裕度和最坏情况下的性能。 该工具箱提供了一系列的控制器分析和综合函数，能够分析最坏情况下的性能及确定最坏情况下的参数值。利用模型降阶函数能够对复杂模型进行简化。同时提供了先进的鲁棒控制方法，如H2、H∞、LMI、μ分析等。

两阶段鲁棒优化模型 多场景 采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料

两阶段鲁棒优化模型 多场景 采用matlab编程两阶段鲁棒优化程序，考虑四个场景，模型采用列与约束生成（CCG）算法进行求解，场景分布的概率置信区间由 1-范数和∞-范数约束，程序含拉丁超立方抽样+kmeans数据处理程序，程序运行可靠，有详细资料

在本文中，提出了一种新颖的自适应鲁棒方法来对一类受执行器未建模动力学影响的柔性臂机器人进行建模和控制。 它显示了如何利用动态系统测量的实时信号来提高柔性机器人数学模型的准确性。 鉴于机器人手臂的弹性，柔性机械手具有被动和主动自由度。 非线性鲁棒控制器设计用于主动自由度，以使机器人在执行器存在未建模动力学的情况下能够遵循所需轨迹。 此外，表明在某些可行的条件下，为被动自由度设计了另一个非线性鲁棒控制器。 此外，为了将系统响应用于模型提取，提出了两个辅助信号，以提供足够的信息来从数字上提高系统动力学的准确性。 另外，在每种情况下都提出了两种自适应定律来更新两个引入的辅助信号。 结果，在主动自由度收敛到它们的期望轨迹之后，控制器控制被动自由度。 同时，从系统收集的用于更新辅助信号的信息提高了模型的准确性。 最后，给出了仿真结果以验证所提出控制器的性能。

已知受控对象的传递函数，求对应的控制器的Youla参数化描述；系统的鲁棒镇定问题，求鲁棒镇定控制器

介绍鲁棒控制中的μ分析与综合问题，解析清楚，参考性强

您可以使用它来区分包含高频噪声的信号/矢量。 您使用的点越多，以更多计算为代价的噪声抑制就越大。 robustDiff 使用未来信息和过去信息来估计当前点的导数（非因果）。 robustDiffOneSide 仅使用过去的信息（因果关系）。 robustDiffOneSide的相移会随着使用的点数的增加而增加，因此请注意。 安装/设置说明： 将 zip 的内容添加到您的路径中。 该文档将通过 MATLAB 主文档页面上的“补充软件”链接提供。 “补充软件”链接仅在您将 zip 文件的内容添加到您的路径时才会显示。 如果这很复杂，只需查看“文档”目录。 使用的公式来自 Pavel Holoborodko 所做的工作。 有关这些公式的更多信息，请访问他的网站： http : //goo.gl/vfRWcg

鲁棒的区域复制图像篡改检测技术