飞行控制系统的鲁棒性评估方法研究

合集下载

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。

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)。

兴的控制系统。针对目前国内外对飞行控制律鲁棒性评估方法的不足，展了一种基于Ｍｎｅ发ｏｔＣｒａｏ方法的评价控制律鲁棒性能的方法。提出了鲁棒度的概念，出了具体的系统鲁棒性量化指ｌ给标及计算方法，通过对飞行控制律鲁棒度的比较，而完成对飞行控制律鲁棒性的评估。它能直观进
第４期２１０１年８月
微
处
理
机
Ｎ０４．
ＭＩＣＲＯＰＲＯＣＥＳＯＲＳＳ
ቤተ መጻሕፍቲ ባይዱ
Ａｕ．，０１ｇ２１
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；ｎｅＣｒＭｏｔａｏ方法；ｌ鲁棒度；鲁棒性能；飞行控制律
ａｐｏｃｅ．Ｔｈａｕｆｒｂｓｎｓｅｒｅｃｒｅｐｎｄｎｇｔｎｉｅｅｆｒｎｅｌｖｌｃｎｂｅａｈｅｅｐｒａｈｓｅｖｌｅｏｏｕｔｅｓｄｇｅｏｓｏｉｏａｙｇｖｎｐｒｏｍａｃｅｅａｃｉｖｄｉｍｍｅａｅｙａｄｑａｔａｉｅｙｄｉｔｌｎｕｎｉｔｖｌ．Ｔｈｒｆｒｔｅｅｏｅ，ｉｉａｙｔｂａｎｄｉｅｔｒｓｌｓｏｏｕｔｅｓａｎｉｅｅｔｓｅｓｏｏｔｉｒｃｅｕｔｆｒｂｓｎｓｍｏｇｄｆｒｎｔｆｌｇｏｔｏａ．ｆｉｈｔｃｎｒｌｌｗｓＫｅｒｓ：ｂｔｓｖｌｔｏＭｏｅＣａｌｐｒａｈ；ｂｔｄｇｅＲｏｕｔｅｓＦｉｈｏｔｏｙｗｏｄＲｏｕｓｎｅｓｅａｕａｉｎ；ｎｔｒｏａｐｏｃＲｏｕｓｅｒｅ；ｂｓｎｓ；ｌｇｔｃｎｒｌｌｗａ
ｏｔｙａａｙｉｇｔｅｒｂｓｄｇｅ．ｈｏｒｓｏｄｎｅｕｔｄｍｏｓｒｔｅｅｆｃｉｅｅｓｏｅｐｏｏｅｕｎｌｚｎｏｕｔｅｒｅＴｅｃｒｐｎｉｇｒｓｌｅｎｔａｅｔｆｔｎｓｆｈｒｐｓｄｂｈｅｓｈｅｖｔ
（ｏｅｅｏｕｍｔｎＮ￣ｗｓｒｏｔｈｉｌＵｉｒｔ，ｉａ１１９Ｃｉ）ＣｌｇｌｆＡｔａｉ，ｏｈｅｅｎＰｌｅｎｃｎｅｉＸ ’ｎ７０２，ｈｎｏｏｔｙｃａｖｓｙａ
ＡｂｔａｔＷｉｈｅｅｏｍｅｆｔｅｍｏｅｎａｒｒｆａｄｃｎｒｌｍｅｈｄ，ｈｒｄｔｎｌａｓｓｍｅｔｓｒｃ：ｔｔｅｄｖｌｐｎｔｏｈｄｒｉｃａｔｎｏｔｏｔｏｔｅｔａｉｉａｓｅｓｎｈｏａｐｏｃｃｎｏｍｅｔｈｒｑｒｍｅｔｆｅｐｒａｈａｎｔｅｔｅｅｕｉｅｎｏｎｗｃｎｒｌｙｔｍｓｏｔｏｓｓｅ．Ａｎｍｐｏｅｒｂｓｎｅｓｅａｕａｉｎｉｒｖｄｏｕｔｓｖｌｔｏ
ａｐｏｃａｅｎｐｒａｈｂｓｄｏＭｏｅＣａｌｔｏｉｎｅｔｇｔｄｔｖｒｏｈｅｈｒｃｍｉｇｏｈｏｕｓｅｓｎｔｒｏｍｅｈｄｓｉｖｓｉａｅｏｏｅｃｍｅｔｓｏｔｏｎｆｔｅｒｂｔｓｎｅａｕｔｏｐｒａｈａｏｉｈｏｔｏ．Ａｏｅｏｃｐｍｅｏｓｅｒｅ，ｕｎｔａｉｅｉｄｘ，ａｄｖｌａｉｎａｐｏｃｂｕｔｆｇｔｃｎｒ１ｌｎｖｌｃｎｅｔｎａｄｒｂｕｔｄｇｅｑａｉｔｎｅｔｖｎａｇｒｔｍｆｓｓｅｒｂｔｅｓｉｉｅＴｈｏｕｓｎｓｖｌａｉｎｏｉｈｏｔｏｙｔｍｓｃｎｂａｒｅｌｏｉｈｏｙｔｍｏｕｓｎｓｓｇｖｎ．ｅｒｂｔｅｓｅａｕｔｏｆｆｇｔｃｎｒｌｓｓｅａｅｃｒｉｄｌ
ＤＩ码：０３６／．ｓ．０２— ２９２１．４０２Ｏ编１．９９ｊｉｎ１０２７．０１０．１ｓ
中图分类号：Ｐ９．；２１４文献标识码：文章编号：０２— ２９２１）４—０４ — ５Ｔ３１９Ｖ７．Ａ１０２７（０１００１０
ＳｔｄｎＲｏｕｔｅｓＥａｕｔｎＭｅｈｄｏｉｈｎｒｌｓｅｕｙｏｂｓｎｓｖｌａｉｔｏｆＦｌｔＣｏｔｏｏｇＳｙｔｍ
ＣＡＯｉ—ｔＲｕｉＺｎｇ，ＨＡＮＧｅＷｉ—ｇｏ，ＨＥＮｎｕＳＮｉｇ