一类多关节机器人系统的模糊滑模控制算法仿真

针对具有参数不确定性的多关节机器人动力学系统，提出了一种基于模糊逻辑的滑模控制方案。该方案采用模糊滑模跟踪控制设计，柔化了控制信号，减轻了一般滑模控制的抖振现象。利用李亚普诺夫定理证明了闭环模糊控制系统的稳定性和跟踪误差、控制信号的有界性。仿真结果表明了所提出的控制策略是有效的。     

基于MATLAB的卫星姿态控制半物理实时仿真平台

介绍了利用MATLAB的实时工具箱RTW和xPC Target，建立包括一台宿主机和两台目标机的卫星姿态控制系统半物理实时仿真平台的方法。系统仿真结果表明实时仿真结果与数学仿真结果基本一致，仿真系统实时性符合要求。该平台不但适用于系统的全数字实时仿真，扩展相应的硬件后还可用于卫星姿态控制系统的半物理实时仿真。     

欠结构水下机器人的自适应位置跟踪控制器的设计

欠结构水下机器人的控制是一个具有很大难度的课题。研究了一种欠结构多方位智能机器人的跟踪问题，在机器人参数不确定及存在未知环境扰动的情况下，设计出了连续的自适应控制器，使得机器人可以自动地跟踪任意光滑的轨迹，并且跟踪误差收敛于半径为任意小的原点的邻域。Matlab仿真研究表明了该控制方案的有效性。     

闭环网络控制系统全数字仿真实验方法的研究

提出网络控制系统全数字仿真的方法，针对目前Matlab没有提供NCS仿真模块的现状，设计出能够真实再现网络环境的延时模块，并在此基础上开发出一套完整的网络控制仿真实验平台，只需一台计算机就能够完成包括网络数据包丢失和时序错乱等现象在内的各种NCS仿真实验，保证在进行NCS控制算法的比较研究时，网络延时状况是一致的。在该实验平台上进行NCS全数字仿真实验，结果证明以上方法的有效性。     

一种分布式交通信号控制方法及仿真实现

在基于多智能体的分布式道路交通控制概念模型和单路口交通信号自学习控制方法的基础上，提出了一种基于多智能体的分布式交通信号区域控制方法。通过相邻路口信号控制智能体的信息交互和协调，在确保路口绿灯时间利用率较高的前提下，尽量使相邻路口驶来的车队不停车地通过路口。编制交通控制微观仿真软件，在一个由8个路口组成的交通网络中对多种信号控制方式进行仿真实验，实验结果表明这种新控制方法的控制效果明显优于传统的定时控制和感应控制方式。     

活性污泥污水处理系统的模糊神经网络控制

针对中、小型污水处理厂的实际情况，在对活性污泥污水处理系统机理模型研究的基础上提出一种控制模型。在对系统进行性能分析与综合的基础上，提出了应用于该控制模型的模糊神经网络控制器。通过仿真实验表明，该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于活性污泥污水系统具有快速性与有效性，比基于规则的传统模糊控制具有更强的鲁棒性，可以获得良好的控制性能。     

固体小运载的制导方案设计与仿真

巨大的小卫星发射市场吸引着国内外竞相研制低成本的固体小型运载火箭。通常的运载火箭是液体，但固体不象液体，其推力大小取决于装药设计，因此不可控，且推力实际值与标称值的偏差也较大，如果发射条件受限制，要约束重量，通常固体火箭耗尽关机，三级也可能自旋稳定，由此带来了制导技术的问题。研究工作较有效地探索了一种固体小运载的制导方案设计问题，进行了算例仿真，作了精度和稳定性的验证研究，结果表明该制导方法可行，稳定性较好，对固体发射小卫星的制导有一定的参考意义。     

基于多Agent的战场角色仿真建模研究

作战仿真系统模型的复杂性主要来源于战场角色行为和战场环境的复杂性，多Agent系统是解决复杂问题的有效方法。分析作战仿真系统的模型组成和特点，结合自然环境建模，研究了基于多Agent的战场角色建模方法，描述了战场角色Agent所需的组件及其功能。设计了一种面向战场角色建模的通用Agent体系结构，并对战场角色Agent的规划、通信和协作等理论和应用问题进行了研究。     

模糊多参考模型自适应控制及仿真研究

将模糊理论应用于参考模型的选择，提出一种将模糊选择和自适应控制相结合的模糊多参考模型自适应控制算法。此方法通过模糊规则选取合适的参考模型，能克服传统自适应算法中由于系统参数跳变而带来的控制困难，并且具有较好的鲁棒性能。在无刷直流电机调速系统模型中的仿真表明，此方法控制的无刷直流电机在电机参考转速和负载转矩变化的情况下仍具有良好的动态性能和控制精度。     

基于对角回归神经网络的转台伺服系统逆控制

针对转台伺服系统中存在的不确定性和非线性因素,提出一种基于对角回归神经网络(diagonal re-current neural network,DRNN)的逆控制方法。逆控制器由对角回归辨识网络(DRNNI)和对角回归控制网络(DRNNC)组成,利用神经网络的逼近能力,在线辨识系统的逆模型,直接将辨识器的拷贝作为系统的控制器。该方法结合了神经网络和逆系统控制的优点,能够克服系统中的不确定性和非线性因素。仿真结果表明,有效提高了转台伺服系统的动态跟踪精度,并具有较好的鲁棒性能。控制器的运算量小,能够满足实时控制要求。