基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

基于势函数的双稳随机共振参数特性探究*

双稳态随机共振系统模型在微弱信号检测方面具有很好的应用特性,为微弱信号的检测提供了新的思路。如何用更简单的方法突破近似绝热条件的限制,使其应用于高频信号检测,是近些年来的研究热点。分析势函数的形状特征对系统输出信噪比影响的基础上,研究了系统从双稳状态(AAc)到失稳(A≥Ac),再到单稳状态(a=0或b=0)过程中,系统输出特性的变化规律。提出了一种基于势函数的参数调节方法,通过对系统参数加以控制,可以在不影响系统最佳输出信噪比的情况下,将可调参量降为1个,减少参数调节的工作量。经过仿真和实验采集数据验证,该方法简单易行,具有一定的应用价值。