基于模糊遗传优化支持向量机的系统辨识研究

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于FPGA的数字化电源控制器研究

提出了一种基于FPGA的高精度数字化电源控制器设计方案。从系统的角度分析了数字化PI调节算法、数字化PWM波形发生器和通讯模块等各部分的实现方式。利用FPGA和Verilog硬件描述语言在实验装置上进行了验证,实现了开关电源的数字化闭环控制。研究结果表明,同其它数字控制方式相比,本系统提高了PWM的精度和设计升级的灵活性。     

基于DSP的全数字直流位置伺服控制系统

提出一种基于数字信号处理器（ＤＳＰ）的全数字直流位置伺服控制系统。充分利用ＤＳＰ周边接口丰富、运算速度快的特点,采用神经元自适应控制策略对系统进行控制。实验结果表明,该系统对于对象参数大范围变化具有很强的鲁棒性和自适应能力, 系统的动、静态性能良好, 定位误差小于０．３°     

带有跟踪微分器的无模型自适应控制方法研究

针对无模型自适应控制方法对一类存在测量扰动的SISO非线性系统控制效果不佳的情况,将自抗扰控制器中的跟踪微分器作为反馈滤波器加入到无模型自适应控制中,提出了一种论述无模型自适应控制方法。该方法将测量信号通过反馈通道的跟踪微分器滤波后,再与给定信号求差得到误差信号进行控制,从而有效抑制测量干扰带来的影响,获得更好的输出性能,提高无模型自适应方法的鲁棒性。仿真结果验证了此方法的有效性。     

图像反馈机器人视觉伺服系统仿真

机器人视觉伺服系统的研究是机器人领域中的重要内容之一，其研究成果可以直接用于机器人自动避障、轨线跟踪和运动目标跟踪等问题中。分析了基于图像雅克比矩阵的机器人视觉伺服方法的基本原理，通过创建子系统(sub-system)使得Marlab和Simulink有机结合，基于机器人Matlab仿真工具箱(Robotics Toolbox for Matlab)实现了六自由度Motoman-SV3工业机器人图像反馈视觉伺服系统的Simulink模型。采用该模型进行了机器人跟踪三维空间螺旋运动目标的仿真实验，结果验证了该方法的有效性。     

基于快速立体匹配的基本矩阵估计方法

借鉴Harris角点检测时角点自身的特点,提出了基于角特征与灰度相关并参考视差梯度约束的角点匹配方法,利用角特征值比值的约束条件,减少了大量的候选匹配点,提高了立体匹配的速度,实现了快速、准确的立体图像对的角点匹配.在此基础上,进一步采用Hartley提出的改进八点算法,获得了高精度的基本矩阵.实验结果表明该方法具有较高的准确性和实时性,是一种快速有效的立体匹配基本矩阵估计方法.     

国产光整机的特点及其控制

介绍了国产热镀锌生产线用光整机设备组成，指出国产光整机的结构特点和电气控制系统的组成以及电气控制的特点。     

基于LS-SVM的机器人逆运动学建模

提出了基于最小二乘支持向量机的机器人逆运动学建模方法，阐述了基本设计思想和具体算法过程，与RBF神经网络相比，最小二乘向量机的优点在于其训练过程遵循结构风险最小化原则，不易发生过学习现象。它通过解一组线性方程组得到全局唯一最优解。其拓扑结构在训练结束时自动获得而不需要预先确定，通过对二自由度刚性机器人的仿真，结果验证了该方法的有效性和可行性。     

基于AGA的ADRC及其应用研究

提出了自适应遗传算法（AGA）选取与优化自抗扰控制器（ADRC）参数的方法，较好地解决了其过多参数难以调节的问题，采用一阶ADRC对连续搅拌反应釜（CSTR）系统进行控制，并用简化的一阶ADRC控制平面两连杆机械手水平方向的正弦运动，仿真结果验证了算法的可行性和有效性。