基于模糊阻抗控制的上肢康复机器人中接触力规划器的设计

在对脑卒中患者的上肢运动功能康复训练中,如何对患者施加最适合的接触力,是设计康复机器人的重要指标要求. 针对现有康复机器人的力规划器中,产生出来的接触力存在突变,对患者进行训练的舒适性方面存在不足的问题,提出一种连续渐变的接触力规划器,采用模糊控制与阻抗控制相结合的方法改进接触力突变的状况. 经过仿真和实验验证,本文采用的方法可以产生渐变的接触力,对于患者训练的安全性和舒适性有明显提高.      

仿生机器鱼巡游性能分析与实验

以鱼体运动行波方程为动力学基础,参照鱼体尾部运动函数方程设计了"BLRF--I"系列仿鲹科机器鱼.在该系列机器鱼中,采用模块化设计结构,可以方便地更改尾部驱动舵机的数量,形成仅有驱动舵机数量不同、其他机制完全相同的单关节、两关节和三关节仿生机器鱼.对"BLRF--I"系列机器鱼的巡游速度与最小转弯半径进行实验分析.结果表明,"BLRF--I"系列机器鱼尾部驱动舵机数量的增加可以有效地提高巡游速度,最小转弯半径在舵机数量为2时达到最小.进而论证了仿生机器鱼关节数目对机器鱼游动性能的影响,并提出了仿生机器鱼关节数目和巡游速度的关系方程.     

电液伺服系统的小波自适应鲁棒反演控制

针对电液伺服系统,提出了一种小波自适应鲁棒反演控制方法.用两个小波神经网络来逼近电液伺服系统中的模型未知部分、参数不确定项和虚拟控制的导数,所有小波神经网络的参数均实现在线调节.控制律和自适应律的设计保证了闭环系统一致且最终有界,从而达到对非线性电液伺服系统稳定跟踪控制的目的.鲁棒补偿器的设计进一步改进了电液伺服系统的跟踪性能.仿真结果表明,该方法能较好地满足控制精度的要求,同时系统具有较强的适应性和鲁棒性.     

坦克稳定器状态补偿控制研究

基于状态观测、补偿理论，设计坦克稳定器控制系统。通过遗传算法优化控制器参数，结合Monte-Carlo随机试验方法，进行系统的性能鲁棒分析。动态仿真试验表明在考虑系统的本质非线性环节、高频低幅外扰的情况下，所设计的控制器比PI控制具有更高的精度，更小的超调量，比滑模控制具有更强的扰动抑制能力，并且克服了本质非线性环节的影响，具有快速随动、稳态无静差、扰动不敏感的性能。     

基于非线性干扰观测器的直升机滑模反演控制

针对3自由度直升机俯仰控制系统,提出一种基于非线性干扰观测器的滑模反演控制方法. 用一种非线性干扰观测器观测系统的不确定性和外界干扰,通过选择设计参数,可以使观测误差指数收敛. 对引入非线性干扰观测器后的系统采用滑模反演法设计控制器,控制律的设计保证了闭环系统的稳定性,从而达到对直升机俯仰系统跟踪控制的目的. 仿真结果表明,该方法能够较理想地观测干扰,减小控制器的输出,改善系统的控制性能.     

一种改进的颜色粒子滤波目标跟踪算法

为实现运动目标精确跟踪,克服跟踪过程中目标的非线性运动以及由目标形变、遮挡和光照等因素带来的影响,本文提出了一种改进的颜色粒子滤波方法. 算法从提高目标模型描述能力入手,首先对直方图加权函数进行了改进,使模型对区域特征描述更加合理;然后针对颜色直方图特征对光照明敏感、易受环境干扰等缺点,将目标由颜色特征空间映射到对光照稳定、抗几何失真能力强的局部熵特征空间,构建了颜色局部熵观测模型;同时设计了目标模板的自适应更新策略,当目标受到严重干扰的时候动态调节粒子数目. 实验结果表明相比传统的颜色粒子滤波算法,本文算法具有更好的鲁棒性,能够在存在遮挡、光照变化、非线性运动等情况下实现稳定跟踪.      

适用于加权样本集处理的加权支持向量机方法

为了处理模式识别问题中具有加权信息的样本集,提出一种加权支持向量机(weighted support vector machine,WSVM)算法,并对算法进行了理论分析.通过引入样本与超平面加权距离的概念,使得WSVM算法可以对样本的权值信息进行有效处理.针对未明确给出权值分布的样本集,提出一种基于类间中心距离确定权值的经验方法,对加权支持向量机算法采用交叉验证技术在人工及真实数据上进行了仿真,结果表明,加权支持向量机比标准支持向量机具有更小的误识率和更好的稳定性.     

基于FAST角点检测的局部鲁棒特征

针对目前流行的SIFT、SURF等局部特征存在运算复杂、匹配及后续处理实时性差等问题,在FAST角点检测的基础上,提出了一种新的视觉跟踪特征算法. 该算法能克服实际应用中噪声及室外光照变化的影响,并能快速匹配特征点实现实时处理. 实验结果表明,该视觉跟踪特征算法具备运算量小、实时性高的特点,并且能保证匹配精度及鲁棒性优于原有的视觉跟踪特征.      

一种基于独特型网络的入侵检测方法

为解决神经网络检测方法中检测器需要定期更新、未知攻击检测性能低等问题,利用人工独特型网络的记忆、学习和动态调整能力实现入侵检测.提出一种可用作检测器的多变异模式人工独特型网络,并根据免疫响应原理设计检测算法,使检测器能实时学习新行为特征.仿真结果表明,多变异模式独特型网络检测方法与多层感知器检测方法相比,平均误报率下降了17.43%,未知攻击的平均检测准确率提高了24.17%.     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。