刚体机构的鲁棒变结构控制

本文针对仅装备位置传感器的刚体机构,提出了一种新的鲁棒变结构控制算法。该算法克服了传统的变结构算法中由于过大的开关项系数而激发系统的未建模模态所引起的系统振动现象。重新定义的状态变量实现了观测器和控制器的解耦。在控制器中,对滑动误差的收敛速度进行控制的新概念被首次提出。在我校自行研制的“JTR-1”教学机器人上的实验,证明了这种算法良好的性能。     

基于多层神经网络的鲁棒自适应控制

针对一类不确定非线性动态系统，基于一种修改的Lyapunov函数，并利用多层神经网络系统（MNNs）的逼近能力，提出了一种鲁棒自适应神经 网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界，而且可保证闭环系统的跟踪误差渐近收敛到零。仿真试验表明了该控制算法是有效的。     

开架式水下机器人运动的变结构神经网络控制

针对开架式水下机器人运动的精确控制问题,提出一种水下机器人变结构神经网络控制方法。利用变结构控制理论中的趋近律方法,推导出神经网络参数的镇定算法,并讨论了学习算法的全局稳定性条件。仿真实验结果表明该控制方法对网络学习率的改变和外界扰动有很强的鲁棒性,具有一定的理论和实用价值。     

基于输入有界机器人鲁棒自适应控制策略研究

本文针对常规机器人的鲁棒控制器设计的保守性和实际中执行机构输出的有界性产生矛盾，设计出一种新型输入有界的机器人鲁棒自适应控制器，解决了力矩受限情况下机器人控制器的设计问题，为机器人向小型化、节能型等特殊要求领域发展，提供了一条新的途径。     

基于鲁棒学习的鲁棒RBF神经网络

提出了一种基于鲁棒学习的鲁棒RBF神经网络。使用聚类方法选择RBF网络隐结点的中心,以鲁棒代价函数为目标函数,采用梯度下降法调整隐层结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。仿真实验结果表明了RBF神经网络的鲁棒优越性。     

空间机器人关节轨迹运动的一种鲁棒变结构控制方法

讨论了载体位置与姿态均不受控制的自由浮动两杆空间机器人系统的控制问题 .系统动力学分析结果表明 ,结合系统动量守恒及动量矩守恒关系得到的系统动力学方程将为系统惯性参数的非线性函数 .借助于增广变量法 ,即通过适当扩展系统的输入与输出可以得到一组控制方程 ,它们可以表示为一组适当选择的惯性参数的线性函数 .在此基础上 ,对于机械手末端载荷参数不确定但误差范围可确定的情况 ,设计了关节空间轨迹跟踪的鲁棒变结构控制方案 .仿真运算 ,证实了方法的有效性 .     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

一类互联机器人系统鲁棒跟踪控制器设计

针对一类带有不确定性的互联机器人系统,利用Lyapunov方法,设计了一个非线性鲁棒跟踪控制器.这个控制器能够保证被控互联机器人系统的位置向量与速度向量渐近地跟踪已知的轨迹.最后的仿真结果表明了该控制方法的有效性.     

一类变时滞静态递归神经网络的全局鲁棒稳定性

运用LaSalle不变性原理,研究了一类变时滞静态递归神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新代数判据.     

基于观测器的水下机器人鲁棒故障诊断

为提高水下机器人故障检测的正确率,降低故障诊断的误报率和漏报率,基于水下机器人的空间运动方程,完成了非线性滑模观测器的设计,并利用设计的观测器完成了水下机器人的系统辨识.将观测器应用于水下机器人的传感器仿真试验和推进器故障诊断的海上试验的结果验证了该方法的有效性和可行性.     

微小型水下航行器广义S型模糊神经网络控制

为提高微小型水下航行器运动控制的机动性和避障能力,提出一种广义S型模糊神经网络(SFNN)控制方法.采用广义Sigmoid函数作为隶属函数,并推导出基于最小扰动的网络学习方法补偿敏感性.与Gauss型模糊神经网络(FNN)进行比较并以"微龙"号水下航行器为研究对象进行了试验研究.结果表明,采用广义SFNN控制,在没有损失整体控制品质和稳定性的情况下,控制系统响应速度大幅度提高,反应能力增强,从而满足微小型水下航行器的实时控制要求.     

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

基于Simulink的四轮转向汽车神经网络控制策略仿真

针对汽车小转角时质心侧偏角为零,高速大转角时前轴抗侧滑的控制目标,提出一种四轮转向汽车控制策略.在Simulink环境下建立包含轮胎非线性和计及侧倾的三自由度四轮转向汽车模型,运用双隐含层BP神经网络训练得到四轮转向控制器.仿真结果表明,神经网络控制器可有效控制高速时汽车前轴滑动的趋势,并在低速到高速时使汽车质心侧偏角基本为零,控制误差低于比例转角控制策略和横摆角速度反馈控制策略.同时高速时横摆角速度响应与前轮转向汽车接近,汽车的侧向加速度和车身侧倾角稳态值比前轮转向有所降低.     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

基于神经网络和模糊推理的移动机器人行为决策与控制

以足球机器人系统为实验平台 ,针对移动机器人智能决策中的实际问题 ,提出了一种基于径向基函数神经网络的机器人行为决策方法 ,通过神经元学习和训练以及自身的泛化能力 ,可以很好地利用多源信息进行机器人行为决策 ,以提高行为决策的有效性 .同时为了保证行为决策的实施效果 ,将模糊推理技术与传统的PID控制相结合 ,既保证了移动机器人系统运动控制的准确性和稳定性 ,又缩短了动态调整时间 ,取得了较好的控制效果 .     

基于神经网络广义逆的感应电机变频系统内模控制

为提高感应电机变频调速系统的鲁棒性和抗干扰能力,提出了基于神经网络广义逆系统的内模控制方法.在分析原系统可逆性的基础上,先用动态神经网络逼近原系统的广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的线性化与开环稳定,有利于系统的综合.再对广义伪线性系统引入内模控制,保证系统的鲁棒稳定性.采用该系统进行了阶跃响应和跟踪效果试验.结果表明,该方法能够成功地实现系统的线性化,并且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制.     

基于神经网络预测模型的高速公路递阶控制

利用递阶结构和神经网络来进行高速公路入口匝道控制，其基本思想是：把高速公路作为一个大系统问题，子系统为高速公路的路段，协调控制层负责计算各路段的期望轨线，应用神经网络对各路段交通状态进行预测，并根据预测结果实施控制。给出了控制器的构造方法并进行了仿真实验，实验结果表明，该方法能够有效地消除交通拥挤和维持主线车流稳定。     

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小...