多模式驱动的机器人关节控制器设计及实验

建立了基于直流电机的系统模型,提出了基于PID的闭环反馈控制策略和基于时间或电流的切换控制方法.然后,借助Matlab/Simulink软件分别进行了位置控制、力矩控制及二者切换的仿真,并进行了关节驱动控制系统的软硬件设计.最后,通过实验对所提方法进行了验证与分析.仿真和实验结果表明:所设计的关节控制器,能够实现位置控制、力矩控制功能.在位置控制模式下,影响其响应速度的因素主要是驱动系统硬件.在力矩控制模式下,影响其响应速度的因素主要是PID参数,且当PID参数Kp,Ki,Kd分别为0.2,0.325,3.0时,系统具有较好的响应特性.位置控制与力矩控制2种模式间可基于时间和电流进行稳定的切换.该关节控制器能够应用于机器人关节驱动系统,实现关节的驱动与灵活的控制.     

随机环境下Holling Ⅲ型捕食-食饵系统动力学行为

研究了由Markov链驱动的随机环境下Holling Ⅲ型捕食-食饵系统的动力学行为，应用随机Lyapunov分析、随机比较定理等方法证明了捕食-食饵系统的全局正解的存在唯一性，在此基础上研究了捕食者和食饵的随机最终上有界性，并且给出了食饵随机持久性的充分条件.     

加法噪声驱动的随机Lorenz系统吸引子及其上半连续性

确定的Lorenz系统是描述大气运动规律的重要数学模型,具有深厚的应用背景,被许多学者广泛研究,然而气候环境受突变因素影响,确定的情形无法完全解释大气的运动规律性;基于此,研究了一种基于加法白噪声驱动的随机Lorenz系统的渐进行为,通过恰当的估计证明了系统在参数不受约束条件下存在随机吸收集,进而获得了随机Lorenz...     

随机波动方程的非线性滤波的极限行为

研究一类白噪声驱动的随机波动方程.在获得随机波动方程依分布收敛到其极限系统后，使用指数鞅技术、Kallianpur-Striebel公式和Skorokhod表示定理，证明了随机波动方程和其极限系统在带有Lévy噪声的观测系统中所生成的非线性滤波的收敛行为.     

气动人工肌肉驱动关节PID位置控制

气动人工肌肉是一种由气压驱动的收缩型气动执行器,由气动人工肌肉驱动的人工关节具有重量轻、柔顺性好等特点.由于人工肌肉存在着明显的非线性、滞环大等缺点,对其位置控制有一定的难度,必须采取适当的控制策略才能得到较高的控制精度.本文介绍了一种以人工肌肉驱动关节为控制对象的位置控制系统,通过PID控制算法实现位置闭环控制.实验结果验证了控制策略的有效性,为气动人工肌肉驱动关节的应用打下基础.     

无位置传感器无刷直流电机驱动控制系统设计

针对传统有位置传感器无刷直流电机成本高、可靠性低、在环境恶劣场合无法使用的问题,设计了一种基于PIC18F452的电动车用无位置传感器无刷直流电机驱动控制系统,采用IR2130驱动电路,利用相电压实现反电动势过零检测,对系统的主要硬件电路及软件方案进行了设计.该系统能准确地实现过零检测,具有良好的调速性能及较好的实用价值.     

周期调制噪声驱动的具质量涨落的欠阻尼谐振子的随机共振

本文研究了周期调制噪声驱动的具有质量涨落的欠阻尼谐振子的随机共振,其中的振子质量的涨落为对称双态噪声而内噪声为高斯噪声.通过Shapiro-Loginov公式和Laplace变换,本文得到了系统稳态响应的一阶矩的解析表达式,接着利用Routh-Hurwitz判据推导了系统响应的一阶矩的稳定性条件,进而通过数值仿真研究了系统响应的一阶矩与系统各参数间的依赖关系.仿真结果表明稳态响应振幅与周期输入信号频率、涨落噪声参数及系统固有参数均呈非单调变化关系,模型出现真实共振、广义随机共振和参数诱导共振等丰富的随机共振现象.进而,本文的研究还表明质量涨落噪声和周期信号调制噪声的相互协作将导致系统的一些新的共振效应出现,比如关于系统稳态响应振幅与驱动频率的双峰共振及关于某些噪声参数的单谷共振行为.     

领导者驱动下频率权重耦合复杂系统的同步

大量振子相互耦合后形成的复杂系统广泛存在于现实世界中.复杂系统不仅经耦合作用形成自发的同步,还常常受到外界的影响而表现出复杂的动力学行为.研究了当振子受到外界领导者节点的驱动时系统的同步这一重要的集体动力学行为;给出了Kuramoto振子组成的频率权重耦合的系统在受外界领导者驱动时,系统转变为驱动同步的条件.被驱动的振子的数量和振子的频率权重会影响系统转变为驱动同步的难易度.数值模拟结果证明了该成果的正确性.     

基于直流电机驱动的电脑鼠设计

电脑鼠是一种由微处理器控制的,集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的微型机器人.传统的电脑鼠采用步进电机驱动的设计方案,易于控制但转速较慢.提出了一种基于直流电机驱动的电脑鼠设计方案,该电脑鼠具有成本低、可靠性高等特点.仿真测试结果表明,该系统能成功地完成迷宫竞赛所有任务.     

基于多模态信息联合判断的驾驶员危险行为监测系统

危险驾驶是引发交通事故的主要原因,严重威胁公众的人身和财产安全.车辆在行驶过程中,各种环境因素复杂多变,严重干扰了驾驶员危险行为监测系统的识别精度;现有的驾驶员危险行为监测检测系统主要是通过眨眼和打哈欠的频率来判断驾驶员是否出现危险驾驶行为,忽略了表情、动作以及视线方向等多个重要信息.针对这些问题,提出了一种基于多模态信息联合判断的驾驶员危险行为监测系统,该系统使用分布在驾驶舱3个不同位置的近红外图像作为输入,解决了光照强度变化和视角盲区问题;设计了一种基于多任务学习的深度神经网络,该网络可以同时完成人脸检测、表情识别以及危险动作分类等任务,极大地提升了系统的识别精度,提升了运行效率.实验证明,所提出系统的识别准确率为96.2％,运行速度为81 fps,性能优于目前常用的算法.