基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

非完整移动机械手的鲁棒控制及仿真研究

针对非完整移动机械手的模型参数不确定性提出了一种基于Lyapunov理论的鲁棒阻尼控制算法。在选定系统Lyapunov函数的基础上,证明了所选取的移动平台和机械手的控制力矩输入使系统全局渐进稳定。其中,输入力矩的计算仅依赖给定期望轨迹和传感器反馈数据且需要整定的参数少,在移动机械手的动力学模型参数未知情况下,保证闭环系统的稳定,使系统状态以任意小误差跟踪给定的期望轨迹。通过对闭环系统进行仿真实验,证明控制算法的有效性。     

动力学模型系统误差及其协方差阵的随机加权拟合法

在现有的基于移动窗口函数模型和随机模型系统误差自适应拟合方法的基础上,提出一种基于移动窗口动态导航模型系统误差的随机加权拟合法,在相同的窗口内给出了相应的状态预报向量协方差阵的随机加权拟合。由于动力学模型系统误差难以直接修正,采用修正状态估计误差向量及动力学模型误差向量的方法,实现对动力学模型系统误差的修正,然后利用修正后的动力学模型及相应的协方差阵进行导航滤波计算,有效地抑制动力学模型系统系统误差的影响,提高导航解算的精度。仿真结果证明,采用随机加权拟合后的算法精度优于未进行拟合的卡尔曼滤波和自适应卡尔曼滤波算法。     

复杂柔性车载液压机械手振动主动控制方法研究

利用动态子结构法和神经网络直接逆自适应控制研究一种柔性车载液压机械手的弹性动力学建模和振动主动控制方法。根据机械手各部件的实际边界约束条件,将机械手系统分解成由不同约束的连续梁构成的九个子结构。在建立各子结构的动力学控制方程后,借助边界条件经综合得到系统的动力学模型;在液压作动器的作用点设置边界坐标,极方便地得到系统的状态控制方程。通过神经网络学习该动力学模型的逆模型,从而产生液压作动器的电压控制信号,在控制过程中神经网络能够自适应的调整控制参数,使系统的输出达到最佳控制状态。系统仿真结果表明,神经网络直接逆自适应控制技术明显优于传统的PID控制算法,且该方法具有很强的鲁棒性和良好的减振效果。     

基于广义简约梯度算法的履带车辆模型参数修正

利用多体系统动力学软件RecurDyn建立了某型高速履带车辆的多刚体动力学模型。为提高模型的准确度,首先提出履带车辆动力学模型准确度静态和动态评价指标,使模型准确度量化;然后以模型主要参数为设计变量,以评价指标为响应进行归一化参数灵敏度分析,并根据分析结果确定模型修正参数;最后利用广义简约梯度优化算法分静态和动态两种工况对模型参数进行了修正。与实测值的对比结果表明,修正后履带车辆动力学模型的准确度明显提高,证明论文提出参数修正方法的可行性和有效性。该修正方法能够有效地提高履带车辆动力学模型的准确度和仿真结果的可信度,研究成果对履带车辆动力学建模与仿真工作具有重要的参考价值。     

机械手逆运动学神经网络建模与仿真

采用多层前向神经网络来建立机械手逆运动学模型。在分析了用简单遗传算法学习神经网络存在求解速度慢、精度低及有量化误差等缺点的基础上,提出采用改进遗传算法来学习神经网络,用于机械手逆运动学求解。此方法采用实数值编码,并采取动态变异操作。仿真结果表明,该方法有效地弥补了简单遗传算法的不足,能快速达到全局收敛,从而大大提高了机械手逆运动学求解的精度。     

基于ADAMS的水下人体模型仿真

将着服装人体简化为11刚体模型,参考Morison公式引入水动阻力,基于多体动力学软件ADAMS建立了航天员水下动力学模型。进行了试验并根据试验记录对模型进行了修正。通过模型仿真与试验录像处理得到的运动学数据进行比较来验证模型的有效性。在水下环境和空间环境的的仿真数据基础上,讨论了配重,水动阻力和浮漂反馈对肩关节和膝关节力矩的影响。     

基于CMAC的CMG框架伺服系统摩擦补偿方法研究

为消除磁悬浮控制力矩陀螺(MSCMG)框架伺服系统摩擦的影响,对陀螺框架系统进行动力学分析,分析了摩擦力矩随陀螺输出力矩和框架角位置及角速度的关系,建立了框架系统的非线性摩擦力矩模型.针对此摩擦模型,采用基于CMAC神经网络的摩擦补偿方式进行补偿.根据实际磁悬浮控制力矩陀螺的系统参数建立仿真模型,仿真结果验证了基于CMAC神经网络摩擦补偿的有效性.     

基于支持向量机的逆动力学模型辨识及应用

建立系统逆动力学过程模型已经成为许多非线性系统控制问题研究与实现中的关键问题。该文应用支持向量机(SVM)回归方法实现了对热工对象的逆动力学过程在线辨识,并通过三个典型的仿真算例对基于SVM的非线性系统逆动力学过程模型的有效性进行了考察。仿真结果表明,基于SVM的逆动力学过程模型不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和在线跟踪能力;利用所建立的系统逆动力学过程模型能够获得恰当的控制作用,保证系统的输出按照给定的轨迹达到设定值。     

仿鸟扑翼飞行器动力学建模

针对仿鸟扑翼飞行控制算法设计和验证需要,建立了仿鸟扑翼飞行器的动力学模型和仿真系统.在建立仿鸟扑翼飞行器柔性翼模型的基础上,基于非定常空气动力学原理,用修正的准定常气动力计算模型估算出了翅膀扑动产生的高升力;估算了平尾产生的控制力矩.在分析惯性力的基础上建立了扑翼飞行器的状态空间方程,进而基于Matlab语言和Simulink环境设计了微型扑翼飞行器仿真系统,并给出了相应的仿真结果.     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。     

基于差异驱动原理与均值关联度的动态多指标决策模型

针对现有的基于关联分析的动态多指标决策模型存在的不足,根据新信息优先原理,提出了基于矩阵范数的时序权重确定方法,并利用差异驱动原理,提出了指标权重的确定方法。在时序权重和指标权重确定的基础上,建立了基于方案均值关联度的动态多指标决策模型,并给出了该模型的计算步骤。通过对4种不同型号的武器装备系统的综合效能评估的实例分析,检验了文章所构造的动态多指标决策模型的有效性。     

一种系统复杂性演化混沌仿真模型

通过例证说明开放复杂巨系统的动力学一般特征，提出系统动力学特征中发现的十个共同复杂性现象。通过分析，建立了分形结构模式，系统的能量驱动模式，系统的混沌动力学模式。然后将这三个模式综合集成为系统复杂性演化过程的仿真模型，最后提出了复杂系统演化过程的“凸现控制论”，并且在此基础上，建立了具有自组织功能和集成功能的复杂系统演化过程研讨厅系统。     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

五自由度无轴承同步磁阻电机逆系统解耦控制

在阐述二自由度无轴承同步磁阻电机和三自由度混合磁轴承工作原理基础上,推导出五自由度无轴承同步磁阻电机状态方程,采用逆系统方法将五自由度无轴承同步磁阻电机这一非线性、强耦合的多输入多输出系统解耦并线性化为伪线性系统,并应用线性系统理论设计闭环控制器,最后采用Matlab软件环境构建了仿真系统,对转子起浮特性及解耦性能进行了仿真。仿真结果表明:这种解耦控制策略能够实现五自由度无轴承同步磁阻电机各个被控量之间的动态解耦,并且系统具有良好的动、静态性能。     

无人直升机欠驱动飞行控制系统设计与仿真

针对无人直升机欠驱动特性,采用多回路反馈方法设计飞行控制系统。为实现内回路的姿态解耦,探讨了对角矩阵法、模型逆及不完全状态反馈三种控制律的设计,并运用极点配置对不完全状态反馈方法进行了补充,提高了控制系统的动态响应特性。飞行轨迹的跟踪则通过外回路来实现。在MATLAB环境下建立了仿真模型,并验证了飞行控制系统设计的有效性。     

6-PUS/UPU并联机器人动力学建模及仿真

对提出的一种新型6-PUS/UPU 5自由度并联机器人进行了动力学建模与仿真研究。首先利用凯恩方法对并联机器人进行动力学分析,然后Pro/E软件对并联机器人进行了建模,最后利用Adams系统仿真软件对并联机器人进行了运动学和动力学仿真,并对凯恩动力学模型算出的驱动力与Adams仿真测出的驱动力进行比较,比较结果表明实体模型和动力学模型的准确性,并为优化动力学模型参数提供了有效的方法。     

基于Simulink的小车-倒摆模糊自适应控制系统设计与仿真

运用动力学原理建立了小车—倒摆的仿真模型，并以对象输入输出的测试数据为依据，讨论了Takagi—Sugeno模糊模型的参数辨识，提出了模糊逆模型控制方案，基于此借助Matlab的Simulink设计了小车—倒摆的动态模型及其模糊自适应控制系统。仿真结果证明了本文采用的控制策略的有效性。     

基于RBF网络非线性系统逆控制的一种设计方案

基于逆动力学控制的思想,提出一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF神经网络结构和最近邻聚类算法,实现了对系统逆动力学模型的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题。仿真实验证明该控制策略不仅能使系统具有良好的动态跟踪性能和抗干扰能力,而且具有较强的鲁棒性。     

基于逆系统解耦的动中通系统仿真研究

根据一类动中通系统的工作机理和结构特点,建立了其动力学模型和数学模型。并利用逆系统理论设计了解耦方法,有效地消除了动中通系统中存在的三轴交叉耦合影响。仿真实验进一步分析了动中通系统的耦合特性并验证了所采用的解耦方法的有效性。