具有环境适应能力的蛇形机器人仿生控制方法

基于生物学原理,本文构建了一种能够产生蛇形机器人多种仿生步态的多模态中枢模式发生器模型.该模型通过外部激励的引入,可以实现蛇形机器人运动形式的自由调整和转换,有助于提高蛇形机器人的环境适应能力.文中主要针对任意节数的多模态中枢模式发生器模型的稳定性进行了证明;分析了多模态中枢模式发生器模型参数对系统输出的影响;研究了蜿蜒运动中环境参数与蛇形机器人关节最优幅值的对应关系,从而确定了多模态中枢模式发生器幅值优化调整策略;并通过建立外部激励与模型参数之间的约束,使得蛇形机器人在多模态中枢模式发生器控制下具有三维运动能力以及相应的环境适应能力.最后,利用蛇形机器人平台验证了仿生控制方法的有效性以及与生物蛇步态的相似性.     

欠驱动三连杆机器人的混杂控制方法

针对第二关节为被动关节的欠驱动三连杆机器人,提出一种混杂控制方法．欠驱动三连杆机器人的运动空间分为3个阶段：退化阶段、摇起阶段和平衡阶段．首先,在退化阶段,对第三关节构造Lyapunov函数,并针对此函数设计控制律使其连杆相对于前一连杆自然伸展,使系统退化为类Pendubot机器人;同时基于能量不断增加的思想设计第一关节控制律,以节省后阶段的能量控制时间．其次,在摇起阶段,保持第三关节控制律形式不变;通过仅控制系统能量和同时控制系统能量、角速度两种方法设计第一关节控制律,使系统进入平衡区．最后,对退化后的系统采用线性控制将其稳定在竖直向上不稳定平衡点上．数值仿真结果表明文中所提方法具有控制时间短,所需力矩小等优点．     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

间断蛇形短翅片强化扁平管传热的研究

针对火电机组空冷凝汽器典型扁平管结构上蛇形翅片长度大,空气在翅片间流动对强化传热的效果受到边界层发展抑制的缺陷,根据锯齿翅片破坏边界层发展强化传热的思想,引入间断翅片结构强化火电空冷凝汽器扁平管空气侧传热．将原有蛇形翅片断开为不连续的蛇形短翅片,分别采用顺排、叉排方式将短翅片布置于扁平管管壁上．通过数值模拟,对短翅片的不同布置方式叫顷排、又排）、短翅片排数,以及不同断开间距下,间断蛇形短翅片间空气的流动与传热性能进行研究．结果表明,与原有连续结构相比,在工程实际应用的空气流动速度范围内,采用间断短翅片结构可以有效提高空气侧的传热性能,且由于间断结构减小了空气与壁面的接触面积,流动的压力损失增加受到抑制．     

具有领导者的高阶线性多运动体系统的群智汇集趋同

本文研究了具有领导者的高阶线性多运动体系统的群智汇集趋同问题.利用运动体与其邻居的信息,分别为跟随者设计了状态反馈型和输出反馈型控制协议,并利用矩阵Riccati代数方程、矩阵分析等工具,给出了系统实现领导-跟随者群智汇集趋同的充分条件.研究表明,当领导者和跟随者所组成的多运动体系统的通信拓扑交互平衡并且存在一棵生成树时,只要合理地选取满足条件的控制增益,系统在所给出的控制协议作用下可以实现领导-跟随者群智汇集趋同.特别地,当为跟随者设计输出反馈型控制协议时,借助误差系统可以将领导-跟随者群智汇集趋同问题转化为静态输出反馈问题.当系统的输入输出矩阵满足一定的秩条件时,系统在所设计的输出反馈型控制协议作用下可以实现领导-跟随者群智汇集趋同.     

且群机器人队形控制的人工力矩法

为了得到一种一般性的队形控制方法,首先给出了一种新的队形表示图：吸引线段式主．从队形图和组群机器人的系统模型．然后基于上述成果和文中定义的两种人工力矩：主吸引矩和从吸弓l矩,提出了一种新的队形控制方法：人工力矩法．文中介绍了该方法的基本原理,并给出了机器人运动控制器的数学模型．最后运用Liapunov稳定性定理证明了系统的稳定性并给出了仿真．理论和仿真结果表明,给出的队形表示图和队形控制方法是可行且有效的．     

肠道内多胶囊机器人的控制策略

针对肠道胶囊机器人的临界间隙现象,研制了一种具有径向间隙自补偿功能的变径胶囊机器人,应用泛函变分原理,建立了满足胶囊机器人外螺旋肋表面边界条件的流体动压力模型,基于端部效应和机器人外表面流体的动态平衡特性,对胶囊机器人的临界间隙现象进行了理论与试验研究,定义了启动转速的概念,对螺旋参量与启动转速的关系进行了研究,提出了同一磁场下对多个胶囊机器人实施驱动控制的方法,并以启动曲线具有相似运动规律为目标函数,通过遗传算法（GA）对多个胶囊机器人的螺旋参量进行了优化设计,试验表明能有效的对多个胶囊机器人实施驱动控制,实现人体肠道内多个不同医疗目标胶囊机器人的驱动与控制,具有良好的医学应用前景.     

输出-阈值耦合神经网络及基于此的最短路问题求解

通过建立神经元输出和与其相邻神经元阈值之间的相互耦合, 提出了一种输出-阈值耦合神经网络, 实现了对在通常脉冲耦合神经网络中所存在的自动波现象的模拟, 并基于它的自动波现象, 提出了一种用输出-阈值耦合神经网络求解最短路问题的方法, 该方法具有所需神经元数目少、神经元和网络的结构简单、大规模并行计算等特点, 可用于求解非对称赋权图单起点多终点的最短路问题, 其所需的计算量(迭代次数)仅正比于最短路的长度, 而与图的复杂程度、所存在的通路总数等无关. 最后给出了最短路求解的例子.     

一种可重构模块机器人中心构形的选择方法

可重构模块机器人具有多种构形以适应不同环境和任务的要求，构形的多变增加了构形研究的难度．在可重构模块机器人的众多构形中，中心构形作为可重构模块机器人的首选构形或基准构形，对系统的实际应用有重要参考价值．文中提出了一种在所有构形中选择一个中心构形的方法．根据构形之间可以相互转化的拓扑特征，利用网络图中的基本思想和原理对可重构模块机器人的构形进行建模；相应定义了构形转换耗值矩阵和构形中心因子，根据最大构形中心因子可以对中心构形进行选择．以中国科学院沈阳自动化研究所研制的三模块可重构机器人AMOEBA-1为例，利用仿真计算的结果对机器人9种构形的中心因子进行计算和比较，验证了该方法的可行性．最后根据构形邻接数，给出了中心构形选择方法的应用举例．此方法还可以适用于其他可重构模块机器人系统中心构形的选择．     

PID神经网络控制在全自动多叶光栅中的应用

为满足全自动多叶光栅在Sliding工作模式下对光栅叶片的控制,要求具有很快的加速度和良好的动态性能以及很高的位置控制精度,提出了一种适用于该模式下的速度—位置双闭环电机控制模型,采用了神经网络与数字PID相融合的控制算法,并对该控制模型进行了仿真验证。实验表明:采用PID神经网络的速度—位置双闭控制具有很高的控制精度和良好的动态性能,能有效满足全自动多叶光栅Sliding工作模式的控制要求。     

盲均衡和信道参数估计的一种ICA和进化计算方法

首先给出了一种盲均衡的新方法。该方法利用过程采样技术和一种新的独立分量分析神经网络，仅通过接收到的信号完成在线盲均衡，基于接收信号的四阶累积量和线性系统的特性，利用进化规划算法和均衡输出序列，估计信道参数。计算机仿真结果表明算法具有较好的性能。     

平面化问题的一种新型神经网络算法

文中针对在大规模集成电路中有重要应用的图的平面化问题，指出了可平面图的平面嵌入是有条件的，只有在特定的顶点顺序下才是可直线嵌入的，并通过给出既满足直线嵌入条件又实现正确布线的能量函数，进而用Hopfield神经网络实现了对可平面图的平面布线和不可平面图的最大可平面子图的寻找和平面布线，并引入模拟退火算法实现网络局部极小点的逃离．实验及与传统方法的比较结果验证了文中所提方法的有效性和可行性．     

ROV水动力性能及推力控制分配研究与仿真

良好的推力控制分配策略是缆控水下机器人(remotely operated vehicle, ROV)机动性和作业安全性的保障,也是ROV运动控制技术得以实现的必要条件.但现有的推力控制分配策略存在推力输出饱和或计算时间过长等问题,导致ROV机动性欠佳.针对现存问题,提出了一种混合优化目标推力控制分配策略.首先,建立ROV驱动系统数学模型,设计了一种混合优化目标推力控制分配函数;再使用Fluent软件分析不同工况下导管螺旋桨的水动力性能,得到推进器的推力模型,从而确定混合优化目标推力控制分配函数的约束条件;最后采用光滑牛顿法求解混合优化目标推力控制分配函数,并与传统伪逆推力分配策略进行仿真对比.仿真结果表明,混合优化目标推力控制分配策略能满足各推进器对推力的约束要求,并能有效地利用约束范围内的推力集合,且通过光滑牛顿法求解的总体误差小于0.0007 N m,单步迭代次数在10步以内,单步计算时间小于2 ms,其具有精度高、实时性好、无推力输出饱和等优点.     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

随机不完整系统的自适应鲁棒控制

研究方差未知的随机扰动作用下的链式不完整系统．目标是采用不连续控制和选择控制方法设计概率意义下的准全局自适应渐近控制器u0和u1．对于x0子系统，分别在x0（t0）=0和x0（t0）≠0两种情况下，设计选择控制器U0以保证其准全局渐近稳定．对于（x1，x2，…，xn）子系统，首先给出不连续控制的状态变换技术，然后根据X0子系统不同初始状态下的控制器u0，通过反步技术设计使（x1，X2，…，xn）子系统准全局渐近稳定的不连续反馈自适应控制器u1．给出选择控制器的设计过程，仿真结果证明设计的控制算法的有效性．     

新型配流副液压变压器研究

提出一种新型液压变压器配流副结构以扩展其输出压力,建立了恒压网络实验系统以测试液压变压器的性能．通过仿真和实验研究来探讨液压变压器的输出压力、排量特性及速度稳定性．研究结果表明：所设计的液压变压器能够实现压力调节功能,输出压力由配流盘控制角度决定同时受负载的影响,负载压力与油源压力之比的变化范围大致为0-1.2.液压变压器是一个变排量液压元件,排量由配流盘的控制角度决定,而不受负载的影响．液压变压器的速度稳定性随着配流盘控制角度的增加而提高,当配流盘控制角度小于15°时,液压变压器存在运动死区．液压变压器的高瞬时驱动扭矩波动是其速度稳定性差的主要原因．研究结果将有助于进一步提高液压变压器的性能．     

鸽群运动模型稳定性及聚集特性分析

鸽群运动模型参数对鸽群一致行为产生不同的稳定性和收敛性影响.本文通过分析鸽群群体运动的动力学模型特性,研究时延参数对群体同步特性的影响作用.基于鸽群运动模型,采用适合分析群体运动的模型描述方法和性能参数表达,并对比了不同运动形态下鸽群运动的不同特点.采用李雅普诺夫函数以及拉格朗日乘子法,对鸽群聚集运动的约束局部极小能量特性进行理论分析.利用李雅普诺夫理论、代数矩阵理论以及图论的相关工具,给出了鸽群运动聚集时的时延参数的稳定参数边界,以及收敛条件.以计算机数字仿真为手段,研究了不同参数情况下鸽群运动模式行为,分析了拓扑网络以及吸引-排斥函数对鸽群聚集-分离性能的影响.     

具有自适应能力的轮-履复合变形移动机器人的移动机构与地面约束关系分析

针对非结构环境中路面软硬相间、平坦与崎岖并存的地形特征,提出并研制出一种对非结构环境具有自适应能力的轮-履复合变形移动机器人（NEZA-I）.NEZA-I由控制系统单元、尾轮单元和两个相同的可变形轮-履复合（Transformable wheel-track,TWT）移动模块组成.每个TWT模块能够在一个驱动力的作用下以轮式和履带式两种运动模式在复杂路面上运动,也能根据地面约束力而改变运动模式（即＂轮式-履带式互换＂）和调整运动姿态（即＂改变履带几何形状＂）.本文旨在介绍NEZA-I机器人的基本结构、驱动系统原理、运动模式及姿态,分析TWT模块内部构件之间运动关系,建立NEZA-I在一些典型的运动情形下移动机构与地面之间的约束关系的数学模型,探究TWT模块内部机构参数对机器人环境自适应性能的影响,优化机构参数.实验表明：NEZA-I移动机构平台具有较强的环境自适应性和越障性能,机构参数的优化结果是合理的,所建立的相关数学模型及参数的分析方法是正确的.同时也验证了NEZA-I自适应移动机构平台概念的可行性,从机构学的角度为机器人环境自适应性的研究提供一个思路.     

运用Lyapunov指数方法的车辆横向运动混沌分析及其滑模变结构控制

建立了考虑车辆横摆、侧向以及侧倾运动的3自由度非线性整车模型：运用Lyapunov指数方法对所建立的非线性整车模型进行了混沌的数值仿真分析．通过最大Lyapunov指数图和分岔图发现,车辆的横向运动非常复杂,包含了倍周期、拟周期以及混沌运动,对于车辆极限工况时的横向运动稳定性是不利的．利用滑模变结构控制（sliding mode variable structure control,SMVSC）方法,设计了SMVSC控制器,对车辆横向运动中的混沌进行了控制．为了减少SMVSC控制系统的抖振,进一步提高车辆在极限工况下行驶的横向运动稳定性,采用了幂次趋近律,利用模糊控制的方法实现了趋近律的自适应策略．最后将所设计的自适应趋近律的SMVSC系统在Matlab中进行了仿真,并将未加控制,SMVSC控制以及自适应趋近SMVSC控制三种仿真结果进行了对比分析,发现采用了自适应趋近的SMVSC控制对混沌的控制效果比其他的都要好,有效抑制了车辆横向运动中的混沌,显著提高了车辆在极限工况下行驶的横向稳定性,充分证明了该控制策略是有效的．     

基于神经网络的Q学习在Khepera Ⅱ机器人避障中的应用

为了提高移动机器人的自主学习能力,在传统的机器人行为控制结构基础上设计了智能控制结构,同时引入了基于神经网络的Q学习模块算法,克服了传统算法只能应用到离散状态中的不足.移动机器人的避障实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.