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。     

Gough-Stewart平台微分运动特性分析与综合

在Gough-Stewart平台一阶微分运动关系式的基础上,给出了机构末端执行器最大速度的上界;利用二阶微分运动关系式,导出了关节加速度与末端执行器速度之间的关系;讨论了机构基本构型参数对它们的影响规律. 在上述结论下,解决了基于Gough-Stewart平台数控机床设计中根据进给能力需求优化构型参数、确定关节伺服轴极限转速,以及在数控编程中由机床构型参数、关节伺服轴极限转速和加速度评价刀具进给能力的软极限的两类互逆问题.     

刚柔分级并联驱动宏微复合运动平台设计

高速精密定位是电子制造的要求,轴系摩擦是影响精密定位的重要因素.目前,微米级以上精度必须通过消除摩擦影响的方式来实现,成本很高.本文将大行程的直线电机平台与无摩擦的柔性铰链导向机构结合,提出了一种并联驱动的宏微复合设计新方案,克服了现有宏微复合平台存在的输出饱和问题.具体做法是在无铁芯永磁直线电机模组中,安装两套驱动和测量反馈系统,分别用于驱动宏运动平台和与之通过柔性铰链相连的微运动平台.宏运动平台通过直线导轨滑块"刚性"机械连接系统实现大行程高速运动,微运动平台通过基于柔性铰链的"柔性"连接来快速补偿"刚性"宏运动平台的误差,最终实现大行程高速高精度运动.本文利用上述刚柔分级运动方案,通过基于动力学响应的运动规划方法进一步抑制了高加速运动平台的定位残余振动.基于柔性铰链的微运动系统较之宏运动系统具有更快的响应速度和更小的跟踪轨迹误差,从而实现在高加速运动过程中宏/微驱动力叠加来实现快速运动,同时在匀速与低速定位过程中微驱动器产生反方向作用力来快速补偿宏运动平台的运动误差来实现高定位精度.实验表明,本文提出的宏微复合驱动方案,通过机构的创新,可有效降低控制的复杂度,并实现了高精密快速定位,可以为微光电子制造装备亚微米级高速定位平台设计提供崭新的途径.     

基于矿床实体模型的地质储量计算方法研究

矿床三维地质模型是实现“数字矿山”的基础,本文以AutoCAD为平台,利用钻孔数据、断层数据等建立矿床三维地质模型,提出了一种快速构建矿床三雏地质实体模型的方法——包络面构模法。在建立矿床三维地质模型的基础上,介绍了一种基于矿床三维地质实体模型的储量计算方法,实现了矿床三维地质模型上任意闭合区域资源储量的查询,与传统地质储量计算方法相比,提高了计算的速度与精度。     

考虑信号灯状态的电动汽车最优车速规划与避撞控制研究

为减小智能电动汽车在城市工况下巡航中的能耗并避免追尾风险,提出一种考虑信号灯状态信息的电动汽车节能与避撞分层控制系统.上层基于信号灯状态信息和车辆动态模型进行车速规划,在线滚动优化获得能耗最小的车辆参考速度序列;下层结合参考车速序列和多目标函数实时计算车辆的最优加速度并进行避撞控制.利用Matlab/Simulink平台搭建控制系统仿真模型,并基于前方存在和不存在人类驾驶车辆的工况对所提出的控制系统进行有效性验证.分析结果表明,上层车速规划能根据道路交通信息变化,得到最优参考速度,改善电动汽车的能耗特性;下层避撞控制能结合最优参考速度以及多目标函数评估结果,计算车辆最优加速度控制输入.可见,所设计的系统可以保障电动汽车节能、安全地稳定行驶.     

基于GMM的压电驱动器磁滞特性建模及高精度抗扰跟踪控制

包含压电驱动器的微定位平台可以用于减小飞切加工中的低频误差.本文针对该平台中的压电驱动单元,提出了一种新的系统建模方法,并基于此建立了完整的高性能抗扰跟踪控制策略.首先,利用高斯混合模型(Gaussian mixture model, GMM)对压电驱动器固有的磁滞特性建模,并根据该模型进行前馈补偿,以消除磁滞非线性对控制精度的影响.其次,建立扩张状态观测器,对所有外部扰动及未建模误差进行观测与补偿,以提高系统的抗扰能力.为了进一步提高系统的跟踪精度与控制带宽,建立状态反馈与零相跟踪前馈控制策略,以优化闭环系统特性.实验结果验证了基于所提磁滞模型建立的抗扰跟踪控制方法的有效性.在0～50 Hz输入信号频率范围内,在给定的测试集内该控制策略下的系统跟踪误差小于2.2%,能够满足目标控制带宽下的高精度跟踪要求.     

包含有界切换增益的空间惯性传感器输出调节积分模型参考自适应控制

基于输出调节的多变量模型参考自适应控制(model reference adaptive control, MRAC)用于解决系统状态不可直接获取时,多变量系统向参考系统的稳定输出跟踪问题.在空间引力波探测航天器内部惯性传感器静电悬浮控制中,考虑到其作为航天器平台惯性基准的稳定需求,双质量块动力学中存在的不连续干扰影响,以及应对不同工作模式的瞬态切换,提出一种基于积分输出调节MRAC的静电悬浮控制方案,引入有界的切换自适应校正增益及自适应积分修正项,用于系统不连续情况下的抗输入饱和、瞬态抑制及惯性传感器非敏感轴各自由度向参考状态的稳定逼近.基于Filippov集与广义梯度的Lyapunov分析验证该方案下,不连续系统中各闭环信号的收敛性,数值仿真验证样例空间引力波探测航天器中,作为关键载荷的双质量块空间惯性传感器各非敏感轴自由度针对位移噪声及残余加速度及切换瞬态的良好抑制效果.     

滑模输出反馈控制在二元机翼颤振主动抑制中的应用

本文以经典的二元机翼为对象,研究滑模控制（SMC）用于颤振主动抑制（AFS）的效果,讨论其控制系统的离散化和控制输入限幅等问题.该翼段模型具有一个后缘控制面,用于颤振控制.基于准定常气动力理论建立了系统二自由度（俯仰和沉浮）气动弹性运动方程.控制系统由滑模输出反馈控制方法设计,抑制俯仰-沉浮耦合颤振.研究过程中对系统进行了离散化处理,控制舵偏考虑了限幅约束.采用经典的龙格-库塔（RK）法对方程进行数值求解.仿真结果表明,带有滑模控制系统的闭环系统可以在高于颤振边界速度状态稳定.但是,简单离散化的控制系统遇到控制舵偏限幅时,闭环系统则失去稳定性.随后,基于理论分析,本文提出并设计了一个控制补偿环节,可以使该系统仍具有稳定性.此外,文中还讨论了系统的参数摄动和时间延迟效应.     

空间磁悬浮系统的耦合动力学模型及线性化

利用洛伦兹力的电磁悬浮控制在地面及空间的主动隔振控制中得到了广泛应用,已有的研究与应用大多基于浮子加定子的形式,假设定子质量特性远大于浮子且不受控制的反作用及其他耦合作用,对浮子进行六自由度建模及控制.对载荷质量特性与平台质量特性相当的情况,系统将不再具有定子与浮子的形式,成为具有耦合作用的两个六自由度运动的物体,耦合作用表现在控制的反作用、相对运动产生的感生电流与磁场相互作用两个方面.本文尝试推导了载荷及平台相对任意各自参考点的耦合运动模型,包括载荷运动、平台相对运动的耦合动力学方程,并基于平动及转动的小位移及小速度假设,对非线性方程进行了线性化处理,便于用线性控制器进行反馈控制,数值实例表明在一定时段内线性化模型的结果与原模型保持一致.     

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.     

高速工况智能车辆转向系统混杂控制研究

通过分析高速工况下交通事故的主要类型及驾驶员的3种基本驾驶行为,可知该工况下转向系统既有离散状态又有连续状态的特性,进而提出基于混杂系统理论的智能车辆转向系统多模式切换控制策略,并利用跨道时间和安全距离作为切换规律.以线控转向系统为执行机构,分别设计阻尼模式、保持模式和换道模式控制器.其中保持模式引入了一种控制预瞄点处侧向偏差的一阶导数和二阶导数的方法,不但有效地防止了超调,而且减少了车辆回到车道中心线的时间;换道模式利用模型预测控制算法,加入多个约束,提高了车辆换道过程的稳定性.从混杂系统稳定性的角度出发,设计了简单有效的稳定性监督器,防止车辆失稳.最后,在Car Sim/Simulink联合仿真平台及Car Sim/Lab VIEW硬件在环测试平台上验证了本方法的有效性和切换过程的稳定性.     

基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制

包含超大规模分布式能源、负荷以及冷热电联产的泛在电力物联网的综合能源系统是未来发展趋势.由于泛在物联将给电网带来强的随机扰动问题,传统的自动发电控制(automatic generation control, AGC)方法已无法满足如此大规模复杂综合能源系统的频率稳定.机器学习是解决复杂能源系统AGC强随机扰动的一种有效方法.然而这种超大规模的泛在物联将给AGC求解带来维数灾问题.本文针对DDQN-AD(double deep Q networkaction discovery)算法中经验缓存机制构建问题,提出了一种基于比例优先级采样机制的深度强化学习算法PRDDQN-AD(prioritized replay DDQN-AD),以解决机器学习中多维状态-动作对的维数灾问题,进而解决泛在电力物联网综合能源系统模式下的随机扰动问题.对源网荷储协同的两区域综合能源系统模型和集成了大量源、网、荷、储及冷热电联产的多区域泛在电力物联网综合能源系统模型进行仿真.结果表明,与改进前的DDQNAD算法相比, PRDDQN-AD能够提升训练样本的质量,具有良好的学习效率和泛化性能,能够解决维数灾问题;与其他智能算法相比,其收敛速度和控制性能均有明显提升,可获得区域最优协同控制.     

基于棋盘分割插值的多描述视频编码

为了提高恶劣信道上视频传输的鲁棒性, 提出了一种基于棋盘式分割插值的多描述视频编码算法, 即将输入图像按照棋盘模式分割并插值形成两路相同分辨率的近似图像, 并对这两路近似图像进行独立的运动预测、补偿和编码. 使用这种编码算法, 接收端可以在同时收到两路描述时得到相当好的重建图像质量, 而在由于误码或丢包等使其中一路描述丢失或受损时也能得到可以接受的重建图像质量. 此外, 编解码器之间的不匹配可以通过对两路描述之间差信号的部分编码得以有效的控制. 在双向通信应用中编码器还可以根据反馈信息来主动跟踪解码器的状态从而消除误差积累. 由于充分利用了分块DCT编码所固有的块间相关性, 该算法与同类算法相比具有更好的冗余率失真性能. 模拟实验表明, 该算法在保持较高压缩效率的前提下, 具有很好的鲁棒性, 在高误码信道上相对于传统的单描述视频编码可以得到更为稳定的重建图像质量, 并且编解码器之间的不匹配和误差积累都得到了有效的控制.     

仿生软体吸附机器人:从生物到仿生

生物吸附是自然界中一种典型的运动模式,许多生物在进化中由于生存背景和物种的不同演变出各种各样的吸附系统,吸附系统是功能系统,其目的是让生物暂时或永久地附着在基体或另一个生物体上,防止脱落.生物系统的吸附机制可分为互锁、摩擦和黏结.黏结可进一步分为干吸附(范德华力)、湿吸附(毛细作用)、负压吸附、胶合(黏液),它们可独立或同时作用.基于自然界丰富的吸附方式,本文详细介绍了陆上/水下典型生物(壁虎、树蛙、章鱼、鮣鱼)的吸附机理,并对清道夫、海胆、蚍蜉幼虫、跳蛛、叶甲虫幼虫等生物的吸附机理进行简述.概述依据上述特定吸附机理而设计的仿生吸附装置,从仿生软体吸附机器人、仿生软体吸附设备、仿生吸附软材料结构等方面,对仿生吸附的研究成果进行列举,并提及部分性能研究和应用前景.以仿生鮣鱼吸盘为例,阐述了如何模拟生物系统制作仿生样机,并验证其性能,挖掘其潜在应用.对生物吸附方式分类归纳,总结被其带动的仿生吸附研究意义、发展现状和面临的问题,并指出仿生软体吸附机器人吸附机理细微化、结构刚柔耦合、仿生复合软材料应用、柔性驱动-传感-控制一体化、多学科交叉融合的发展方向.