加入预测信息的反馈误差学习模型及其仿真研究

针对非线性平衡控制问题，提出了一种加入预测信息的反馈误差学习（P-FEL）模型，该模型使用系统状态预测信息和反馈控制器的输出信号共同构成前馈神经网络控制器的教师信号，使用在线BP算法保证运动控制和运动学习同步进行。将P-FEL模型应用于倒立摆平衡控制的仿真实验结果表明，P-FEL模型可以有效地减少前馈神经网络控制器对反馈控制器参数的依赖性，同时还具有良好的平衡控制性能和鲁棒性。     

基于自适应模糊的两轮直立式机器人直立平衡控制

针对两轮直立式机器人的直立平衡控制问题,提出了一种直接自适应模糊的控制方法,该方法对输入前的常数项无严格限制,经过实验证明,其可正可负,只需保证符号一致即可,可以是在某一个区间上满足李普希茨条件的函数. 仿真实验表明,即使机器人的初始角度很大甚至是平躺状态,该方案仍可以很好地控制机器人的直立平衡,并与传统的模糊控制效果进行了对比,结果表明,该方案有效提高了控制的稳定性,从理论上实现了机器人从基本平躺状态到直立平衡的稳定控制过程.     

青霉素发酵过程中溶解氧的变结构预估控制

溶解氧是青霉素生产发酵过程中的重要参数之一,其浓度与菌体细胞的生长速度密切相关.在青霉素发酵过程溶解氧变化机理的基础上,将模糊神经网络和变结构预估控制方法相结合,研究了基于模糊神经网络的青霉素发酵过程溶解氧的变结构预估控制方法,设计了青霉素发酵过程溶解氧的变结构预估控制系统.实验结果表明,对青霉素发酵过程中的溶解氧浓度进行变结构预估控制,可以使溶解氧浓度的调节达到满意的效果,既降低氧消耗,又避免出现氧抑制现象,使发酵过程始终处于较优的状态.     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。     

基于结构可增长自组织特征映射图的地图绘制

针对机器人环境识别问题,研究其工作环境描述与实现过程,提出一种环境拓扑地图建立的新方法。该方法以自组织特征映射图的工作算法为基础,提出GSOM(Growing Self-organizing Map)算法,该算法具有增长特性,通过不断增加新的神经元实现网络规模的增长,从而满足描述环境特征的需要,建立环境拓扑地图;仿真试验表明GSOM算法的正确性,可以在样本数未知情况下,确定描述环境特征的最优SOM神经元数量,以少数SOM图神经元分布描述具有大量特征信息的环境结构,建立更能准确描述环境的拓扑地图。     

基于数据融合的小型两轮自平衡机器人姿态检测方法

针对小型两轮自平衡机器人姿态检测所用低成本加速度计(MMA7361)数据不够准确及陀螺仪(ENC03)信号的漂移问题,分别采用互补滤波器、kalamn滤波器和自适应kalman滤波器进行数据融合处理方法研究,通过对比实验确定采用自适应kalman滤波器实现加速度计和陀螺仪检测数据的融合,从而确定小型两轮自平衡机器人的姿态,进而实现其运动平衡控制.物理实验结果表明基于自适应kalman滤波器的加速度计和陀螺仪检测数据融合姿态检测方法不仅适用于小型两轮自平衡机器人的运动平衡控制,而且其参数较先前普遍采用的kalamn滤波器更易调整,姿态检测结果更加可靠.     

独轮自平衡电动车的建模与运动平衡控制

为了设计新型、环保、便捷的智能代步工具,搭建了一款独轮自平衡电动车物理系统。利用拉格朗日方法建立了人车一体的动力学模型,并对系统进行了特性分析。设计了独轮车系统的比例微分(proportional-differential,PD)平衡控制器,并对独轮车系统分别进行了自平衡、冲击干扰和阶跃干扰实验。实验结果表明,独轮自平衡电动车系统具有较好的鲁棒性和操控性,证明设计方案的合理性和有效性。     

B-2WMR系统模型及其欠驱动特性分析

平衡两轮移动机器人(B-2WMR)是自然不稳定体,是高阶次,不稳定、多变量、非线性、强耦合系统,其动力学系统比较复杂,它属于欠驱动系统.针对该系统,选用合适状态变量,采用Euler-Lagrange方法推导了系统的多输入多输出(MIMO)非线性动态模型,并采用该模型对平衡两轮移动机器人不同任务下的姿态和速度控制进行分析,探求了欠驱动系统的控制方法,对该模型系统在MATLAB中进行了SIMULlNK仿真,得到了系统的响应曲线,为该欠驱动平衡两轮移动机器人的平衡运动控制器的设计提供一个完善的实验平台.     

HS-OCPA学习系统设计及其在机器人 姿态平衡控制中的应用

针对单层操作条件反射概率自动机的操作行为个数较多的问题,构造了一个层次结构的操作条件反射自动机,简称HS-OCPA仿生自主学习系统. 该系统主要基于Skinner操作条件反射机理和概率自动机进行设计,学习控制不需要系统的模型,在操作行为和系统性能的基础上,采用操作条件反射学习机制实现寻优学习,并利用操作行为的取向信息对操作条件反射学习机制进行调整,最终实现在线搜索最优的控制策略. 理论证明设计的操作条件反射学习机制可以确保学习系统依概率1收敛于最优的行为路径. 应用于两轮机器人姿态平衡控制的仿真和实验结果     

两轮自平衡机器人运动平衡控制研究

对两轮自平衡机器人的运动平衡控制进行研究。通过搭建两轮自平衡机器人实验平台,采用Newton-uler法建立动力学模型以及针对机器人的运动控制、平衡控制和伺服控制设计相应的PID控制器。物理实验表明,机器人在外界冲击干扰和阶跃干扰的作用下,能够维持自身平衡同时可以执行相应的运动控制命令。结果表明,提出的两轮自平衡机器人运动平衡控制的方法是合理有效的。