填丝脉冲GTAW焊缝成形的单变量智能控制

针对填丝脉冲 GTAW过程的不同熔透状态 ,提出了焊缝正面和反面的成形控制问题。考虑到焊接过程的非线性特点 ,结合 PID控制器和神经元控制器的优点 ,设计了基于单个神经元的单变量自学习 PID控制器。在 2 m m厚的哑铃形 A3钢试件上进行对接闭环控制实验 ,试验结果表明 :在散热条件变化的条件下单独调节脉冲占空比可以保证焊缝反面宽度的稳定 ;单独调节送丝速度可以保证焊缝正面高度的稳定。     

C1000H可编程控制器上位机通讯的开发与研究

可编程控制器联网系统中的上位通讯功能，是实现控制系统上位计算机集中监视、集中控制和集中管理的关键．本文以ＳＹＳＭＡＣ－Ｃ系列中的Ｃ１０００Ｈ可编程控制器上位通讯为例，探讨了有关软件硬件的原理及组成．在通讯协议及网络硬件的基础上，作者通过上位机的可编程异步通讯接口８２５０开发了以查询式和中断式两种方式分别实现的Ｃ１０００Ｈ上位通讯软件．经过系统的调试与运行，证明方法正确、方案可行，可以方便地进一步实现各种上位操作功能．     

闭路电视前端设备控制系统的设计

介绍了闭路电路前端设备控制系统的原理和作用,着重说明了电源控制、信号切换控制的原理和电路,以及控制流程图与软件。     

C/S 环境中ActiveX/DCOM 组件的使用技术

介绍了用在客户／服务器环境中的ActiveX组件类型：ActiveX控件、ActiveX文档和ActiveX代码组件；并在此基础上，阐述了ActiveX／DCOM组件在目前流行的VisualBasic、VisualC 、Visual J 中的应用技巧及其强大的功能。利于快速开发ActiveX软件组件、以及开发客户／服务器环境中的应用程序。     

基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

多级计算机控制系统可行性方案探讨

该文提出了一种应用于煤码头的计算机多级分布式控制系统的模式,论述了系统各级功能、软件配置、系统联连方式及数据通信。方案是可行的。     

基于FPGA的CAN总线故障分析仪

针对CAN( Controller Area Network)总线网络物理传输性能测试的需要,提出一种基于FPGA( FieldProgrammable Gate Array)测试系统,该系统通过采集物理层信号波形分析CAN总线故障并输出相关信息.分析了测试系统原理,给出了系统方案,并详细论述了频率的自动识别、数据帧提...     

基于遗传算法整定PI控制器的PMSM简化矢量控制系统

简化矢量控制系统控制结构简单,能有效地降低生产成本,常被用于永磁同步电机控制系统中,但该系统的速度响应及转矩响应性能欠佳．本文采用遗传算法整定简化矢量控制系统中三个PI控制器的参数,使之达到与传统矢量控制系统相似的控制性能．通过仿真实验,验证了基于遗传算法整定PI控制器的永磁同步电机简化矢量控制系统,在连续时间域和离散时间域内都取得了良好的速度响应和转矩响应性能．     

一种单神经元自抗扰控制器

针对自抗扰控制器可调参数多且不易整定的问题,提出了一种用单神经元改进非线性状态误差反馈控制律的算法.利用神经网络的自学习能力,采用一个单神经元构造自适应参数,使参数依据系统误差的变化自动作相应地调整,从而完成参数的在线自整定.仿真结果表明,改进后的控制器调整参数大大减少,而且具有更强的适应性和鲁棒性.     

基于时空特征融合的端到端无人车控制

基于深度学习的端到端车辆控制器多是由二维卷积神经网络(2D convolutional neural netuark,2D CNN)训练得到的,因未考虑时间维度上的帧间运动信息,使得控制器的可解释性与泛化能力较差,而三维卷积神经网络(3D CNN)可以从连续视频帧中学习时空特征。深度确定性策略梯度强化学习(depth deterministic policy gradient,DDPG)常用于连续动作的控制优化,但DDPG算法仍存在采样方式不合理而导致的样本利用率低的问题。基于此,采用3D CNN与改进DDPG算法相结合的方法对车辆方向盘转角和速度进行预测。通过实车实验实现了车辆在所设置轨道上的自主驾驶,为基于深度学习和强化学习方法解决自动驾驶中的端到端控制问题提供了科学方法。