一种新的CMAC函数逼近器及其再励学习方法

针对复杂再励学习系统状态空间存在维数灾问题，结合多移动机器人协调避障路径规划实际应用，用非均匀模糊分割方法将状态空间分解成模糊子空间，相应地将小脑模型连接控制器网络（Cerebellar Model Articulation Controller,CMAC)函数逼近器改进为模糊CMAC（Fuzzy CMAC,FCMAC)函数逼近器，并将FCMAC函数逼近器置入滞后更新多步Q（Pstphoned-Updating Multi-Stp Q-learning,PUMSQ)学习笮算法，提出FCMAC－PUMSQ学习算法，仿真实验证明，该算法有效且有较好的鲁棒性，FCMAC函数逼近器有较好的收敛速度和泛化能力。     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

水电工程中不锈钢材料冲蚀磨损与腐蚀的交互作用

通过水轮机目前应用较多的不锈钢材料在冲蚀磨损过程中电化学腐蚀及抗冲蚀磨损性能的研究，区分出了纯磨损、纯腐蚀、磨损对腐蚀的促进分量，及其腐蚀对磨损的促进分量等在材料失效过程中各占的比例。考察了试验材料的抗冲蚀磨损特性及其磨损与腐蚀间的交互作用，并对其失效机制进行了探索性分析。结果表明：在不同的冲蚀速度下，0Cr13Ni5Mo不锈钢的冲蚀磨损失重率小于1Cr18Ni9Ti不锈钢材料；试验材料在冲蚀磨损总失重率中，纯磨损率是占主要的；随着冲蚀速度的增加，磨损对腐蚀的促进作用也增加，同时也加强了腐蚀对磨损的促进作用。     

分层模糊控制器的解析表达式及自适应控制方法

为解决模糊多变量控制中的“维数灾”问题 ,提出了一种 4输入 1输出的分层模糊控制器 ,推导了它的解析表达式。依据分层模糊控制器的解析表达式 ,提出了其设计参数的模型参考自学习方法 ,其中参考模型选取典型二阶系统 ,用梯度法设计自学习律 ,在线学习分层模糊控制器的可调参数 ,以达到最优值。为检验所提出控制策略的有效性 ,将其应用到板球系统的轨迹跟踪问题 ,并进行了仿真实验。仿真实验结果表明 ,这种分层模糊控制器的可调参数少 ,学习算法收敛快 ,控制效果好 ,具有较强的实用性。     

最小拍采样控制系统的计算机辅助设计

本文在文献[1]的基础上,进一步讨论广义对象脉冲传递函数G(Z)的零、极点在整个Z平面上分布时,三种典型输入信号下有波纹和无波纹最小拍系统数字控制器D(Z)的设计方法。设计的算法简练、直观、有实用性并不受任何条件限制。程序中加入了说明、例子、输入参数、修改参数显示打印等功能块,并设置了自动保护和人机对话。     

基于CPLD的LCD控制器的设计

介绍了一种使用CPLD芯片设计LCD控制器的方法.用一片CPLD芯片就完成了全部的译码、时序控制、显示控制等功能,这样CPU和LCD之间就可能直接用一个CPLD芯片连接了,无需再加入其它的接口器件.对系统的硬件及软件都给出了较详细的说明,并用可编程逻辑器件MAX7000S系列予以实现.     

加入滞后时间削弱器的大滞后系统的最优模糊PID控制

首先给大滞后系统加入滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后基于模糊控制原理、极小值原理和PID控制理论,设计一种最优模糊PID控制器对小滞后对象进行自适应控制.仿真结果表明,加入滞后时间削弱器能使大滞后系统更容易控制;最优模糊PID控制器比模糊PID控制器具有更好的抗干扰性和鲁棒性,且系统响应的上升时间和调节时间明显缩短.     

基于I~2C总线的智能温度控制器

目前,温度控制器正向单片集成化、智能化的方向迅速发展。TCN75是美国Telcom公司生产的带I~4总线串行接口的智能温度控制器。它可广泛用于数字温度计、温控仪、电信设备、UPS电源、复印机等办公设备和家用电子产品领域。文中介绍了TCN75型智能温度控制器的性能特点、工作原理及通信方式,并阐述其与单片机的接口电路。     

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。     

往复流作用下潮流能水轮机单桩基础冲刷试验

为研究往复流作用下潮流能水轮机单桩基础局部冲刷演变机制,在水槽中开展物理模型试验,探讨了水流强度对潮流能水轮机单桩基础冲刷过程的影响规律,并与仅单桩工况进行了对比.试验结果表明:往复流作用下,潮流能水轮机单桩基础冲刷过程具有显著的周期性震荡、逐步提高的特点;叶轮的存在加快了基础冲刷过程,增加了最大冲刷深度;最大冲刷深度...