一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

大型喷浆机器人的灵巧度分析

灵巧度是衡量机器人运动失真程度的重要参数。对机器人灵巧度评价指标进行了对比研究 ,结合大型喷浆机器人自由度较多的特点 ,用雅可比矩阵的条件数对喷浆机器人的灵巧度进行了分析。结果表明 ,大型喷浆机器人在不同形位下的条件数都很小 ,具有较好的运动灵巧度。     

一些特殊树的对偶带宽

图G的对偶带宽是指图G中相邻两点最小标号差的最大值。确定了一些特殊树的对偶带宽，主要结果如下：(1)如果树T有n个顶点，并且其最大度△(T)不小于[n/2]，那么树T的对偶带宽等于n一△(T)的充要条件为T是双层星且其内星的中心为最大度顶点；(2)完全二叉树T2,k的对偶带宽等于2^k-1；(3)等高单毛虫树Pm,n的对偶带宽为[mn/2]。     

非线性模糊直接鲁棒自适应控制的后推设计

采用模糊直接控制方法,针对一类非线性多入多出系统,提出了一种带有连续鲁棒项的鲁棒自适应控制方法.在此基础给出了高阶多入多出系统的鲁棒自适应的后推设计方法.在鲁棒项合理简化的情况下,给出了系统Lyapunov意义下的稳定性证明,简略分析了各设计参数的物理意义及其对系统性能的影响.理论分析和仿真实验均显示,本方法可以使系统全局渐近稳定,且选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度;并且由于鲁棒项的引入可使系统的设计更具灵活性.     

论图的连通负荷（Ⅰ）

本文提出了图的连通负荷概念，这是一个刻划图的连通性的新不变量。本文在建立连通负荷的界的基础上，讨论了连通负荷与图的结构的关系。     

自适应压电桁架结构多目标最优控制

根据嵌入压电作动器的自适应桁架结构的机电耦合特性，考虑了结构强度、节点最大位移以及作动器最大控制电压等约束条件，提出了以强度、位移和能耗为目标、以电压为控制参数的多目标最优控制模型。该模型通过引入权系数，使多目标问题转化为一个二次目标、线性约束的二次规划问题。限制了设计变量每一步的运动极限，从而保证了算法的稳定性。用数值方法模拟了该模型对结构的控制效果。数值算例表明，该模型具有改善静不定结构应力状态、保证结构形变精度及调节控制能耗的功能。对于静不定结构，可以在一定程度上降低结构的最大工作应力。该模型还具有较小的能耗指标，并使控制点的节点位移尽可能小，利用该模型可以有效地实现单点或多点位移控制。     

心电图机内定标电压测量不确定度的评定

在计量标准器的建标过程中必须对标准器的不确定度进行评定，本文通过对心电图机内定标电压测量不确定度来源以及数据的合成等几个方面的评定，希望能对以后计量标准器的建标有所帮助。