超磁致伸缩微位移执行器控制系统研究

以单片机和上位PC微机为控制核心,设计并构建了利用超磁致伸缩棒开发的超磁致伸缩执行器的计算机闭环控制系统,完成了相应的软硬件设计．结合所开发的超磁致伸缩微位移执行器的结构建立了传递函数模型,针对微位移执行器控制系统进行了数字PID控制器设计,通过实验得出,在不降低其相对稳定性情况下数字控制系统的精度提高,为进一步提高超磁致伸缩执行器的精度、改善整个系统的动态特性奠定了基础．     

基于CAN现场总线仿人机器人机械臂分布式控制的研究与设计

基于仿人机器人机械臂的高度实时性和极强的抗干扰性的特点,设计出了基于CAN现场总线仿人机器人机械臂分布式控制系统,利用C8051F041微控制器作为关节分布式控制器,并设计增量码盘和速度检测电路以及相应的软件等,完成了仿人机器人机械臂6个自由度的设计,对机械臂运动轨迹的控制达到了可靠性、实时性和稳定性的要求.     

自适应巡航执行机构在环仿真跟随控制器设计

为解决自适应巡航控制快速原型开发并提高仿真系统精度,建立了包含电子节气门与主动制动等硬件在内的执行机构在环仿真系统. 利用模糊前馈与PI反馈设计了以距离偏差和速度偏差为输入,基于加速度控制的前车跟随控制器,使主车保持安全车距跟随前车车速行驶,利用执行机构在环仿真系统对开发的前车跟随控制器进行了验证. 结果表明仿真系统运行正常,前车跟随控制器可完成对主车的控制,并对主车参数的变化及环境扰动具有一定的抗干扰能力.      

永磁同步电机直接转矩模糊控制系统

结合永磁同步电机(PMSM)的数学模型和经典直接转矩控制理论,采用空间矢量控制方法,以定子磁链角增量为控制目标,将模糊控制器作为转速与转矩调节器和定子磁链优化控制器.运用MATLAB/Simulink软件对该控制系统建模和仿真.结果表明:与经典DTC控制系统相比,该控制方式能够减小转矩脉动,降低系统损耗,从而提高了效率.     

基于X光的钢丝绳芯输送带检测系统传输控制器的研究

在研究了基于X光的钢丝绳芯输送带检测系统的基础上,提出了传输控制器的设计方案.采用ARM9芯片S3C2440作为主控芯片设计了传输控制器硬件电路,并移植嵌入式Linux操作系统,基于TCP协议,采用C语言编写了软件程序,实现了检测系统高速X光探测器的电源和X射线源的电源及出束控制,以及数据的存储和传输功能.     

Urban Intersection Traffic Signal Control Based on Fuzzy Logic

IntroductionTraffic signals are essential in transportationnetwork management.A number of traffic signalcontrol methods have been developed in the past.Recently,a major research focus has been theapplication of artificial intelligence techniques,such as expert systems,fuzzy logic,neuralnetworks,and genetic algorithms for intersectionsignal control.　 Pappis and Mamdani[1] developed fuzzy rules toevaluate the suitability of extending a currentgreen phase by different time durations based on ac…     

人工神经网络算法研究及应用

神经网络（NN）是从机理上模拟人脑的信息处理和思维决策过程的一种新兴控制方式，它的出现为一些难以解决的问题提供了一种新思路，然而神经网络目前还面临一些问题，本文在对神经网络进行深入研究的基础上，提出现有算法的一些改进方案，并将其应用于SSL协议及其算法的改进中。     

时滞不确定关联大系统的鲁棒镇定问题

基于一类时滞不确定关联大系统的鲁棒镇定问题，设计了一种鲁棒控制器；通过线性矩阵不等式分别对子系统设计了无记忆分散状态反馈控制器，从而使得整个时滞不确定关联大系统渐近稳定．文中通过数值举例说明了本定理的可行性。     

PT-500型机器人运动学分析及其控制器研制

本文简要分析了ＰＴ－５００型机器人本体，用Ｄ－Ｈ法求出了其运动学正解和逆解．并针对ＰＴ－５００型机器人，研制了ＰＴ－５００型机器人控制器．本文详细介绍了机器人控制器的硬件组成和软件组成，说明了各软件模块的功能．     

Advanced Credit-Assignment CMAC Algorithm for Robust Self-Learning and Self-Maintenance Machine

Smart machine necessitates self-learning capabilities to assess its own performance and predict its behavior. To achieve self-maintenance intelligence, robust and fast learning algorithms need to be embedded in machine for real-time decision. This paper presents a credit-assignment cerebellar model articulation controller (CA-CMAC) algorithm to reduce learning interference in machine learning. The developed algorithms on credit matrix and the credit correlation matrix are presented. The error of the training sample distributed to the activated memory cell is proportional to the cell‘s credibility, which is determined by its activated times. The convergence processes of CA-CMAC in cyclic learning are further analyzed with two convergence theorems. In addition, simulation results on the inverse kinematics of 2degree-of-freedom planar robot arm are used to prove the convergence theorems and show that CA-CMAC converges faster than conventional machine learning.