两足辅助行走机器人步态控制

智能两足辅助行走机器人,可以辅助残疾人在复杂环境中进行仿人行走.介绍了该机器人的机构和控制系统硬件,在机器人系统的步态特性基础上建立了人机一体的运动模型.运用零力矩点（ZMP）理论规划了机器人的行走步态,提出了局部步态调整与人体主动补偿运动相结合的实时步态稳定性控制策略.通过仿真实验对该控制策略进行了验证和分析.     

基于神经网络的自主水下机器人动态反馈控制

针对自主水下机器人数学模型的强非线性及所受海流干扰无法确定等特点,设计了基于神经网络补偿器的动态反馈控制算法.通过对自主水下机器人系统数学模型研究,将系统分解为近似线性部分与非线性不确定部分.通过动态反馈控制实现对分解出的近似线性部分进行初步控制,利用神经网络所具有的自适应控制实现对不确定模型与干扰项进行补偿控制,提高...     

基于改进遗传算法的无刷直流电动机递归模糊神经网络控制

无刷直流电动机的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电动机调速系统速度控制器的实施方案,利用改进遗传算法(IGA)优化递归模糊神经网络的隶属度函数参数和网络权值系数等,从而提高系统的动态响应性能.仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制.     

一类非线性过程的智能控制方法研究

以一类典型的非线性过程控制系统双腔加热炉为背景,讨论复杂系统的控制问题.为了实现对复杂系统的稳定控制,必须考虑诸如非线性、大时滞、时变和强耦合的控制问题.设计了一种复合模糊神经网络控制器,利用模糊神经网络对系统进行辨识,利用神经元实现系统解耦,利用基于神经网络的自组织模糊控制器实现了系统的控制,实验证明了控制器对该类非线性过程控制的有效性.     

小型仿人双足机器人步态规划与仿真分析

针对双足机器人动力学系统复杂、运动学分析较为困难的问题,结合人类行走特点,文章建立了双足机器人下肢结构运动模型。为了使机器人行走更自然,增强机器人行走的稳定性,对双足机器人进行了步态规划,并且利用三次样条插值方法通过MATLAB仿真得到机器人各关节的平滑运动轨迹[1-2],验证了步态规划的可行性。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

面向无人驾驶的三轴应急救援车辆并行控制方法

为实现应急救援车辆轨迹跟踪和横向稳定的优化协调,提出了一种基于哈密顿函数的车辆非线性并行控制方法。 分别 建立了车辆动力学模型和轨迹跟踪模型,通过模型变换将车辆动力学模型和轨迹跟踪模型表示为具有相同控制输入的状态方 程,从而将轨迹跟踪和横向稳定协调控制问题转化为一类非线性并行控制问题,分别设计了轨迹跟踪控制和横向稳定性控制的 哈密顿函数,讨论并证明了基于车辆特性的控制器设计存在条件,提出了一种兼顾应急救援车辆轨迹跟踪和横向稳定控制性能 的非线性并行控制方法,并证明了控制系统稳定性。 结果表明,并行控制下的轨迹跟踪精度和稳定性控制精度分别提升了 10. 13%和 13. 79%,从而验证所设计方法能够更好地实现应急救援车辆轨迹跟踪和横向稳定的协调控制。     

机器人逆动力学神经网络建模

针对神经网络逆动力学模型用于前馈控制的网络泛化能力问题,通过对实际机器人的仿真实验,分析了前馈神经网络学习的机理,对神经网络训练过程中的数据采样环节进行了改进,提出了在状态空间域中进行数据筛选和处理的神经网络学习方法。通过二自由度机器人运动仿真实验表明,该方法提高了模型泛化能力,有利于实时动力学前馈控制方法的实用化;与传统PID控制相比,该神经网络模型进行动力学前馈控制能大幅度减少动态误差,改善了系统稳定性。     

基于强化学习的双足机器人的实时避障位置控制

为了提高双足机器人的实时控制能力，提出一种基于强化学习的双足机器人的实时避障位置控制方法。以机器人的双足步行稳定性为控制目标函数，构建双足机器人的实时路径动力学模型，以机器人质心运动的加速度和惯性力矩为被控对象，采用等效碰撞子模型进行双足机器人的实时避障路径规划，采用碰撞子模型和摆动子模型相结合的方法，进行双足机器人行走路径的纠偏参量反馈调节，采用模糊强化学习跟踪方法，进行双足机器人的误差增益控制，实现双足机器人的实时避障位置控制。仿真结果表明，采用该方法进行双足机器人控制的实时避障性能较好，纠偏能力较强，提高了机器人的自适应控制能力。     

基于神经网络的法向阻抗模裕度快速计算方法

为在线快速评估电力系统当前电压稳定性,建立了遗传算法优化的BP神经网络电压稳定评估模型。基于一般非线性方程极值分析原理,推导出系统静态电压稳定判据,由此提出评价系统静态电压稳定性的负荷法向阻抗模裕度指标(the normal impedance modulus margin index,NIMMI)。对比戴维南阻抗模裕度指标,法向阻抗模裕度指标的线性关系更好,适用于神经网络电压稳定在线预测。在系统同步功率扰动情形下,将系统薄弱区域节点的负荷有功、无功功率与节点的NIMMI值建立非线性映射关系,由此建立了以法向阻抗模裕度指标为样本的神经网络评估模型。用遗传算法优化BP神经网络的权值和阈值,提高了预测精度。Matlab仿真结果表明:相比传统潮流计算,法向阻抗模裕度指标的计算速度大大加快,更有利于实现系统电压稳定性的在线快速预测。