工业机器人解释器语义分析研究

介绍了语义分析的发展现状。针对目前解释器语义分析效率较低的问题,并结合工业机器人控制系统的特点,研究了利用语法分析栈来实现工业机器人解释器语义分析的方法,并实现了工业机器人编程语言IRL的语义分析。基于该方法的解释器在Visual Studio2005平台上用C＋＋实现,生成的目标代码运行于WinCE嵌入式系统。实验结果证明了该方法的正确性和高效性。     

半导体制冷片制冷性能评估系统

现有半导体制冷元件评估方法成本过高,而且输入口的水温与输出口的水温不同,会使输入水与输出水的热量的损耗大小不一样;传统的测量方法中,半导体制冷片的赛贝克系数、电阻、热导是通过不同温度下的实验结果估算出来的,这样就导致在计算制冷量大小的时候不精确。为此,提出了一种通过平衡输入与输出温度来避免产生这种误差的方法。     

超声回波信号的多阈值分段去噪方法研究

通过构建超声回波信号模型,将基于小波包阈值去噪应用在超声回波信号研究中。针对超声回波信号的非平稳性,提出一种多阈值分段去噪方法应用于超声回波信号的去噪研究中。仿真实验表明,采用的多阈值分段去噪克服了单阈值规则的局限性,能够较好地处理超声信号中的噪声分量。     

RBF神经网络的混合微粒群学习算法

在分析RBF神经网络的结构特点基础上, 定义一个布尔向量L作为网络的结构参数, 与原来RBF神经网络的隐节点参数集一起构成了新的RBF网络隐节点参数集{c,σ, L}, 并给出了一个新的RBF网络输入输出关系表达式;采用一种混合协同微粒群算法同时对RBF网络拓扑结构和隐层节点参数进行优化设计,并将输出线性参数集分离后采用最小二乘法进行优化设计,简化了优化空间,加速了算法的收敛速度.     

小机车新型试验电源自适应模糊PID控制系统仿真研究

针对小机车传统试验电源系统存在的电压稳定性能差、响应速度慢的问题,提出了一种自适应模糊PID控制的小机车新型试验电源系统。对自适应模糊PID控制器的设计和建模,以及仿真的效果进行了详细的阐述,并进行了系统的鲁棒性分析。同时还将自适应模糊PID控制和传统PID控制进行了对比研究,证明了自适应模糊PID控制的小机车试验电源系统有电压稳定性能好、响应速度快的良好电气特性。     

基于经济运行原则的最佳配电点位置的算法

针对在电气设计中"负荷中心"这一术语,提出应具有技术经济指标的最佳配电点的概念.通过对供电系统中各种负荷群进行的较为深入的分析,得出负荷群中最佳经济运行配电点的位置,除对称负荷群外,其余均离开了"负荷中心".通过对各种负荷的分析和计算,得出最佳经济运行配电点的求解方法,从而达到降低电能损耗和节约投资的目的.     

不确定混沌系统的动态神经网络跟踪控制

针对不确定非线性混沌系统，提出了一种基于动态神经网络辨识器的自适应跟踪控制新方法，通过滑模控制技术在线调整动态神经网络辨识器权值，并在获取动态神经网络模型的基础上设计出优化控制器，实现混沌系统的轨道跟踪，对辨识误差和轨道跟踪误差进行分析并证明了它们的有界性，Lorenz混沌系统的仿真实验结果表明了控制策略的有效性。     

新型Buck-Boost矩阵变换器的双闭环控制策略

为了克服传统矩阵变换器电压传输比低的缺陷, 提出了新型Buck-Boost矩阵变换器, 采用双闭环控制策略进行控制. 介绍了该控制策略的基本原理与设计方法, 对比分析了该控制策略与滑模控制及离散滑模控制的各种特性, 并通过仿真对其控制效果进行了验证. 结果表明: 该控制策略不仅具有比滑模控制和离散滑模控制更加优良的动态性能, 而且还具有更强的谐波抑制能力, 其输出波形的谐波失真度更小, 稳态精度更高, 因而具有更好的应用价值.     

一个混沌系统的同步控制研究

研究了一个混沌系统的混沌同步控制问题。分别采用线性反馈控制方法、非线性反馈方法、脉冲控制方法对该混沌系统进行同步控制。基于Lyapunov稳定性理论和脉冲控制技术,对同步的充分条件进行了讨论,并给出了相应的理论证明。数值仿真证明了这三种不同方法的有效性。     

基于自适应神经模糊推理系统的噪声消除方法

针对信号处理领域噪声消除的实际问题,提出了一种基于模糊推理的自适应神经网络控制方法.通过自适应神经模糊推理系统(ANFIS)对非线性系统的结构和参数进行辨识与自学习,采用混合学习算法,对前向参数和结论参数分别辨识,在提高精度的同时可加快训练收敛的速度,使控制系统具有良好动静态性和鲁棒性,实现了消除通信系统中噪声的目标,最后对基于ANFIS的噪声消除系统进行了建模和仿真,并与自适应神经网络滤波方法的结果对比,其结果证明了该方法的有效性.