6-DOF并联机器人控制算法结构化分析与设计

为了实现对六自由度并联机器人位置速度算法的控制,针时控制算法采用了软件工程的原理和方法进行了分析,并对机器人运动特性进行了研究.根据运动特性对位置与速度的控制算法进行了解析,提出位置反解的控制策略,给出了功能分析的DFD模型和软件结构化设计模型SC图.描述了算法的详细设计及实现,采用结构化语言表达工具,并对实现中重要的部分细节进行了细致的研究,其结果达到了位置速度控制的目的及机器人控制算法的软件结构化设计.     

控制增益符号未知的MIMO时滞系统自适应控制

针对一类带有死区模型并具有未知函数控制增益的不确定MIMO非线性时滞系统,基于滑模控制原理和Nussbaum函数的性质,提出了一种稳定的自适应神经网络控制方案.该方案放宽了对函数控制增益上界为未知常数的假设,并通过使用Lyapunov-Krasovskii泛函抵消了因未知时变时滞带来的系统不确定性.理论分析证明,闭环系统是半全局一致终结有界.仿真结果表明了该方法的有效性.     

一种改进的鲁棒约束预测控制器的综合设计方法

针对多包描述的不确定系统,提出一种新的鲁棒约束预测控制器.高线设计多包系统worst-case情况下性能最优的不变集,在线求解多包系统无穷时域性能指标的rain-max优化问题.设计方法采用了时变的终端约束集,扩大了初始可行域,并能获得较优的控制性能.仿真结果验证了该方法的有效性.     

一类线性时变系统组合自适应迭代学习辨识

针对一类在有限时间区间上可重复运行的既含时变参数又含时不变参数的高阶线性时变系统,提出了一种模型参考组合自适应迭代学习参数辨识算法.应用Lyapunov方法,给出了时不变参数的时域自适应学习律和时变参数的迭代域自适应学习律,分析了参数估计和模型状态跟踪误差的有界性与收敛性.该算法适于时变和时不变参数并存的线性系统的参数辨识,可加快参数估计的收敛速度.仿真例子验证了所提出的辨识算法的有效性.     

基于因特网的共享控制系统的时滞依赖鲁棒控制

分析了基于因特网的共享控制系统的控制问题,研究了数据包传输特有的时序现象及其对控制系统建模的影响.通过引入有效的数据包处理器对接收到的信息进行再处理,简化了系统的模型,并从时滞依赖鲁棒稳定性的角度提出了一种使系统渐近稳定的状态反馈控制器设计方法.仿真和实验结果证明了所提出方法的有效性.     

基于精细积分理论与算法体系的时变最优控制方案工程应用

以航天器的编队飞行控制为工程背景,利用PIMCSD工具箱设计了航天器远/近程逼近的时变控制方案,并在飞行控制仿真平台上通过了验证.仿真结果表明,相对于传统的定常控制器方案,新的时变控制器方案可以在更短的控制时间内,以更少的燃料消耗,达到更高的终端控制精度,从而验证了控制方案的可行性、有效性和先进性.同时,提出的时变控制器简化实现方案不仅可以保持良好的性能指标,也便于工程设计和实现.这些工作为航天器编队控制系统的工程设计提供了有益的参考.     

基于无秩树自动机的信息抽取技术研究

针对目前基于网页结构的信息抽取方法的缺陷,提出了一种基于无秩树自动机的信息抽取技术,其核心思想是通过将结构化(半结构化)文档转换成无秩树,然后利用(k,l)-contextual树构造样本自动机,依据树自动机接收和拒绝状态来对网页进行数据的抽取.该方法充分利用结构,依托树自动机将传统的以单一结构途径的信息抽取方法与文法推理原则相结合,得到信息抽取规则.实验结果表明,该方法与同类抽取方法相比在准确率、召回率以及抽取所需时间上均有所提高.     

动态不确定非线性系统直接自适应模糊backstepping控制

对一类单输入单输出动态不确定非线性系统,提出一种直接自适应模糊backstepping和小增益相结合的控制方法.设计中,首先用模糊逻辑系统逼近虚拟控制器:其次把自适应模糊控制和backstepping控制设计技术相结合.给出了直接自适应模糊控制设计方法.最后基于Lyapunov函数和小增益方法证明了整个闭环系统的稳定性.仿真实例进一步验证了所提方法的有效性.     

一种过程支持向量机及其在动态模式分类中的应用

针对一般SVM在机制上难以直接对动态模式进行分类的问题,提出了一种基于函数正交基展开的过程支持向量机.该模型的输入为时变函数,输出为模式类别.在输入函数空间中选择一组适当的正交函数基,将输入函数在该组函数基下进行有限项展开,把展开式系数作为核函数的输入.由于时变函数在基函数映射下与展开式系数一一对应,从而可利用SVM的变换机制实现动态模式分类.给出了基于SMO的求解算法,实验结果验证了模型和算法的有效性.