逆变式等离子切割电源变间距模糊-PI控制

针对切割过程的强非线性及不确定性,以逆变式等离子切割电源为研究对象,提出了一种在全论域范围内带有自调整因子的变间距模糊量化算法,并与PI控制结合构成模糊-PI双模控制器。控制算法避免了冗杂的非线性系统建模过程,且本身具有优化的特性,通过模糊-PI双模控制,有效解决了传统模糊算法在提高系统稳态精度和动态性能之间的矛盾。仿真结果表明,与PI控制或模糊控制相比,所设计的双模控制器在稳态性能和鲁棒性两方面都得到了改善。     

逆变电源改进型重复控制器设计及仿真研究

针对恒频恒压(CFCV)逆变电源控制系统,提出了一种采用重复控制器与比例、积分、微分调节器有机结合的控制策略,以提高逆变电源在非线性负载情况下的输出电源品质。基于该控制策略,给出了重复控制器各个部分参数的详细设计方案以及比例、积分、微分调节器的系数;构建补偿器Q(z)和S(z)时,引入特殊的零相移Notch函数,对PWM型逆变电源输出电压谐波干扰进行有效抑制。利用Matlab对系统进行了仿真,结果表明该改进型方案可以保证系统具有较好的动、静态特性,稳压精度高,输出波形的谐波含量降到了1.07%,误差收敛速度大幅度提高。     

基于Internet的机器人遥操作系统研究

为了实现人类在危险、难以到达的环境中作业,以机器人技术与Internet网络技术为基础,开发出一种以Scara型四自由度教学机器人为被控单元、TCP／IP为传输／控制协议、Client／Server体系结构为网络控制平台的机器人遥操作系统,给出了该系统的硬件结构、软件流程．实践表明,该系统不仅可以实现客户机与服务器之间的全双工连接,而且能可靠传输控制命令、控制数据,控制KLD-400机器人完成抓取、搬运等具体作业任务．     

基于DSP和CPLD的柔性伺服控制器的实现

介绍了一种基于DSP和CPLD的柔性伺服控制器的系统组成和工作原理．运用CPLD,实现了控制器对速度和位置的采样,并对其进行了仿真,对CPLD实现的控制逻辑的译码进行了说明．基于二者的控制器实时处理能力比较强,柔性比较好．     

增强感知遥机器人控制系统研究

为了更好地实现非结构环境下的遥机器人作业,提出了“增强感知”这一概念,并设计了具有增强感知功能的遥机器人控制系统。在该系统中机器人的状态、报警等重要信息成为输出通道传输的重点,在减少对信息传输带宽和再现信息资源占用的同时提高操作者对本地状态的意识和对远程环境的感知。基于DSP设计的运动控制器,很好地实现了系统的智能控制和智能协调。所开发的具有遥控和自主协调操作功能的共享控制系统将操作者从连续、无聊的直接控制中解放出来,充分发挥了操作者的决策能力,实现了人机协作遥操作。实验结果显示了系统的性能。     

纤维缠绕复合材料壳体原位成型工艺研究

热固型缠绕复合材料壳体以其优异的性能在航空、军事和工业等领域得到了广泛应用.目前,制约其应用和发展的主要瓶颈是壳体的成本和性能,而壳体成型工艺直接决定了其最终性能和成本.由于缠绕壳体为中空结构,因此可以采用加热壳体内部金属芯模或内衬的方法实现缠绕后的或正在缠绕的复合材料的固化成型,即原位成型.本文介绍复合材料壳体原位成型新工艺,建立筒型壳体内加热固化过程的数学模型,利用有限元法对筒体固化过程中的温度和固化度进行了数值模拟分析.该研究为实现壳体高效、优质且低成本成型提供新思路,为原位成型工艺设计、模拟和参数优化提供分析模型和方法.     

基于肌电信号的手部动作模式识别新思路

为了更好地识别手部动作,提出了一种新思路,将单个手指的状态作为识别目标集。采集常用手部联合动作的6路表面肌电信号,以单个手指的状态为基准将动作合理规划,提取各通道样本均值构造特征向量,设计3个并行BP神经网络,从联合动作样本中学习单个手指的状态,使得分类基数小,从而降低分类的复杂度,克服了传统多分类方法中需要采集动作多的缺点。实验结果表明,采集12种手部动作的肌电信号,将手部动作合理简化为手指动作后,利用手指的状态来训练神经网络,就能够识别出手指的3个状态的所有组合动作,即所有常用的18种手部联合动作。     

移动机器人灵巧手的优化设计

针对移动机器人灵巧手的最佳灵巧性设计问题, 提出了一种最优化结构参数的设计方法。将人类手 指仿生学原理引入优化算法中, 从单个手指的灵巧性分析出发, 采用灵巧度指标最优的设计准则, 确定了空间单指 的最佳灵活性区域、各杆长度间的关系以及各关节的旋转范围, 并采用MAT LAB 对上述结构参数进行优化计算与 仿真, 获得了满足抓取任务的尺寸参数, 在此基础上对手指间相对位置采取了定量化的计算方法, 仿真结果满足了 灵巧性的设计要求。     

基于驾驶员模型的六足机器人自主/协同决策

重载六足机器人在野外地形环境移动作业时的决策智能水平亟待提高。然而，当机器人在尚未形成合理的决策结构层次时，直接采用其与环境进行交互方式进行常规的强化学习训练，将导致机器人的行为决策过于发散。因此，本文首先利用一种符合驾驶员决策逻辑的分步训练神经网络，得到驾驶员的决策经验模型，使机器人快速形成自主决策智能。此外，为融合人机决策优势，本文基于合作博弈理论，提出一种消除人机协同决策指令冲突的方法。搭建面向重载六足机器人人机协同决策的半物理仿真实验系统，开展实验的结果表明，机器人通过学习驾驶员先验模型和自主训练，其决策效果可接近驾驶员决策水平，同时人机协同决策指令可有效弥补单智能体决策指令的缺陷，在规则沟壑地形下协同决策指令的碰撞率指标优于驾驶员单智能体指令23.8%,障碍地形下协同决策指令的能量消耗指标优于机器自主单智能体指令34.1%。