基于遗传算法的机器鱼路径规划

针对在线跟踪机器鱼运动等难题,提出基于对基于遗传算法的机器鱼路径规划方法。采用栅格法对机器鱼工作空间进行划分,然后通过复制、交叉、变异等遗传操作得到机器鱼在由栅格表示环境下的最短无碰路径。根据分段控制和模糊控制的思想分别设计出机器鱼前进的速度控制算法和方向控制算法,使机器鱼的实际推进路线尽量与通过遗传算法得到的理想最优路径一致。再通过计算机向机器鱼发出相应的控制指令。实验结果表明,该方法的是有效的。     

基于二阶邻居网络拓扑的多机器鱼一致性研究

为加快多仿生机器鱼群体游动的一致性收敛速度,采用一种基于二阶邻居网络拓扑结构的多机器鱼控制模型来描述机器鱼之间的信息交换方式。为易于分析描述,用图论概念进行定义,将编队中的机器鱼构成＂多机器鱼队形图＂。探讨群体机器鱼系统一致性问题,利用数学模型进行一致性分析,并在水中机器鱼2D仿真平台上进行仿真分析。仿真结果表明,基于二阶邻居网络拓扑的多机器鱼有良好的一致性和快速的收敛性。     

基于位置反馈的多机器鱼编队控制

为实现多机器鱼的队形控制,在图论队形控制理论的基础上引入一种基于位置反馈的队形控制策略。介绍参考机器鱼的概念,在任一时刻都设定一个保持不动的参考机器鱼,其它机器鱼则根据当前参考机器鱼的位置及机器鱼之间的信息交互来调整其相对位置,使多机器鱼系统在有限时间内实现任意队形的形成。在水下机器人2D仿真平台上进行实验,并给出不同情况的实验结果。仿真结果表明：该方法整体性好,鲁棒性强,抗干扰性强,计算简单,可实现任意队形。     

一种不需要严正实条件的模型参考自适应控制

对于具有未建模动态ηn的系统（1）和（2）,考察了模型参考自适应控制问题。利用有界的外部激励和随机变向截尾技术,我们给出了一种类似于（1）的模糊参考自适应控制器的设计。对于这种控制器,我们证明了闭环系统是全局稳定的,建模部分的参数估计是0（ε）,且这种模型参考自适应控制器在lim supn→∞1/n∑^n i=0(Am(z)yi 1-Bm(z)zi^*-Cm(z)wi 1)^2≤0(ε^2) γ^2b1^2意义下是次优的,而其他文献中利用的严正实条件减弱为稳定性条件。     

基于最小二乘算法及神经网络的非线性离散系统的自适应控制

针对有关文献所设计的控制律，在一较弱的条件下，去掉了符号运算部分，证明该控制律可避免“零除”问题，提高了运算速度。对于这种基于神经网络和LS算法的自适应控制问题，证明了系统状态落入一紧集中，闭环系统的所有信号都是有界的，且系统输出和参考输出之间的跟踪误差收敛于以零为原点的某一有界球中。