六自由度机械臂约束预测控制系统的设计

本文提出了一种基于约束预测控制的机械臂实时运动控制方法.该控制方法分为两层,分别设计了约束预测控制器和跟踪控制器.其中,约束预测控制器在考虑系统物理约束的条件下,在线为跟踪控制器生成参考轨迹;跟踪控制器采用最优反馈控制律,使机械臂沿参考轨迹运动.为了简化控制器的设计和在线求解,本文采用输入输出线性化的方式简化机械臂动力学模型.同时,为了克服扰动,在约束预测控制器中引入前馈策略,提出了带前馈一反馈控制结构的预测控制设计.因此,本文设计的控制器可以使机械臂在满足物理约束的条件下快速稳定地跟踪到目标位置.通过在PUMA560机理模型上进行仿真实验,验证了预测控制算法的可行性和有效性.     

温度程序设定仪的研制

介绍一种实用、新颖的带微处理器的温度程序设定仪,具有使用简便,造价低,实用性强的特点.     

神经网络结构设计的准则和方法

神经网络结构设计一直是一个很有意义但又难以解决的问题，文中回顾并总结了近年来神经网络结构设计的研究状况。首先分析了在神经网络结构设计中应考虑的４个准则，即神经网络的函数逼近误差、网络结构的复杂性、网络的泛化能力和网络的容错性，随后从构造法、删除法和进化方法３个方面介绍了各种神经网络的设计，并提出了今后研究的展望。     

工业串联系统的多反馈预测控制

本文针对由一系列环节串联而成的工业对象,提出一种利用过程中间信息多重反馈的预测控制算法。其结构清晰直观,物理意义明确,设计简单规范。仿真结果表明,该算法具有较强的抗干扰性和鲁棒性。     

关于预测控制的进一步思考

关于预测控制的进一步思考席裕庚（上海交通大学自动化研究所，２０００３０）七十年代中期出现的预测控制算法，在经历了近二十年的发展后，已以其强大的生命力而为控制界所瞩目．面对预测控制的蓬勃发展，如果我们重温一下ｆｏｃｈａｉｅｔ等１９７８年在Ａｕｔｏｍａｈ...     

预测控制系统的鲁棒性分析

70年代中期以来,预测控制得到了迅速发展,并在工业过程中获得了成功的应用。但对其所表现出的很强的鲁棒性机理研究,确是很不够的。此文主要分析了预测控制最突出的优点之一——鲁棒性——的原因,即在系统数学模型与实际过程出现失配时,使控制性能保持在允许范围内的能力,优于传统最优控制的原因。分析认为,尽管实际系统中模型失配无法预知,但根据它的历史数据,仍有可能用时间序列的方法对未     

大系统的分散预测控制

分散控制是大系统理论中一种重要的控制结构,其主要特征表现为局部的决策只依据局部的信息。它在控制的实时性、经济性、可靠性方面带来了若干优点,但信息结构的限制常会导致控制时的信息不足,因而引起性能下降、稳定性变差等一系列问题。预测控制是过程领域内发展起来的一类新型计算机控制算法。与传统的最优控制相比,它有两个新特点:一个是用投影预测补充模型预测的不足;二是采用滚动时域的启发式优化。这些使预测控制对模型的要求低,并能考虑模型中未能顾及的不确定因素,控制的鲁棒性好。     

图形用户界面开发环境XWIN

介绍了中文图形用户界面发环境ＸＷＩＮ的实现，ＸＷＩＮ系统便用户在适合ＤＯＳＲ操作系统的场合快速发具有Ｗｉｎｄｏｗｓ图形界面的应用程序。     

全局信息不全的动态调度问题基于虚拟调度的两级滚动方法

This paper addresses the single-machine scheduling problem with release times mini-mizing the total completion time. Under the circumstance of incomplete global information at each decision time, a two-level rolling scheduling strategy (TRSS) is presented to create the global schedule step by step. The estimated global schedules are established based on a dummy schedule of unknown jobs. The first level is the preliminary scheduling based on the predictive window and the second level is the local scheduling for sub-problems based on the rolling window. Performance analysis demonstrates that TRSS can improve the global schedules. Computational results show that the solution quality of TRSS outperforms that of the existing rolling procedure in most cases.