一种新型神经网络滑模控制器的设计

针对滑模控制中存在的抖振问题,提出了一种新型神经网络滑模控制方法,该方法通过BP神经网络逼近系统滑动超平面与指数趋近律之间的函数关系,同时采用双曲正切激活函数代替滑模控制中的饱和函数,从而实现了滑模控制的边界层法设计。仿真实验表明,该方法有效地消除了滑模控制中的抖振现象。     

焊接柔性加工单元中熔池的实时控制

机器人焊接过程中熔池实时控制系统是焊接柔性加工单元 (WFMC)中保证良好焊接质量的一个重要子系统。文中建立了WFMC中焊接质量实时控制子系统并实现了该子系统与WFMC中央监控计算机的实时可靠通讯。在获得了焊接熔池特征参数的基础上 ,建立了焊接过程熔池正面参数和焊缝背面参数的神经网络模型。模型根据熔池正面参数可实时预测焊缝背面宽度。并设计了神经元自学习比例求和微分(PSD)控制器 ,通过调整脉冲峰值电流 ,实现了机器人脉冲钨极气体保护焊 (GTAW )过程中通过正面熔池传感对焊接焊缝背面宽度的实时控制。控制试验证明控制器可有效地对焊接过程进行控制     

柔索驱动并联机构的二型模糊神经逆控制

由于建立精确数学模型的困难以及控制过程中各种不确定性的存在, 柔索驱动并联机构的水平调节具有一定的难度. 针对该问题, 提出了一种基于二型模糊神经网络的逆控制方案. 该控制方案中的二型模糊神经网络实现了对水平调节过程逆动态的逼近以及对各种不确定性的处理. 采用迭代最小二乘算法对二型模糊神经网络区间权重进行了优化. 最后, 将基于二型模糊神经网络的逆控制方案在实际的控制对象上进行了实验, 并与其相对应的基于一型模糊神经网络的逆控制方案进行了比较. 实验结果表明所提出的控制方案是有效的且采用二型模糊神经网络时能获得更好的控制效果.     

概率近似正确的强化学习算法解决连续状态空间控制问题

在线学习时长是强化学习算法的一个重要指标.传统在线强化学习算法如Q学习、状态–动作–奖励–状态–动作(state-action-reward-state-action,SARSA)等算法不能从理论分析角度给出定量的在线学习时长上界.本文引入概率近似正确(probably approximately correct,PAC)原理,为连续时间确定性系统设计基于数据的在线强化学习算法.这类算法有效记录在线数据,同时考虑强化学习算法对状态空间探索的需求,能够在有限在线学习时间内输出近似最优的控制.我们提出算法的两种实现方式,分别使用状态离散化和kd树(k-dimensional树)技术,存储数据和计算在线策略.最后我们将提出的两个算法应用在双连杆机械臂运动控制上,观察算法的效果并进行比较.     

移动机械手结构设计

移动机械手的研究日益受国内外的重视，我国在移动机械手的理论方面刚刚起步，在实践上做的更少，机器人的系统结构是决定机器人性能的关键因素之一，本文以实验室自行设计的移动机械手为研究对象，详细阐述了移动机械手（移动平台及机械手）的系统造构，性能及运动控制等。     

机器人行为协调机制研究进展

针对行为协调机制的三个实现方法:仲裁、命令融合和机器学习进行了较为详尽的综述,同时探讨了这一研究领域的发展方向和需要解决的问题.􀁱     

Pendubot的一种分层滑模控制方法

针对Pendubot这类二阶欠驱动系统提出了一种分层滑模控制方法.该方法将系统状态分成两个子系统,分别构造滑动平面,采用Lyapunov方法求取总控制量,该控制量可以实现Pendubot的摆起控制,当系统接近平衡位置附近时,双层滑模控制器退化成单层控制器,这样又保证了Pendubot能够稳定在最终的平衡位置上.从理论上证明了各层滑动平面的渐近稳定性,并且通过仿真实验验证了该方法的有效性以及该控制器对各类扰动的自适应性.     

基于稳定性分析的一类欠驱动系统的滑模控制器设计

从稳定分析的角度提出了一种欠驱动系统的新型滑模控制方法．该方法将各个子系统的一个变量进行组合定义成一个中间变量，然后从这个中间变量出发构造滑模函数，通过求取总的控制量保证中间变量在有限时间内收敛到平衡点；进一步利用LaSalle不变性原理证明该收敛域内只有一个平衡点且是渐近稳定的．仿真实验进一步验证了该结论．     

一种全方位移动机械手的可操作度分析

将机械手可操作度的概念推广到移动机械手，定义了广义可操作度。建立了基于全方位移动平台的移动机械手的广义运动学模型。在广义可操作度概念的基础上，分析了全方位移动平台对机械手奇异位姿、可操作度及方向可操作度的影响，并与受非完整约束的差分移动平台对机械手的相应影响进行了比较。