集成神经网络与自适应算法的分数阶滑模控制

针对被控对象的参数时变和外部扰动问题,本文融合神经网络的万能逼近能力和自适应控制技术,并结合分数阶微积分理论,提出了基于神经网络和自适应控制算法的分数阶滑模控制策略.本文采用等效控制的方法设计滑模控制律,并利用神经网络的万能逼近能力估测控制律的变化,结合自适应控制算法和分数阶微积分理论抑制传统滑模控制系统的抖震,同时根据Lyapunov稳定性理论分析了系统的稳定性,最后给出了实验结果.实验结果表明,本文提出的基于神经网络和自适应控制算法的分数阶滑模控制系统,能保持滑模控制器对系统外部扰动和参数变化鲁棒性的同时,也能有效地抑制抖震,使得系统获得较高的控制性能.     

融合强化学习和关系网络的样本分类

针对少量训练样本在深度学习算法中难以实现高精度分类的问题,提出一种融合强化学习和关系网络的小样本分类算法。采用图像预处理过程中基于强化学习的美学意识图像自动裁剪模型,通过构建美学意识奖励函数来输出最佳裁剪图像,从而保留图像最具特征部分。利用关系网络模型,将自动裁剪后的小样本图像中的训练样本图像与测试图像通过关系网络中的嵌入模块进行特征提取。将提取后的特征进行特征映射级联,并将级联后的特征映射馈送到关系网络中的关系模块中进行比较,将最终产生的0到1范围内的关系评分作为比较结果,从而判断测试图像所属的类别。在小样本数据集上进行实验并与现有方法进行对比,实验表明该方法能够实现较高精度的小样本分类。     

永磁同步电机伺服系统模糊分数阶滑模控制

针对传统整数阶滑模控制系统中的抖震问题,结合分数阶理论、模糊逻辑推理和滑模控制技术的优点,提出了模糊分数阶滑模控制策略.将传统滑模控制器中的整数阶切换面推广到分数阶并设计了全控制域滑模面,保证系统在整个控制域都具有较强的鲁棒性.采用模糊逻辑推理算法,实现了开关切换增益的自整定.仿真和实验验证了模糊分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统外部扰动的全局鲁棒性.     

数控连续区域短轨迹代码加减速处理算法研究

加减速控制方法是数控系统开发的关键技术之一,所以研究加减速控制方法具有重要意义.简单介绍了数控系统控制刀具轨迹运动的余弦加减速控制算法,并针对数控系统在处理大容量短轨迹NC代码时的运动加减速控制问题,提出了区域整体按余弦曲线加减速处理新的控制算法.实验证明,按照多段短轨迹代码整体按余弦曲线加减速规律进行控制,既能达到比较好的控制效果,满足加工的要求,又能解决海量短轨迹代码单段处理所产生的问题,更好的提高加工效率和加工质量.     

基于分数阶滑模控制技术的永磁同步电机控制

针对传统整数阶滑模控制系统中存在的抖震问题,本文提出了分数阶滑模控制策略并应用到永磁同步电机的速度控制.传统滑模控制器中的开关函数由作用在切换流型或其整数阶导数面推广到其分数阶导数面,利用分数阶系统的特性,缓慢地传递系统的能量,有效地削减抖震.本文采用模糊逻辑推理算法,实现软开关切换增益的自整定.仿真和实验证明,本文提出的分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统参数变化和外部扰动的鲁棒性.     

S曲线加减速控制新算法的研究

针对传统的多段S曲线加减速控制算法参数多、计算复杂的问题,提出一种S曲线的加减速控制新算法.实验证明:这种简单的控制算法能快速而又准确地预测运动轨迹,而且能保证速度的过渡平滑,加工精度高,确保数控系统对实时性的要求.