利用相位的自旋1/2量子系统的相干控制

针对两个自旋1/2粒子组成的封闭量子系统, 建立了具有Ising相互作用的量子系统模型. 在此基础上通过具有特定幅值及相对相位的半反直觉脉冲, 制备了相应的量子相干态. 并通过系统数值仿真实验, 归纳出系统终态与相对相位之间的近似关系式, 分析了控制脉冲的幅值和时间延迟对制备过程的影响. 利用部分绝热通道技术实现了相位相干控制.     

时变不确定非线性系统自适应滑模跟踪控制

针对一般的具有时变且界未知的非线性不确定性的单输入多输出非线性系统,提出一种自适应滑模跟踪控制器的框架.在该框架内,系统的时变且界未知的非线性不确定性可以通过函数逼近技术(FAT)表示成为一组正交基函数序列的组合,并通过滑模控制技术和直接Lyapunov方法获得基函数系数的更新律以及对不确定性逼近误差的在线自适应补偿,从而得到自适应的滑模控制律.所提出的基于函数逼近技术的自适应滑模跟踪控制策略在直流电机跟踪控制系统实验装置上进行了实际控制实验,并进行了性能的对比与分析.     

基于深度神经网络的多指灵巧手抓取手势优化

基于深度神经网络模型,提出了一种适用于多指灵巧手的抓取手势优化方法。首先,在仿真环境下构建了一个抓取数据集,并在此基础上训练了一个卷积神经网络,依据目标物体单目视觉信息和多指灵巧手抓取位形来预测抓取质量函数,由此可以将多指灵巧手的抓取规划问题转化为使抓取质量最大化的优化问题,进一步,基于深度神经网络中的反向传播和梯度上升算法实现多指灵巧手抓取手势的迭代与优化。在仿真环境中,比较该网络和仿真平台对同一抓取位形的抓取质量评估结果,再利用所提出的优化方法对随机搜索到的初始手势进行优化,比较优化前后手势的力封闭指标。最后,在实际机器人平台上验证本文方法的优化效果,结果表明,本文方法对未知物体的抓取成功率在80%以上,对于失败的抓取,优化后成功的比例达到90%。     

理想条件下混合态量子系统的Lyapunov稳定化策略

在假定被控系统满足非退化、没有退化跃迁和完全连通的理想条件下,借助于带有附加自由度的Lyapunov函数研究了混合态量子系统的稳定化问题.基于LaSalle原理推导了闭环系统的最大不变集和任一初始态下的收敛状态集,给出了系统对最大不变集中任一平衡态渐近稳定化的自由度的构造原则.最后通过一个两能级系统的数值仿真,验证了所得理论结果的正确性.     

绘制任意图形的两自由度机器人软件系统

在两自由度机器人原有软件系统的基础上，开发出了独立的绘图面板的服务程序。利用标准化的Windows操作系统环境。以动态链接库的方式提供独立的、可方便扩展的人机交互界面以及便捷的操作功能，不仅使原来仅能作简单示教的功能扩展成可以绘制具有复杂数学关系式的二维图形，而且使操作者通过鼠标操作就可以便捷完成任意的手画图形曲线的绘制。所开发的软件操作系统具有良好的可扩展性和通用性，利用同样的思想，还可以进一步为控制系统添加网络和视觉功能。     

量子力学系统与双线性系统可控性关系的对比研究

在界定了双线性系统、矩阵系统和右不变系统后,归纳出已有的3种不同系统的可控性定理,重点放在对右不变系统的可控性定理的总结以及与双线性系统可控性之间的关系上,特别强调了它们的可控性定理主要是根据李群、李代数的特性来判断的,以类似方法详细分析各种不同情况下的量子系统的可控性定理,通过对比,指出现有的有关量子系统可控性定理与双线性系统可控性定理之间的对应关系,由此揭示每一种量子系统可控性定理的适用情况以及各种不同量子系统可控性概念之间的相互关系.     

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器（PID-like Neural Network Controller，PIDNNC）及其设计方法．基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长，创建一种具有PID结构的多变量自适应的PID型神经网络控制器．该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成．通过定义误差函数作为设计目标，采用弹性BP算法，并用变化率以及弹性BP算法中的符号法来处理某些求导关系，获得适于实时在线调整网络权值的修正公式．根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围．最后通过实例进一步说明所提出网络控制器的优越性．     

两种补偿动态摩擦力的先进控制策略

在小型DC伺服电机中,静摩擦力和库仑摩擦力的影响是相当明显的.本文提出 了改善系统响应特性的两种控制策略.第一种基于摩擦力模型的在线补偿.适用于变化信 号的跟踪.第二种基于自学习原理的重复控制,适用于周期信号的跟踪.两种控制策略均已 实施在计算机控制的伺服系统中.给出了与常规控制结果的对比.     

局部递归神经网络控制器及其应用

基于人工神经网络提出了一种局部递归神经网络控制器。在描述了带有输出反馈和激活反馈的网络控制器的结构组成并定义了作为设计目标的误差函数后，采用带有弹性的梯度下降法，获得适用于实时在线调整权值的修正公式，给出了所提的网络控制器的设计步骤及其控制策略。将所提出的网络控制器应用到典型的单级倒立摆的实验系统中，将实验所获得的结果与LQY方法的实验结果进行了对比。     

陀螺稳定平台扰动的自抗扰及其滤波控制

分析了影响陀螺稳定平台隔离控制精度的主要因素,包括被控系统模型中的未建模部分、状态的随机扰动以及输出信号的测量噪声等。研究了综合解决各方面影响因素的控制方案以进一步提高陀螺稳定平台隔离精度。针对上述影响因素,设计一个两步控制策略。第一步,利用自抗扰对系统中未建模部分进行观测及其前向补偿,将自抗扰控制中的反馈控制设计为PID控制,以实现抗平台扰动的调节控制;第二步,利用Kalman滤波器对系统中的状态扰动及测量噪声进行滤波消除。详细描述了提出的控制策略并对其性能进行了系统仿真实验及参数优化。结果表明,该方案在幅值为3°、频率为1/6Hz的载体扰动下能达到4.61%的隔离度,与非线性摩擦力建模辨识及其前向补偿策略控制实际陀螺稳定平台达到的隔离度的最好值9.39%相比,文中提出的控制隔离性能提高了50.9%,具有更高的实用价值。