计算机辅助设计控制系统——THCADCS

大型软件包THCADCS的总体结构及其各个模块的主要功能,系统的主要特点和应用领域.     

基于过程输入输出变化关系的模糊建模方法

针对难以建立精确数学模型的复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。首先按过程输出随输入变量变化的程度对输入变量论域进行划分,在此基础上确定模糊模型的规则总数和前件参数;然后根据所建模糊模型可表示为一个前馈模糊神经网络,利用BP学习算法求得过程模糊模型的后件参数。仿真例子验证了模糊建模方法的有效性,同时表明所建模糊规则模型较好的泛化能力。     

机器人喷涂过程中的喷炬建模及仿真研究

本文在研究了喷涂机器人的喷炬特性后，根据物理模型采用了一种简化的数学模型来 描述在喷炬流场中的涂料流量分布函数．并从上述函数出发，进一步得到了喷涂的涂料沉积 方程．根据仿真实验与实际喷涂的数据进行比较，证明了模型的正确性．这一喷炬模型是喷 涂机器人离线编程系统的重要组成部分．     

网络控制系统的发展现状及展望

探讨了网络控制系统存在的基本问题, 介绍了网络控制系统的代表性应用实例, 并从控制理论研究、网络调度协议研究以及兼顾二者的综合研究3个方面重点综述了网络控制系统的研究成果. 最后, 讨论并指出了这一领域下一步的发展方向和有待解决的新课题.     

结构化状态空间中的递阶再励学习方法

在状态空间满足结构化条件的前提下,通过状态空间的维度划分直接将复杂的原始MDP问题递阶分解为一组简单的MDP或SMDP子问题,并在线对递阶结构进行完善.递阶结构中嵌入不同的再励学习方法可以形成不同的递阶学习.所提出的方法在具备递阶再励学习速度快、易于共享等优点的同时,降低了对先验知识的依赖程度,缓解了学习初期回报值稀少的问题.     

递阶再励学习中Option的自动发现与生成

Option的自动发现与生成是递阶再励学习的难点之一,论文提出探索密度检测(ED)法,通过检测状态空间中的探索密度来发现并构建Option。和现有的方法相比具有和任务无关、不需要先验知识等优点;能很好地工作于完全未知的环境中;并且构造出的Option,在同一环境下不同任务间可以直接共享。     

非线性系统神经网络自适应控制的发展现状及展望

简要回顾了神经网络控制及其应用的发展历程,重点论述了人们在连续、离散时间非线性系统的神经网络以及神经模糊稳定自适应控制研究方面所取得的主要进展,探讨了神经网络自适应控制研究方面存在的主要问题及解决问题的基本途径.作为当前解决神经网络自适应控制问题的途径之一,介绍了近来人们对二阶模糊神经网络以及量子神经网络的研究.最后,总结并指出了这一领域下一步的发展方向和有待解决的新课题.     

基于ENOVIA PM 系统的产品数据管理技术研究及应用

概述了产品数据管理（PDM）技术的基本概念、体系结构和功能．从某企业在实施C IMS/并行工程的过程中，采用IBM ENOVIA PM系统，进行了产品数据管理的管理模型和信息 模型的建立、PM系统的汉化、信息的统一编码和创建基于Web技术的协同工作平台等有关技 术的研究及应用．     

无人直升机模态转换控制器的设计

无人直升机具有多种特点,应用前景极为广泛。但它在几种模态转换的过程中,存在着很大的不确定性,建模困难,很难实现工作模态的平稳转换。该文基于直升机模态转换期间的近似动力学模型,利用模糊逻辑的方法设计出一种模态转换控制器,并基于灵敏度分析方法,提出一种判定系统李亚普诺夫稳定的方法。仿真实验表明所设计出的控制器较好地解决了模态之间的平稳转换问题,并验证了所设计的控制系统满足李亚普诺夫稳定性,取得了满意的结果。     

采样非线性系统的动态神经网络稳定自适应控制

研究了一类采样数据非线性系统的动态神经网络稳定自适应控制方法.不同于静态神经网络自适应控制,动态神经网络自适应控制中神经网络用于逼近整个采样数据非线性系统,而不是动态系统中的非线性分量.系统的控制律由神经网络系统的动态逆、自适应补偿项和神经变结构鲁棒控制项组成.神经变结构控制用于保证系统的全局稳定性,并加速动态神经网络系统的适近速度.证明了动态神经网络自适应控制系统的稳定性,并得到了动态神经网络系统的学习算法.仿真研究表明,基于动态神经网络的非线性系统稳定自适应控制方法较基于静态神经网络的自适应方法具有更好的性能.