机电系统中模糊与模糊神经元网络控制策略的研究

先进控制策略可以应用在机电运动控制中以有效地消除和补偿由静动摩擦力所引起的非线性特性。这种影响很难用常规控制方法加以消除。文章对机电运动控制中模糊与模糊神经元网络控制策略的应用进行了对比研究,用于对比的被控对象是一具有高度非线性摩擦力影响的直流电机。比较中对不同控制策略的特点进行了讨论。     

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%。     

陀螺稳定平台速度环的离散自抗扰控制

针对陀螺稳定平台在高精度定位下的控制精度受到速度环电机在低速运动时非线性摩擦力影响的问题,文章设计了一种改进策略的自抗扰控制器,将原系统中的非线性摩擦力与电机不同转向时的模型误差统一视为系统扰动,采用扩张状态观测器对这个扰动进行估计,前馈到控制量中进行校正。理论分析了一阶离散系统上扩张状态观测器的推导过程和稳定性条件,并采用遗传算法工具箱对针对平台所设计的扩张状态观测器的参数进行辨识。在仿真实验中,我们首先分析了所设计的扩张状态观测器的开环性能,然后将所设计的自抗扰控制器与实际系统采用的PI控制器的控制精度进行了对比分析。文章为进一步提高陀螺稳定平台的控制性能,提供了一种新的高精度的控制策略。     

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。     

基于ANFIS的非线性电机系统的建模

将一种神经—模糊结构—自适应神经模糊推理系统 (简称ANFIS)用于非线性电机系统的建模 ,获得了一个良好的大范围的全局非线性模型 ,同时 ,通过与反向传播网络建模结果的性能对比 ,说明ANFIS在参数收敛速度及建模精度上的优越性。显示出ANFIS是非线性系统的建模、辨识的有力工具     

基于ANFIS的非线性电机系统的建模

将一种种神经－模糊结构－自适应神经模糊推理系统（简称ANFIS）用于非线性电机系统的建模，获得了一个良好的大范围的全局非线性模型，同时，通过与反向传播网络建模结果的性能对比，说明ANFIS在参数收敛速度及建模精度上的优越性，显示出ANFIS是非线性系统的建模，辨识的有力工具。     

自适应控制策略在并联机构上的应用

利用并联机构的动力学模型，对自适应算法在并联机构上的控制效果进行了理论及其实际实验的研究。分别采用经典PD算法和基于计算力矩的自适应控制算法对实际的并联机构进行轨迹跟踪控制。实验结果表明。无论在低速或高速的情况下。自适应算法都能够获得具有更好的位置跟踪性能的高速高精度运动，并且运动过程更加平稳。     

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.     

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.     

绳索牵引并联机器人的双空间自适应同步控制

在绳索牵引并联机器人(CDPR)的运动过程中,关键的问题就是绳索必须保持张紧,且多根绳索之间需要相互协调.而且,模型参数的不确定性也会在一定程度上影响其运动控制,必须加以考虑.为了解决这些挑战,将绳长空间自适应同步与工作空间自适应补偿结合起来,提出了一种新型的双空间自适应同步控制器.通过绳长同步误差来表示绳索之间的协调运动,并通过双空间自适应的方法来实时补偿不同空间中的模型参数不确定性.随后,严格证明了双空间自适应同步控制系统的闭环稳定性.将实验结果与现有的增广PD控制器进行对比发现,提出的双空间自适应同步控制器可以显著地提高绳长的跟踪精度、改善绳索之间的协调关系,从而最终提高动平台的控制精度.同时,控制器中的自适应作用可以有效地补偿末端动平台的质量变化带来的影响.