基于事件的设计与控制技术及其在机器人系统中的应用

基于事件的设计与控制技术已经引起人们的广泛关注,其基本思想就是引入与系统输出相关的运动参考变量(action reference),在任意时刻使系统给定量的输入以及系统的设计都转化为这个参考变量的函数,使系统的设计部分与控制器一样成为系统的决策部件,从而使系统具备处理突发性、不确定性事件的能力,可以根据系统的实际输出来实时、自动地调整系统的输入,实现对系统的实时控制．机器人系统是一个智能控制系统．机器人间的协调协作是其智能性的主要表现．本文首先对基于事件的控制理论及其发展做了回顾,然后介绍了基于事件的控制技术在机器人队形保持、机器制造、多机器人协作等系统智能控制中的应用,实验证明该方法可以取得很好的智能控制效果,提高系统的控制性能．最后探讨了这一研究领域的发展方向．     

地铁列车的追踪间隔控制模型与仿真

在分析列车区间追踪间隔时间、车站追踪间隔时间的基本概念以及影响因素的基础上,建立了城市轨道交通在不同信号系统下的列车区间追踪间隔和列车车站追踪间隔模型．给出了相应的列车追踪间隔时间的计算方法．应用MATLAB软件进行了验算并对仿真结果进行分析．     

多PCA模型及SVM-DS融合决策的服务机器人故障诊断

针对轮式服务机器人驱动系统故障诊断问题,提出一种基于多主成分分析(principal component analysis,简称PCA)模型及支持向量机和DS证据理论(support vector machine and dempster-shafer,简称SVM-DS)融合决策的故障诊断方法,分别利用正常状态和故障状态下的传感器数据建立多个PCA模型。利用正常状态下的PCA模型实现故障的检测。传感器数据经多PCA模型特征提取后作为SVM的输入向量,实现故障的初步分离。基于混淆矩阵定义SVM的全局及局部可信度,并依据可信度值和故障初步分离结果完成基本概率分配函数的赋值,以实现SVM和DS证据理论在故障分离中的有效结合。实验结果表明,本研究方法能灵敏检测到机器人驱动系统故障的发生,故障分离平均正确率达92.6%,与传统单PCA模型的方法相比有更高的正确率和稳定性。     

智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.     

基于编队技术的地铁列车运行控制研究

首先分析了移动闭塞条件下地铁列车的运行规律,建立了地铁列车的动力学模型,研究移动闭塞条件下地铁列车车组间的控制,采用基于事件的控制理论和编队技术降低列车间的最小追踪允许间隔,在保证不撞车以及尽量减少站外停车的前提下,提高地铁线路的通过能力,并且能够方便地实现系统的重新配置以及各子系统间的协调协作。以相邻的三列列车运行为例,研究在移动闭塞条件下后续列车的控制策略,根据列车的走行距离以及前后列车间所要求保留的安全距离,动态调整列车的运行速度、加速度。     

用基于事件的控制技术求解地铁列车运行时间优化问题

分析了地铁列车运行过程中的受力情况，建立了地铁列车的力学模型；将基于事件的控制技术应用到地铁列车的控制中，通过引入运动参考变量，求出在以站间最小运行时间为最终目标的列车控制中，列车速度、加速度等关于列车运行距离的函数表达式，从而可以根据列车走行距离来实时调整和规划地铁的运行规律，避免人为因素或不确定性因素导致的列车运行晚点，为研究地铁列车的规划提供了一种新的方法．仿真结果表明了该方法的有效性．     

用于地铁列车的智能行车控制方法

在详细介绍地铁列车运行过程中各种影响因素的基础上,研究地铁列车的运行规律,建立地铁列车的力学模型;将基于事件的控制技术应用到地铁列车的站间运行控制中,通过引入运动参考变量,求出在以站间最小运行时间为目标的单列列车控制中,列车运行速度、加速度关于列车走行距离的表达式,根据列车走行距离实时调整规划列车的运行。仿真结果表明,运用基于事件的控制技术来对列车站间运行进行控制,相对其他方法,无论在列车实际运行时间上,还是乘客乘坐的舒适性上都有很大程度的改进。