一种新型的泵/马达变量机构

本文介绍了一种由高速开关系统控制的新型泵/马达变量机构。该变量机构是在传统的泵/马达变量机构的基础上,加以简单的高速开关阀而构成。它具有机构简单、变量准确、能够过零点操作以及响应速度快的特点,适用于运输车辆及工程机械等场合。     

模锻液压机同步平衡系统开关和比例贩自动调节特性分析

本文阐述了国产３００ＭＮ模锻液压机同步平衡系统活动模梁的自动调节机理建立了开关和比例两种控制方式不同步平衡系统的数学模型。对两处控制方式下同步平衡系统的自动调节特性进行了和比较。     

基于自适应模糊神经网络辨识的电液伺服系统L2增益设计

为克服电液伺服系统不确定性、非线性、估计误差和干扰等因素对系统稳定性和精度的影响，提出了基于自适应模糊神经网络辨识的电液伺服系统L2增益设计方法。用自适应模糊神经网络在线估计包括系统不确定性和非线性在内的未知动态特性，同时用增益自适应变结构补偿自适应模糊神经网络的估计误差，用系统L2增益设计方法抑制干扰对系统的影响，以期使系统对不确定性和非线性具有鲁棒性，而且从干扰到描述系统跟踪误差的评价函数的L2增益小于指定值。     

电液位置伺服系统的自适应模糊神经网络控制

将电液位置伺服系统分为已知规律的线性部分和包括非线性、参数不确定性、负载干扰等在内的未知规律部分，用模糊神经网络仅对未知规律部分进行在线估计，缩小了搜索空间，系统估计的精度得到改善，加快了收敛速度。同时，对模糊神经网络建模误差的界进行在线估计，使变结构控制增益由接近建模误差的估计值确定，克服了传统变结构控制因过于保守的鲁棒控制增益带来较大控制量而不易实现的缺陷。     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制，但是传统的模糊神经网络是一种静态映射，不适用于动态系统的辨识，而现实工程中的控制对象反映的是系统的动态行为．为了提高动态系统的辨识精度，提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法．仿真结果表明：由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据，对动态系统的辨识，特别是对具有纯时间延迟动态系统的辨识，较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果．同时，确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度．     

直接自适应动态递归模糊神经网络控制及其应用

针对某些仿射非线性系统中各状态变量间呈微分关系的特点,本文提出仅取某些可测状态变量 作为动态递归模糊神经网络(dynamic recurrent fuzzy neural network, DRFNN) 的输入,而由DRFNN 的反馈矩阵 描述系统内部动态关系的直接自适应DRFNN 控制算法,克服了将系统所有变量作为输入的传统模糊神经网 络(traditioanl fuzzy neural network, TFNN) 因某些不可测状态变量所导致的不可实现问题．在电液伺服系统中的 应用结果表明：直接自适应DRFNN 控制算法相对于TFNN 控制算法对系统稳态特性的改善具有较大的优越 性．     

基于自适应模糊神经网络的摩擦力分部补偿算法

针对液压位置跟踪系统中的非线性摩擦力，提出对摩擦力模型的不同分量分别进行补偿的分部补偿算法，以解决用模糊神经网络(FNN)对摩擦力整体进行补偿时，因摩擦力非光滑特性引起较大逼近误差的问题．实验结果表明，分部补偿算法能对摩擦力非线性进行有效补偿，使系统表现出良好的稳态跟踪性能。     

基于动态递归模糊神经网络的自适应电液位置跟踪系统

提出了动态递归模糊神经网络(DRFNN)以在线估计电液位置跟踪系统中包括非线性、参数不确定性、负载干扰等在内的未知动态非线性函数,基于lyapunov稳定性理论推导出DRFNN可调参数和估计误差的界的自适应律,并构造出稳定的自适应控制器.实验结果表明:基于DRFNN的自适应控制器可使电液位置跟踪系统具有较强的鲁棒性和满意的跟踪性能.     

双轨道IGBT自动上料装置的研制

针对IGBT目前暂无成熟的自动上料装置,在对IGBT上料工艺进行研究的基础上,研制了双轨道自动上料装置。该装置结构上由两条独立的供料轨道结合直角三坐标机器人构成;动力方面采用主、被动结合的方式。对上料轨迹进行了计算优化,通过对主动供料过程的仿真和实验平台的搭建,验证了上述设计的正确性。