基于广义双曲正切模型的机器人模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点，设计一种直接模糊自适应控制器用于机器人轨迹跟踪控制．模糊控制器的输入变量经过平移变化后得到的广义输入变量能够覆盖整个输入空间，因此，模糊控制器能以任意精度逼近系统的最优控制；由于双曲正切模型的特殊结构，在保证跟踪精度的同时，避免了因模糊子集数目增加而带来的计算负担的增加，满足了机器人实时控制的需要．仿真结果表明，该控制算法具有较强的鲁棒性和较好的跟踪性．     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.     

分数阶系统的分数阶PID 控制器设计

对于一些复杂的实际系统,用分数阶微积分方程建模要比整数阶模型更简洁准确.分数阶微积分也为描述动态过程提供了一个很好的工具.对于分数阶模型需要提出相应的分数阶控制器来提高控制效果.本文针对分数阶受控对象,提出了一种分数阶PID控制器的设计方法.并用具体实例演示了对于分数阶系统模型,采用分数阶控制器比采用古典的PID控制器取得更好的效果.     

基于C8051单片机的足球机器人小车系统设计

以微型足球机器人小车子系统为研究对象，通过分析当前各支足球机器人队伍的小车系统控制器使用的CPU的利弊，提出一种新的CPU解决方案。基于Cygnal C8051高速单片机依次给出小车子系统的硬件设计、软件设计，并对控制算法进行了研究，实验结果通过阶跃响应曲线证实了这种设计方案的有效性。     

具有不确定性重力补偿的无标定视觉伺服

文章首先叙述了视觉伺服的分类。给出了机器人动力学模型及其主要性质、自适应复合雅可比矩阵的具体推导过程。摄像机位于机器人末端的情况被考虑,给出了具有不确定性重力补偿的无标定PD视觉伺服控制器,而后运用李雅普诺夫方法对其进行了稳定性分析,结果证明系统能够渐近稳定。为了验证算法的有效性,针对一个二连杆eye-in-hand视觉伺服定位系统进行了仿真,仿真结果说明了算法的有效性。     

伺服问题的二自由度镇定控制器参数化

对于多输入多输出四块线性系统,本文研究了存在跟踪和干扰抑制约束的二自由度镇定控制器参数化问题,给出了一般条件下的伺服问题二自由度镇定控制器参数化表示。     

时延网络控制系统控制方法研究综述

本文介绍了网络控制系统的基本概念,分析了网络控制系统的优缺点,并主要针对网路控制系统中的时延问题,论述了6种时延网络控制系统控制方法:增广状态离散时间模型法、缓冲队列法、摄动法、随机最优控制方法、鲁棒控制方法、模糊逻辑调节法.本文对6种控制方法各自的特点和适用范围进行了较为详细地讨论,并对各自的优缺点进行了对比分析,对进一步研究适合于时延网络控制系统自身特点的控制方法进行了展望.本文研究的内容是当今控制领域研究的热点问题之一,无论对网络控制系统的研究与应用,还是对网络控制系统中时延问题的解决都具有一定的意义和参考价值.     

基于无参考质量评价模型的静脉图像采集方法

由于不同人的手背静脉属性间存在较大差异,因此对于不同静脉对象,在固定采集系统参数条件下很难都采集到高质量的静脉图像,这里提出了一种针对静脉特点的质量评价模型,并设计了基于评价结果的自寻优静脉图像采集方法.首先,提出了基于关键信息熵的测度函数,衡量了静脉信息的完整性;其次,提出了基于轮廓波分解的测度函数,用于评价静脉方向性信息的丰富性;再次,将两种测度函数融合,构成了客观的无参考的质量评价模型;最后,在图像自寻优过程中,提出了迭代淘汰机制,克服了最速下降法在寻优过程易陷入局部最优的缺陷.实验表明,提出的质量评价模型是可控的,且满足人眼视觉系统的视觉特性,同时,通过提出的迭代淘汰机制,降低了寻优过程的迭代次数,保证了采集系统的实时性要求.     

直接驱动机器人动力学模型的符号推导与仿真

首先探讨如何根据拉格朗日-欧拉方法,用符号计算软件Mathematica推导机器人动力学方程,而后导出一个具有三个旋转自由度的机器人的动力学模型;其次在考虑机器人动力学、关节电机驱动动力学以及机器人的加、减速情况下,对机器人进行动力学仿真,计算力矩控制器的仿真结果表明所建立的模型可用于机器人控制.最后由仿真分析结果,为直接驱动机器人设计提供依据并为其选择驱动电机.该机器人主要用于视觉伺服控制和非线性控制研究.     

基于感兴趣区域函数优化的静脉图像分割算法

提出一种基于局部感兴趣区域中熵与梯度函数优化的近红外手背静脉图像分割算法。该算法首先基于压缩感知理论对图像进行去噪。其次,通过条带波变换提取存在静脉信息的感兴趣区域,在这些区域中对建立的关于熵和梯度的函数进行约束与优化,实现静脉与背景分离。最后,融合所有区域的分割结果,完成静脉图像的分割。实验表明在处理近红外静脉图像分割问题时,该算法相对其它算法能保留更完整的静脉特征。此外,该算法对于具有纹理特征的指静脉、掌静脉图像的分割具有较好的借鉴价值。