神经网络控制系统的研究与展望

本文综述了近年来神经网络应用于控制领域的研究概况,并对其存在的问题和发展趋势作了讨论。     

人工神经网络A／D变换器

本文对［５］的４位人工神经网络Ａ／Ｄ变换器进行了研究．指出按其方法推广实现多位Ａ／Ｄ时存在突触电阻大小以至无法实现且抗干扰能力也不好的问题并给出了解决办法．同时对如何改善神经元转移特性的硬限幅曲线作了简单讨论．     

柔性机器人的控制

柔性机器人的控制周其节，徐建闽（华南理工大学自动控制系·广州，５１０６４１）一些应用领域要求机器人耗能低、快速和重量小，因而机构要设计得轻巧．如果对机器人运动的性能要求较高，则在设计控制器时必须考虑机械在运动中的弹性变形．近年来柔性机器人的控制问题已...     

用奇异模型描述的受限机器人的学习控制

本文了一类受限机器人的迭代学习控制方案，控制器的设计是基于机器人模型的降阶形式。在存在有界未知干扰的情况下，对末端操纵器受线性、无摩擦约束面的受限机器人。本文给出的控制方案保证了机器人系统的完全运动跟踪，同时保证了力跟踪误差有界的，且界的大小是可调节的。     

应用ART2人工神经网络自组织形成焊缝图象中的典型空间模式

应用ＡＲＴ２人工神经网络算法，使采集到的焊缝横截面方向上的灰度分布数据自组织形成若干种空间模式，并把它们作为典型空间模式存储在ＡＲＴ２人工神经网络的ＬＴＭ中。对实时采样到的灰度分布进行空间模式匹配程度检验，根据模式分布情况确定出焊缝位置。文中对梯度法检测结果进行了分析和比较，结果表明基于ＡＲＴ２人工神经网络的焊缝位置检测方法具有更强的噪声抑制能力，因而检测结果更准确、可靠。     

奇异摄动系统主导极点配置的一种方法

本文将奇异摄动系统看成是存在参数扰动的广义系统的一种特殊形式，然后利用广义系统特征结构配置来使广义系统的有限闭环极点尽可能接近奇异摄动系统的闭环主导极点，从而达到近似配置奇异摄动系统主导极点的目的。本文提供的算法是数值稳定的。     

机器人自适应模型跟踪变结构控制

本文提出了一种机器人自适应模型跟踪变结构控制方案.它具有所要求的瞬态特性,其 控制规律以显式的方式给出,而且不需知道系统参数的变化范围,因而适用于多关节的机器人 系统.     

机械手轨迹控制在自适应滑动模下的微机实现

本文针对具有两个回转关节的机械手,实现了自适应滑动模控制方法,试验结果证实了系统的良好跟踪性能和鲁棒性能。     

用输出反馈配置鲁棒极点*

本文讨论了线性定常多变量系统在时域上用输出反馈配置鲁棒极点的问题。用输出反馈配置极点时,有一些自由度,可以利用这些自由度指定特征向量。本文给出一种数值方法,它用于选择一组尽可能正交的特征向量,使闭环系统矩阵A+BKC尽可能接近正规,从而使闭环极点对于矩阵的系数变化是鲁棒的。     

自适应优化的模糊预测系统及其应用

本文设计并实现了一个模糊预测系统,该系统通过对历史数据的自适应学习获得初始的预测模型,借助实时数据的梯度信息对系统参数进行自适应优化,具有较强的适应性和自学习能力。以电力负荷预测为应用背景的一系列实验研究表明这一智能化的预测系统的性能是令人满意的。