基于神经网络的机器人模型参考自适应控制的研究

提出一种新的基于神经网络的机器人模型参考自适应控制方法,采用动态对角回归神经网络作为辨识器和控制器,实现了机器人轨迹跟踪的最小误差控制,给出了神经网络的学习算法,通过实例仿真证明了控制方法应用于未知模型机器人系统的正确性和有效性。     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

自适应匹配场处理的运动补偿研究

本文研究了目标运动情况下的自适应匹配场处理运动补偿算法,并提出了强干扰背景下的子空间运动补偿算法,采用仿真验证了方法的正确性.     

基于匹配追随算法的摩擦力自适应辨识与补偿研究

提出一种基于匹配追随算法的摩擦力自适应辨识与补偿新方法,该方法利用正交多项式实现对系统中以摩擦力为主的非线性动态充分逼近与补偿,不要求任何摩擦力模型,相对于基于线性化模型的自适应补偿算法,该算法具有更高的优越性,基函数集的选取对该算法精度及计算量有重要影响,该算法给出了一种基于残差分析法的基函数集优选方法,最后,通过仿实验验证了该算法的有效性。     

数字电视中高精度运动检测的自适应运动补偿去隔行算法研究

运动自适应算法利用帧间运动信息来选择不同的插补方式实现去隔行，它是一种比较优异的去隔行算法，由于对动态和静态图象都有较好的处理效果，且算法复杂度和硬件占用适当，因此被广泛地应用于数字电视的去隔行电路中。本文针对此，初步探讨了数字电视中高精度运动检测的自适应运动补偿去隔行算法。     

基以于磁流变阻尼器的车辆悬架半主动控制研究——建模与直接自适应控制

利用磁流变液体的特点，采用磁流变阻尼器实现车辆悬架减振系统的半主动控制，由于磁流变液体的滞回特性及其在固液态之间的转换引起半主动悬架系统强烈和非线特性，为此，设计了神经网络直接自适应控制，仿真表明，由磁流变阻尼器和神经网络相结合实现的车辆悬架半主动控制系统能够较好地提高车辆的行驶平顺性。