基于摇杆滑块机构的外骨骼肘关节优化设计

针对当前上肢外骨骼肘关节活动范围受限和助力效果不佳的问题,设计了一种基于摇杆滑块机构的上肢外骨骼。通过D-H参数建立上肢体外骨骼机构的运动学模型,对其工作空间进行了分析。基于摇杆滑块机构进行上肢体外骨骼的结构设计,并对其进行力学分析,为气缸选型提供依据。基于ADAMS软件建立的参数化模型进行上肢体外骨骼肘关节尺寸优化,优化后的肘关节运动范围提升显著。通过ANSYS软件对关键部件进行了强度校核,搭建物理样机采集上肢肌电信号进行助力性能评估,验证了上肢体外骨骼机构具有较好的助力效果。     

基于虚拟样机的外骨骼关节力矩驱动特性分析

针对需要与人体高度偕行的外骨骼,采用基于运动生物力学分析方法,对外骨骼进行运动仿真。对人体运动分析,采用连续体离散化-离散体连续化的思路。连续体离散化利用高速摄像机与光学动作捕捉系统测试人体关节在人体运动时的空间三维坐标。离散体连续化采用最小二乘法对测试数据进行拟合分析得到可以应用于外骨骼人体运动模型。建立外骨骼虚拟样机,将人体运动模型应用于外骨骼虚拟样机中仿真,得到运动时外骨骼各关节处受力曲线,分析关节力矩驱动特性,其中最大受力和力矩都在左膝关节处,分别为450 N和68 N·m,对外骨骼设计制造时材料选择、结构设计有着重要作用。     

相邻交叉路口神经网络模糊协调控制的研究

以城市相邻交叉路口为研究对象,提出了一种相邻交叉路口的神经网络模糊控制的方法.将相邻交叉路口看作一个大系统,第1级控制各个单交叉路口,调整各方向的绿信比;第2级协调单元利用各路口测得的交通流数据,确定相邻交叉路口的周期和相位差.应用MATLAB编写了仿真程序,仿真结果表明,该方法可以有效减少相邻交叉路口车辆的平均延误.     

基于振荡器的助行外骨骼跟随助力控制研究

针对外骨骼机器人在辅助人体步行过程中存在的人机交互不协调问题,对人体运动意图识别方法以及外骨骼关节助力矩柔顺性控制进行了研究。通过分析人体正常步行过程中步态特征,提出了基于振荡器相角的运动意图识别方法;分别利用仿真计算和实验平台试验,对基于振荡器相角的外骨骼步行跟随助力控制原理及性能进行了验证,同时在实验平台验证了解决初始零位自动补偿和静止状态防抖的相应算法;进行了5名实验对象参与的助行外骨骼样机10 m步行试验。研究结果表明:穿戴助行外骨骼步行相比自由步行,平均步行速度提高了20.16%,且实验对象反馈外骨骼助力无突然的跳变或抖动;基于相角振荡器的助行外骨骼跟随助力控制,不但能准确适应人体行走步幅步速,而且能有效提供柔顺的髋关节助力矩,实现顺畅的自然步行。     

面向脑卒中恢复期患者的上肢外骨骼主动式力量训练器的设计

针对脑卒中恢复期患者的上肢力量训练及神经性训练对促进脑卒中患者完全康复意义重大。开发了一台上肢外骨骼主动式力量训练器,用于恢复患者的上肢肌力训练及运动控制能力训练。基于人体上肢运动规律及国人上肢尺寸,设计训练器结构。通过实验对阻力训练等级进行标定,通过均方根误差与标准偏差对训练器运动跟随能力和数据采集能力进行评估。实验验证了训练器的可行性,为恢复期患者上肢力量训练、控制能力训练提供辅助,为康复师制定训练计划提供参考。     

基于运动意图识别的上肢助力外骨骼复合控制方法研究

针对上肢助力外骨骼助力时响应延时问题,提出一种基于人机交互力信号、位姿信号数据融合的运动意图识别算法,使用支持向量机(Support vector machine, SVM)分类器对人体运动信号进行分类,确定穿戴者运动意图,对控制参数做出适应性调节,改变人机协同控制系统响应速度。采用果蝇优化算法(Fruit fly optimization algorithm, FOA)优化支持向量机,提高分类准确率;引入有限状态机(Finite state machine, FSM),处理非合理运动意图。为降低外骨骼控制系统跟踪误差,设计一种模糊控制与阻抗控制结合的复合控制方法,提高控制参数更新速度,实时调整轨迹。开展运动意图识别实验,结果表明,识别准确率可达97.93%,可快速检测出非合理运动意图,与使用肌电信号作为运动数据相比,降低信号处理难度的同时,保持了较高的准确率;通过控制系统性能仿真与外骨骼助力性能测试实验证明了控制方法的可行性。     

下肢外骨骼康复机器人的动力学建模及神经网络辨识仿真

针对下肢外骨骼康复机器人的灵敏度放大控制需要精确逆动力学模型的问题,通过Solidworks软件建立精确的三维实体模型,联合Matlab/SimMechanics建立下肢外骨骼康复机器人的动力学模型,以角度、角速度和角加速度作为输入信号,输出信号为髋、膝关节力矩,进行逆动力学仿真分析。将仿真后的输入输出数据利用BP神经网络进行训练并获得外骨骼逆动力学动态数学模型。仿真结果表明,该方法可以获得下肢外骨骼康复机器人精确的模型,并为进一步的实现外骨骼的灵敏度放大控制提供保证。     

自适应插值BP神经网络的ABS纵向车速估计

ABS作用下的纵向车速估计是实现汽车主动安全控制的基础。根据轮胎特性,确定最佳滑移率与路面附着系数的线性关系,将路面附着系数设为ABS控制的唯一输入,提出基于最佳滑移率的路面自适应ABS控制,仿真结果显示控制方法简单可行。针对传统BP算法的缺陷,给BP神经网络增加输入延时并采用粒子群算法优化BP网络的初始权值,提出了基于路面插值的BP网络车速估计算法,根据实时辨识的路面附着系数,对两个不同路面下网络的输出进行插值获取估计车速,验证不同路面和初始车速共25种工况下的车速估计绝对误差小于1.5m/s,相对误差小于5%。     

基于BP神经网络的覆盖件模具机加工成本估计

在分析常用的模具成本估计方法的基础上,提出了构造模具机械加工成本神经网络计算方法;同时,引入了测差样本方法,用区间估计来为模具机加工成本报价;以铸造整体结构拉延模具为例,利用企业的历史数据组成训练样本集,训练所形成的神经网络;并对前壁板上梁铸造整体结构拉延模具的机加工成本进行了估计.计算结果显示了该方法的可行性.     

基于神经网络的五相开关磁阻电机直接转矩控制系统研究

以五相开关磁阻电机为研究对象,对直接转矩控制方法进行了分析与研究,提出了一种 BP 神经网络 PID 与传统 PI 复合的新型调速策略.通过高速切换,在大速度误差下采用 BP-PID 控制调速,小速度误差下采用传统 PI 控制调速,使系统误差快速减小并保持稳定,同时在传统 PI 侧引入了以负载转矩差构成的变参数法,可以更好地抵抗外界干扰,提高系统响应速度.对五相开关磁阻电机调速系统进行了仿真实验,实验结果表明,这种控制策略能够有效抑制转矩脉动,调速性能优秀,系统动静态性能良好.     

神经网络自适应控制及其在电液伺服系统中的仿真研究

针对非线性系统控制和神经网络控制实时性差的问题,提出一种神经网络在线控制结构,做到了对象模型在线辩识和控制器在线设计。通过仿真研究,证明该方法有效。     

Electromagnetic Torque Estimation of a Three-Phase Induction Motor for Setting the Feedrate of a Milling Machine

In this paper, it presents a project of a fuzzy controller and a neural estimator to control a coordinate table powered by three-phase induction motor, aiming to implement an intelligent milling system. The position/speed control is performed using vector techniques of three-phase induction machines. The estimation of the motor electromagnetic torque is used for setting the feedrate of the table. The speed control is developed using TS （Takagi-Sugeno） fuzzy logic model and electromagnetic torque estimation using neural network type LMS （least mean square） algorithm. The induction motor is powered by a frequency inverter driven by a DSP （digital signal processor）. Control strategies are implemented in DSP. Simulation results are presented for evaluating the performance of the system.     

车辆半主动悬架神经网络控制研究

建立了车辆半主动悬架的1／4车辆模型，研究中主要以车身垂直加速度为主要控制目标。在仿真研究阶段，以白噪声、正弦渡和锯齿波为路面激励；与被动悬架进行对比分析了车身加速度、悬架动挠度、车轮动载荷三项指标，通过对振动响应量的均方根值分析，可以得出半主动悬架优于被动悬架，其中神经网络控制效果最好，表明神经网络自适应控制策略应用于丰主动悬架控制是可行的和有效的。     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

单神经元自适应PID控制在SRD中的应用

介绍了一种基于单神经元自适应控制算法及其在开关磁阻电动机调速中的应用;通过仿真这种算法在开关磁阻电动机调速中的应用,给出了基于这种算法的控制策略和控制程序的流程。     

Research on Power Control of Wind Power Generation Based on Neural Network Adaptive Control

-For the characteristics of wind power generation system is multivariable,nonlinear and random,in this paper the neural network PID adaptive control is adopted.The size of pitch angle is adjusted in time to improve the performance of power control.The PID parameters are corrected by the gradient descent method,and Radial Basis Functinn(RBF)neural network is used as the system identifier in this method.Simulation results shaw that by using neural adaptive PID controller the generator power control can inhibit effectively the speed and affect the output power of generator.The dynamic performance and robustness of the controlled system is good,and the performance of wind power system is improved.     

永磁同步风力发电机的神经网络自适应内模控制

为了提高永磁同步风力发电机的调速性能,结合自适应内模控制,将神经网络方法用于永磁同步风力发电机调速控制系统,设计了神经网络自适应速度控制器。基于MATLAB的仿真结果证明,神经网络自适应内模控制系统有很强的自适应能力和抗负载扰动能力,控制系统具有良好的静、动态特性。     

基于神经网络的卷烟共线分拣系统自适应控制

针对目前方法自适应控制卷烟共线系统时,由于未能依据Lyapunov函数确定系统的控制规律,导致在实施系统自适应控制时,存在控制效果差、控制误差高和控制性能低的问题,提出基于神经网络的卷烟共线分拣系统自适应控制方法。首先依据Lyapunov函数确定系统的控制规律,建立对象控制模型并使用前馈神经网络训练模型,优化控制器参数,完成控制器的设计;再利用控制器的参数建立线性和非线性2种自适应控制方法;最后通过制定的切换规则,完成自适应算法的平滑转换,实现系统的自适应控制。实验结果表明,运用该方法控制系统时,控制效果好、控制误差低以及控制性能高。