基于自适应RBF神经网络的超空泡航行体反演控制

针对超空泡航行体姿轨控制普遍存在的模型不确定性问题进行相关研究.为此, 首先对其动力学特性进行分析, 并建立了超空泡航行体的动力学名义模型, 随后将其改写为不确定反馈系统, 然后利用反演控制方法设计超空泡航行体姿轨控制器, 针对模型中的未知函数利用径向基函数(Radial basis function, RBF)神经网络进行逼近并补偿, 由基于Lyapunov稳定理论设计的自适应方法计算神经网络的权重, 并给出稳定性证明.仿真研究验证了控制器设计的有效性.     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题,采用了一种RBF神经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性,通过对径向基神经网络来自适应学习并补偿,逼近误差通过滑模控制器消除,神经网络权重的自适应修正规则基于Lyapunov函数方法得到;而非参数不确定通过鲁棒控制器来实时自适应...     

基于阿克曼原理的4WID/4WIS汽车循迹控制研究

针对四轮独立驱动、独立转向汽车循迹控制精度和转向稳定性兼容问题,同时考虑减小轮胎磨损,延长轮胎使用寿命,本文基于阿克曼转向原理和RBF神经网络PID理论,提出了一种自适应的循迹控制方法.首先,设计了基于RBF神经网络PID理论的自适应转向控制器,用于控制前内轮转角,保证循迹精度;其次,后内轮以减小质心侧偏角为目标进行辅助转向,保证转向稳定性;接着,基于阿克曼转向原理,确定外轮转角,保证各轮侧偏力分配合理;最后,采用同一瞬心法,确定各车轮转速,以减小轮胎滑动率.本文搭建了CarSim和MATLAB/Simulink联合仿真平台,进行了仿真实验,结果表明：本文提出的循迹控制方法,不仅能获得较小的循迹偏差和质心侧偏角,保证了足够的循迹控制精度和转向稳定性,同时还减小了轮胎滑动率,有利于减小轮胎的磨耗.     

飞行器自适应神经网络时滞控制

在飞行器稳定性控制问题的研究中,针对含有外部扰动、参数不确定性、状态和控制时滞的非线性飞行器系统,提出了一种时滞状态反馈控制与神经网络自适应估计相结合的方法.对非线性系统线性化处理得到飞行器线性模型,并由线性矩阵不等式(LMI)设计反馈控制律;采用径向基函数(RBF)神经网络自适应在线估计策略,对反馈控制律进行补偿以消除未知非线性影响;采用Lyapunov稳定性理论证明了在所设计控制律作用下,闭环系统渐近稳定同时满足H∞性能指标.仿真结果验证了上述方法的可行性及有效性.     

基于神经网络补偿的高超声速飞行器滑模控制

针对吸气式高超声速飞行器的轨迹控制问题,提出了一种基于自适应径向基函数(RBF)神经网络的滑模控制方法.建立了高超声速飞行器的纵向动态模型;设计了滑模控制器,利用自适应RBF神经网络对系统不确定项进行在线逼近,对滑模控制器进行补偿;基于李雅普诺夫的稳定性分析证明了闭环系统的稳定性.仿真结果表明:控制系统能够实现对于高超声速飞行器给定指令的有效跟踪.     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

Ｓｔｅｗａｒｔ主动隔振平台的神经网络自适应控制

针对Stewart主动隔振平台,提出一种基于径向基函数(RBF)神经网络的多输入多输出自适应隔振控制方法.考虑外界振动对Stewart主动隔振平台动态特性的影响,建立了隔振平台在工作空间中的动力学模型.推导出RBF神经网络的权值矩阵、高斯基函数中心和宽度的在线自适应调节律,以使神经网络快速逼近系统的非线性动态函数.应用Lyapunov稳定性理论,证明了在扰动力和神经网络逼近误差有界的条件下,闭环控制系统滤波误差和RBF神经网络各调节参数估计误差的一致最终有界.仿真结果表明,该控制方法能有效地抑制不同方向的低频有界振动.     

不确定机器人的神经网络轨迹控制

针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案.对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛速度.而且在考虑神经网络失效的情况下,仍能保证系统具有良好的鲁棒性.网络权重的自适应修正规则基于Lyapunov函数方法得到,它保证了跟踪误差的全局渐进稳定性.试验结果证明了这种控制算法的有效性.     

基于局部模型逼近的一种绳牵引并联机器人自适应径向基神经网络控制

为了保证风洞试验绳牵引并联机器人(WTT–WDPR)末端执行器的位姿,提出了一种基于局部模型逼近的自适应径向基(RBF)神经网络控制.采用牛顿–欧拉法建立了飞机模型的动力学方程,并基于动态力矩平衡方程建立了驱动系统的动力学方程.采用RBF神经网络进行了局部模型的逼近设计和控制律设计,并通过构建Lyapunov函数对系统...     

分簇传感器网络中时延约束下移动sink 的路径优化

在分簇传感器网络中引入移动sink, 用于协助其上层网进行数据汇聚. 为解决时延约束与节能需求间的矛盾, 提出一种基于效用优先级和反效用优先级的移动sink 路径优化选择算法. 依据最小能耗原则首先为非访问节点设计了数据迁移路径寻找方案, 随后在此基础上提出一种基于节点效用优先级的访问点集贪婪构造算法, 并基于反效用优先级为其设计了两种优化方案. 仿真实验验证了所提出算法的有效性, 保障时延要求的同时最大限度地降低了网络能耗.

     

严格反馈非线性系统预设性能backstepping 控制器设计

针对一类具有一般形式的严格反馈非线性系统,提出一种基于预设性能的backstepping控制器设计方法.所谓预设性能是指在保证跟踪误差收敛到一个预先设定的任意小的区域的同时,保证收敛速度及超调量满足预先设定的条件.首先引入性能函数的概念,通过误差转化将原始的受限系统转换为等价的非受限系统;然后基于Lyapunov理论进行backstepping控制器的设计,并进行了稳定性分析;最后通过仿真实验验证了所提出方法的正确性.     

Lambert 问题的改进算法

针对固定时间轨道转移的Lambert 问题, 提出一种航迹角迭代法改进求解策略. 通过引入双三次样条插值函数, 构造出关于转移时间、位置矢量以及初始航迹角的二维拟合函数; 然后利用此构造函数重新定义初始迭代值, 用于提高迭代效率. 通过假设检验和仿真对比实验, 改进的航迹角迭代法与经典方法相比较, 具有迭代效率高、运算速度快等优点.

     

混合型异构传感器网络中移动数据收集器的路径优化

针对周期工作-事件驱动混合型异构传感器网络, 设计一种基于静态Sink 搭配移动数据收集器(MDC) 的数据收集策略. 为了解决MDC访问规划问题, 提出一种最小能耗访问节点集搜索算法. 首先, 基于节点相对边缘度从整体层面去除适量边缘节点; 然后, 依据节点排除优先度, 迭代排除当前节点集中相对能效最低的节点, 从而逐步获得优化的访问节点集. 仿真实验结果表明, 所提出的新数据收集策略具有优异的能效性、负载均衡性和实时性.

     

考虑低碳消费者行为和专利保护的再制造产品定价决策

考虑人们对再制造产品的偏好及专利保护, 建立基于不同消费者群体支付意愿的需求模型, 研究新产品和再制造品的定价决策. 结果表明: 低碳消费者比例和普通消费者对再制造品的接受程度同时影响定价决策; 无论是否存在专利保护, 低碳消费者比例始终影响再制造商的定价策略, 而原制造商的定价策略只有在普通消费者对再制造品的接受程度较低时, 低碳消费者比例才会影响其定价策略; 在有专利保护时, 再制造商倾向于高价策略.

     

基于概率路标的机器人狭窄通道路径规划

针对机器人工作空间中存在狭窄通道时,基于概率路标图的路径规划法不能有效提高狭窄通道中路标分布的合理性,研究一种基于狭窄通道辨识的混合路标规划法的混合路标采集策略,利用星形试验法辨识出狭窄通道形状,增加狭窄通道中的路标密度,使全局路标分布合理化,提高了路径规划的效率.二维和三维配置空间中的仿真实验验证了该算法的有效性.     

基于粒子群优化的大规模传感器网络节点调度策略

针对资源受限条件下大规模无线传感器网络中协作目标跟踪问题,提出一个基于粒子群优化的节点调度方案.该方案利用高斯粒子滤波算法和方差交叉融合算法获得目标状态预测信息,进而选择下一时刻簇成员节点,并构造了通信能耗的代价函数,利用粒子群优化方法选择最佳的簇头节点,减少了节点调度的计算复杂度,同时保持了较好的跟踪精度.仿真结果验证了所提出方案的有效性.     

非完整移动机器人群体的优化蜂拥控制

考虑到非完整移动机器人群体蜂拥运动过程中保持位置拓扑全局连通的性能,提出一类基于局部信息交互的优化蜂拥控制算法.利用趋向局部最小外接圆圆心位置的控制方式维持群体位置拓扑在运动过程中的全局连通性,保证群体位置的聚合;结合角度控制和贝塞尔曲线规划个体的运动路径,在路径长度阈值的限定下,通过粒子群算法求取个体的优化目标方向角,保障群体运动方向的匹配;最后给出了可行的避碰方案.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

带执行器饱和的N 连杆机械臂输出反馈动态面控制

针对带执行器饱和的多关节刚性机械臂系统,提出一种基于RBF神经网络补偿的输出反馈动态面控制.通过观测器实现角速度的观测,采用RBF网络实现执行器饱和的补偿;通过Lyapunov方法证明闭环系统的稳定性,实现高精度的角度和角速度跟踪.仿真结果表明,所提出的方法能够有效补偿系统存在的执行器饱和,显著减小跟踪误差,并且对于外界干扰具有一定的鲁棒性.