导电聚合物驱动器悬臂梁模型建立及柔性抓取装置设计

基于导电聚合物具有柔韧性好、驱动电压低、能耗小等特性,采用自制的多层弯曲型导电聚合物驱动器搭建实验系统,依据等效悬臂梁理论建立驱动器力学模型。通过测量驱动器的弯曲变形量建立偏转位移与电压、长度的函数关系式,并且计算出等效均布载荷值。实验结果表明,驱动器偏转位移与电压、长度成线性关系;当驱动电压达到1.0 V时,驱动器偏转速度趋于稳定,且偏转效果最佳。为改善普通微操作装置结构复杂、能耗大的缺点,采用导电聚合物智能材料设计并制作出微型手爪制动器,最后验证了手爪可稳定抓起0.0111 g左右的重物。     

导电聚合物生物传感器的研究进展

导电聚合物因其良好的导电性能,可作为分子导线使电子在生物活性物质与电极间直接传递,是构建生物传感器的一种新材料。主要讨论了导电聚合物生物传感器的构建、生物活性物质的固定化。简要地回顾了此类生物传感器在医学、食品工业和环境监测等领域中的应用。     

导电聚合物及其在生物传感器构建中的应用

导电聚合物最重要的性质就是其导电性,它可以作为分子导线,使电子在生物分子与电极表面直接传递,显著提高生物传感器的响应、灵敏度和稳定性.主要介绍了导电聚合物的结构特征、基本性能、分类、研究现状、用途及其在传感器构建中的应用,并对导电聚合物在生物传感器中的发展趋势与应用前景进行了展望.     

压电陶瓷驱动器的建模分析与自适应逆控制

压电陶瓷驱动器的迟滞特性可用 Prandtl- Ishlinskii启动模型 (PIOP)描述 ,基于此本文提出一种自适应逆控制方案 .对象和逆控制器分别由一个 Prandtl- Ishlinskii停止模型 (PIOS)表示 ,应用稳定的归一化修正梯度算法 ,进行权值在线更新并收敛于驱动器逆模型实际值 .以降低非线性导致的控制误差提高控制品质     

共轭导电聚合物及其在传感器中的应用

分析了共轭导电聚合物的结构特征和导电机理，综述了共轭导电聚合物在离子传感器、气体传感器、湿度传感器和生物传感器中的应用和原理，并展望了共轭导电聚合物在传感器中的研究方向和应用前景。     

一维导电聚合物研究新成果

聚吡咯作为目前研究最广泛的一种导电高分子材料,在各种器件上（如电池、电容器、生物传感器和DNA芯片等）具有广阔应用前景。近年来,科研工作者开拓了一系列新型合成方法,以制备具有不同纳、微米结构的聚吡咯。     

基于神经网络的动态系统逆模型辨识及闭环控制

本文提出一种动态线性或非线性系统的神经网络逆模型辨识结构，并引出两种ＰＩＤ与神经网络逆模型相结合的自适应控制方案，神经网络模型采用基于Ｕ－Ｄ分解卡尔曼滤波学习算法（ＵＤＫ）的动态前向多层网、仿真结果表明了所述辨识方案的有效性及特点 。     

模型参考逆方法及其在非线性时变控制系统设计中的应用

给出一种基于模型参考最优化方法和逆系统方法的非线性时变控制系统的设计方法,并将基仙模型参考自适应才逆系统方法进行了比较。将这一方法用于非线性与时变控制系统,仿真研究表明,该方法不仅简单易行、鲁棒性强,而且具有极好的控制效果。     

基于Hammerstein-Wiener逆模型补偿的预测控制非线性变换策略

针对一类Hammerstein-Wiener模型描述的非线性控制系统,提出一种基于逆模型补偿的预测控制策略.在控制优化计算中,利用Wiener非线性环节的逆模型分别对系统输出设定值和采样值进行变换;控制实施过程中,将控制器输出操作量经过Hammerstein静态非线性环节模型逆变换后施加到实际被控对象上,通过两次逆变换,使得标称模型下控制器输出与闭环系统中线性环节的输入相一致.通过非线性变换补偿将非线性过程的控制转化为线性系统控制,避免了对非线性模型进行优化计算量大及预测不准确的问题.最后通过仿真验证了所提方案的可行性及有效性.     

基于LSSVM逆系统在污水处理系统DO控制中的研究

针对污水处理控制系统的非线性及时变等特点,在分析常规PID控制和模糊控制不足的基础上,以溶解氧DO为控制对象,提出一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,具有更好的抗干扰能力和鲁棒性。     

工业机器人自适应逆模控制

本文提出一种关节型机器人的自适应逆模控制结构,采用机器人关节的等效线性系统的逆系统模型和满足可实现性条件的滤波器来构造相应的控制器,并由自适应机构在线建立和修改逆模的参数,使机器人的实际运行轨迹渐近地再现希望轨迹。仿真实验结果表明:采用本方案构造的控制系统响应速度快,跟随精度高、抗干扰能力强。此外,系统结构简单,易于实现。     

永磁直线同步电动机的模型参考逆方法控制

由于永磁直线同步电动机结构方面的特殊性,存在边端效应、铁心开断、初级绕组分布不对称等,具有很强的耦合性。文章对此提出采用模型参考逆方法控制方案,该控制方案兼有模型自适应控制及逆系统控制等方案的特点,且具有很强的抗干扰能力。仿真结果表明,在达到同一性能要求下,该控制方案简单,更具实用性。     

基于ANN逆模型补偿的复合控制系统仿真

为对复杂非线性系统进行辨识建模和实施有效控制,分析了基于神经网络的非线性系统逆模型的辨识和控制原理,研究了基于神经网络的非线性系统逆模型补偿的复合控制方法。基于复合控制思想,时常规PID控制器＋前馈神经网络逆模型补偿的复合控制结构方案进行了仿真。仿真结果表明,基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的、相对简单的网络结构,可提高逆模型的泛化能力和非线性系统的控制精度。     

动态补偿逆的非线性内模控制在机器人中的应用

针对机器人的非线性不确定性和传统非线性内模控制在控制上存在的不足．提出一种基于动态补偿逆的非线性不确定系统RBF内模控制,在引入RBF建立逆模型的同时．将无模型自适应控制方法作为附加控制器,用于在模型偏离被控对象时在线修正逆模型。仿真结果表明,本文提出的方法不仅对机器人系统的常量摄动具有较好的鲁棒性,对时变不确定性仍能保持较好的跟踪效果．具有较好的实时性、鲁棒性和在线校正功能。     

基于GA-SVM逆系统的机械臂内模控制

六自由度机械臂系统具有强耦合、多输入多输出、非线性的特性,且难以求解精确的动力学模型。针对上述问题,提出了一种基于GA-SVM逆系统的六自由度机械臂内模控制方法。将逆系统方法用于六自由度机械臂的解耦可以有效简化控制器的设计,为了避免逆系统方法复杂的解析过程,采用基于支持向量机(SVM)辨识逆系统模型以实现解耦,并用遗传算法(GA)优化SVM系统参数以提高模型的准确性。同时,为了弥补SVM辨识逆系统的误差以及抑制系统存在的扰动,设计内模控制器以保证系统的鲁棒性和稳定性。实验结果表明,该方法不需要知道六自由度机械臂的数学模型和内部结构,也能实现各关节位置的快速精确定位控制,且具有良好的鲁棒性,结构简单,需要调节的参数少,易于工程实现。     

高速贴片机的非线性自适应逆控制

对SMT生产线的关键设备贴片机提出了自适应逆控制方案.该方案用一个非线性滤波器作为贴片机的建模和逆建模的辨识器和自适应逆控制器,在MATLAB/SIMULINK平台下进行了算法仿真检验.结果表明该方案收敛快,能有效控制该非线性对象.此方案首次为贴片机的控制提供了一个先进的、全新的思路.     

基于逆系统方法的内模控制在吊车消摆运动中的应用

针对非线性、欠驱动的桥式吊车水平运动系统，先运用非线性逆系统方法将其转化为伪线性系统，然后按照线性系统理论设计内模控制器来控制吊车的水平定位．同时设计了一个角度反馈控制器来确保摆角迅速衰减．最后和常规PID、模糊控制做了比较．实验结果表明，本方案能保证定位无静差、摆角迅速衰减，同时具有良好的抗干扰能力和较强的鲁棒性，控制效果优于PID和模糊控制．     

多变量系统的RBFNN内模控制

本文研究了基于逆系统方法的神经网络内模控制。选用径向基函数神经网络(RBFNN)逼近对象的α阶积分逆系统，以之与原系统组合，使其解耦线性化以后再采用内模控制。最后以两输入两输出的磁悬浮系统设备的数学模型为对象进行了仿真，结果表明这种方法具有较好的控制效果。     

基于模型完全动态延时逆的内模控制方法

针对常规内模控制中存在的缺点,提出了一种基于模型完全动态延时逆的内模控制方法,采用神经网络自适应滤波器对内部模型和完全动态延时逆进行在线学习和控制,取消低通滤波器的设计,以逆的延时时间的调整来提高系统的鲁棒稳定性,并把内模控制器的动态响应和扰动消除控制分开进行。理论分析和仿真实验表明,此方法对系统输入信号的跟踪响应具有很高的稳态精度和动态控制品质,对对象的扰动消除具有很好的效果,是一种新型、具有鲁棒稳定性的内模控制方法。     

机械手轨迹规划的神经网络逆模控制

针对二自由度机械手动力学模型的非线性和参数的不确定性,提出了一种神经网络与逆模控制相结合的控制策略。针对传统BP算法在神经网络训练后期收敛速度慢且容易陷入局部极小的缺点,提出一种快速启发式学习算法。采用所提出的快速启发式网络学习算法训练多层前馈神经网络,建立机械手的逆动力学模型,实现对机械手的非线性控制。仿真结果表明了所提出控制策略的有效性和快速启发式网络学习算法的快速收敛性。