4种形式的六自由度运动平台及其运动性能比较

通过讨论4种不同结构形式的六自由度运动平台，特别是比较其运动性能，证明：没有任何一种平台的性能在所有方面都优秀，某种平台只能在某些方面比较好。但Stewart平台的综合性能最好。     

载荷分布对六自由度运动平台动力学性能的影响

用Newton-Euler方法，分析了运动平台的力矢和力矩，建立了统一的六自由度运动平台动力学方程,利用该方程研究了不同载荷分布时六自由度运动平台各液压缸的受力情况，并用Matlab进行了计算．结果表明，不同载荷分布时，某些液压缸的驱动力的最大值成倍增加，变化极为复杂．为六自由度运动平台的设计及控制提供了理论指导．     

协调式六自由度运动平台的运动学分析

从平台的基本变换着手，用运动平台和固定平台间的矢量关系分析了协调式六自由度运动平台的运动学性能。给出了平台进行各种运动（平动、转动）时作动筒的位移、速度和加速度变化规律，并以一个具体实例对其进行了验证。     

六自由度并联平台特性分析及其电液位置伺服系统的CMAC神经网络控制

以六自由度运动平台为研究对象,分析了平台的运动学和动力学问题,采用了CMAC神经网络作为控制器,实现运动轨迹的跟踪。仿真表明所作的运动学、动力学分析是正确的,控制器具有较强的抗负载干扰能力和良好的鲁棒性。     

线性运动平台多自由度几何运动误差测量技术

线性运动平台是精密制造和测量的基础,其定位精度直接影响着制造和测量的精度。由于制造和装配误差的影响,运动平台存在六个自由度的运动误差,将影响运动平台的定位精度。为了提高运动平台的定位精度,需要准确地测量各项运动误差。传统的测量方法只能对单一误差进行测量,并且测量仪器体积较大,无法集成在运动平台中进行实时误差测量。本文提出了一系列成本低、体积小、易集成的高精度多自由度几何运动误差同时测量技术,可以根据测量需求选择测量系统的自由度,在提高测量精度的同时,还可以实现在线测量,为提高线性运动平台运动精度起到重要作用。     

基于BP神经网络的PID控制器及其MATLAB仿真

PID控制算法简单、应用广泛,既能消除余差,又能提高系统的稳定性,但其P环节、I环节、D环节的控制参数却参数难以整定;BP神经网络算法具有很强的数字运算能力,因此,可通过BP神经网络自学习、加权系数调整,实现PID的最优调整,本文以小车控制为例,利用BP神经网络的学习能力进行PID参数的在线整定,并进行了MATLAB仿真,结果表明,利用BP神经网络可很快的找到PID的控制参数。     

六自由度试验台校准装置的设计

给出了六自由度试验台的一种校准方法,介绍了校准装置的设计方案,该方案采用多个角度和位移传感器组成的测量机构感知六自由度试验台的运动位置和姿态信息,经数据采集系统处理后变换为位置参数和姿态参数的实时数据,通过与设定的运动参数比较,实现了六自由度试验台控制误差的校准。     

六自由度微动隔振平台的物理参数辨识

针对六自由度隔振平台的物理参数辨识问题,根据支撑空气弹簧力学特性简化后六自由度间的耦合关系,并考虑到测试隔振系统的传递函数时需要用到待辨识的平台垂向重心位置参数,提出一种基于单点激励法的频响函数分组测试、垂向重心位置迭代辨识和各子系统物理参数分别辨识的方法,有效地解决垂向重心位置未知的平台物理参数辨识问题。在此基础上分析各子系统激励自由度的选择依据,并通过实验辨识隔振平台系统的物理参数。     

基于六自由度振动台的车辆构架运动姿态测量

轨道几何动态检测是保障列车安全运营的重要手段,而车辆构架运动姿态测量结果的准确性直接影响到轨道几何动态检测的可靠性。为提高车辆构架运动姿态检测的准确性,提出了一种基于六自由度振动台的构架运动姿态测量方法。在模拟构架上施加不同的激励信号,利用安装测点布置位置上的4个三轴加速度计采集加速度信号,通过快速傅里叶变换的频域积分方法和基于位移数据的姿态计算算法,将加速度信号转化为模拟构架几何中心的位移及转角,并以六自由度振动台的输入信号作为标准,开展构架姿态测量方法的验证试验,结果表明构架姿态测量算法的横向位移、垂向位移、侧滚、摇头中误差分别小于0.04 mm, 0.03 mm, 0.05°,0.03°。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

六自由度主被动一体隔振平台的鲁棒控制

针对六自由度主被动一体隔振平台的关键技术开展了系统研究,具体内容包括控制系统的实验建模与控制器设计两大部分。根据实验辨识时的输入输出数据,利用最小二乘递推算法辨识出了系统的标称参数;考虑到实验建模的不确定性以及隔振控制的目的,应用基于H∞的混合灵敏度设计出了鲁棒控制器。最终实验表明主被动一体隔振平台不仅可以有效地隔离地基的干扰,还能对直接作用于平台的外力有较好的抑制作用。     

基于BP神经网络的盾构推进速度自适应PID控制

盾构掘进过程中地质多变,推进速度要求实现非线性控制,因此对控制方法提出较高的要求.在分析了盾构推进液压系统原理的基础上,建立了盾构推进速度仿真模型,设计了基于BP神经网络的盾构推进速度自适应PID控制器,运用MATLAB软件对常规PID推进速度控制和基于BP神经网络的自适应PID推进速度控制进行了阶跃响应仿真对比,并对基于BP神经网络的自适应PID推进速度控制的正弦跟踪特性进行了仿真.仿真结果表明基于BP神经网络整定的PID控制具有良好的跟踪能力和鲁棒性,相比于传统PID控制系统响应迅速,超调量小,具有很高的响应精度和良好的在线整定能力,对于盾构推进速度这种非线性过程,控制效果比较理想.     

模拟退火优化BP神经网络在航向控制系统中的应用

目前，广泛运用于神经网络中的误差反向传播算法（BP算法）训练时间较长，且易陷入局部最优．为了克服BP算法的固有缺陷，文中提出了在BP算法中加入模拟退火算法权因子．在航向控制系统中进行了仿真，数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力，收敛速度更快，精度提高比较明显。     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

基于神经网络的离散变结构控制系统

系统研究了基于神经网络的离散变结构控制系统设计方法，提出了几种具体设计方案．神经网络的引入可以使滑模（变结构）控制具备学习与自适应能力，使控制信号得以柔化，从而能够减轻或避免困扰常规滑模控制器的抖振现象，改善控制效果．     

基于人工神经网络的传感器非线性拟合方法的研究

人工神经网络具有以任意精度逼近任何非线性连续函数的能力。文章分别用BP网络、RBF网络对传感器的非线性作高精度拟合。仿真结果表明,三层BP网络和RBF网络能够满足工程实际中一维数据拟合的要求,网络具有良好的泛化能力。     

基于BP神经网络的舰炮武器系统综合保障性能评价

通过对舰炮武器系统的分析，建立舰炮武器系统综合保障性能评价的指标体系。把神经网络的相关知识应用到舰炮武器系统综合保障性能评价中，得到了相应的BP神经网络评价模型。通过一些舰炮武器系统的实例计算，验证了模型的正确性，为舰炮武器系统的研制和改进提供了一定的参考依据。