一种可通过外挂式人机对话进行现场组态的传感器

本提出采用PC机作为外挂式人机对话装置，通过两间的串行通信，传感器的系统组态可在PC上清晰直观地显示及修改，从而实现了能在现场以人机对话方式方便地进行位移传感器系统组态，中介绍了传感器的设计，并着重叙述了外挂式人机对话的实现。     

基于模糊积分和遗传算法的分类器组合算法

将多个分类器进行组合能提高分类精度。基于模糊测度的Sugeno和Choquet积分具有理想的特性,因此该文利用其进行分类器组合。然而在实际中难以求得模糊测度。该文利用两种方法求取模糊测度,一是分类器对样本数据的分类能力,另一种是根据遗传算法。这两种方法均考虑了每个分类器对不同类的分类能力不同这一经验知识。实验中对UCI中的几个数据库进行了测试,同时将该组合方法应用于一多传感器融合工件识别系统。测试结果表明了该算法是一种计算简便、精度较高的分类器组合方法。     

粗糙集理论中不确定性的粗糙信息熵表示

1 引言粗糙集理论从新的视角对知识进行了定义,把知识看作是关于论域的划分,认为知识是具有粒度的(granularity),即知识是粗糙的。知识的粒度越大,其越粗糙,知识含量就越少。并认为知识的不确定性是因知识粒度太大引起的,知识的粗糙性越大,则其不确定性也越大。在粗糙集理论中,一个集合由其上逼近集合和下逼近集合来近似,因此集合存在着不确定性。另一方面,在信息论中,信息熵的概念从物理概念上反映了知识库的知识含量、不确定性及随机性的本质。因此,本文从信息熵的角度更深刻地反映知识的不确定性及集合的不确定性。     

一种改进的机器人迭代学习控制方法

本文利用学习推理的思想提出了一种改进的迭代学习方法，目的在于改善单纯迭代学习在机器人轨迹控制中对系统负载的依赖性。能对周期性重复工作的机器人轨迹控制在系统模型和负载完全未知的条件下经一周期的试运行后达到准确轨迹跟踪，仿真研究表明，对于Ｐｕｍａ－５６０机械手的轨迹控制精度可达到１％，而且整个控制算法计算量少，完全能满足实时控制要求。     

神经网络自学习模糊控制及其应用

本文提出了一种新的自学习模糊控制算法。利用改进的ｐｉ－ｓｉｇｍａ神经网络，对模糊控制器的结论参数进行辨识，并不断修正隶属函数，实现了模糊规则的自动更新。这种方法被用于机器人解耦控制，取得了满意的仿真结果。     

不确定非线性系统的鲁棒输出跟踪控制

基于状态反馈线性化,最优控制及Ｌｙａｐｕｎｏｖ方法,对不确定非线性系统进行了实际跟踪鲁棒控制策略研究,在一定的假设前提下,得到了一个光滑、简单、性能优良的控制器。仿真研究表明控制策略是可行的。     

加热炉网络控制系统的最少拍响应控制策略

研究加热炉网络控制系统的最少拍响应控制策略。推导了加热炉网络控制系统的频域和离散型状态方程的数学模型,并采用时间戳神经网络,对不确定、时变的网络信息传输延时进行预测。重点研究了具有最少拍响应的数字控制器设计方法,导出了数字控制器控制算法。仿真结果表明,提出的控制算法实现了加热炉精确的温度控制,无稳态偏差,并具有良好的动、静态特性。     

基于神经网络延时预测的自适应网络控制系统

针对网络控制系统存在着随机、时变、不确定的信息传输延时,采用带有时间戳的线性神经网络(TSLNN)进行在线延时预测,实时地获得当前采样周期的网络传输延时预测值.该方法选取3个先验的网络实测延时值作为神经网络的输入样本,选用widrow-hoff学习规则作为神经网络的训练算法;应用网络传输延时预测值,并采用一阶Pade方法,对数学模型中的延时环节进行线性化处理,从而获得无刷直流电机调速网络控制系统的线性数学模型;最后,利用模型参考自适应控制方法(MRAC)设计闭环控制器.仿真结果表明,将基于TSLNN在线延时预测的MRAC方法应用于无刷直流电机调速网络控制系统中,可以获得令人满意的系统动、静态性能.     

基于蚁群算法的多机器人协作策略

蚁群算法是一种通过对蚂蚁社会长期观察得来的优化算法．它建立在蚁群的一种叫“外激励”的联系方式上，对解决一些分布式控制问题和复杂的优化问题十分有效．将“外激励”这一概念引入多机器人系统中，设计了一种基于蚁群算法的多机器人协作策略．这一策略可以解决多机器人系统在未知环境工作时所面临的一项艰巨的任务：自主协作规划．定义了多机器人系统在未知环境中可能存在的一个问题：任务死锁；将衰减因子引入协作算法，以防止任务死锁的发生；通过仿真验证了算法的性能．     

交流伺服驱动系统模糊自适应控制研究

为提高交流伺服驱动系统控制性能,结合模糊逻辑和神经网络各自的优点,设计了一种在线自适应模糊神经网络控制的交流伺服系统.文章将系统受控对象输入和跟踪误差作为模糊神经网络控制器的输入.设计的控制器不需要跟踪误差的变化率,可以避免以数值方式计算微分值时受采样周期大小的影响.通过仿真和具体实验分别验证了设计的合理性.结果表明:该控制方法不论对于调节还是设定值跟踪,均具有很好的控制效果,而且对感应电机伺服驱动系统有很好的抗干扰性能和较强的的鲁棒性.