专家系统在机器人控制中的应用

由于机器人动力学本质非线性,时变性,多关节强耦合,变惯量等复杂性,常规的控制算法(如PID控制)直接用于机器人控制,其性能不尽如人意。本文把专家控制技术与常规的PID控制结合起来,把人的控制经验,技巧和各种直觉推理逻辑直接用于控制中,从而改善控制系统性能,提高其智能水平和适应能力。为了满足实时性要求,算法及专家系统都采用Quick C编程实现。本文以二关节机器人为对象在IBMPC/AT机上仿真表明,在有负载扰动的情况下,该系统能够例机器人跟踪上希望轨迹,其系统响应和鲁棒性优于常规的控制策略。     

基于进化策略的最优模糊划分

一个运行良好的模糊系统，不仅应该具备最优的响应性能，还应该具备最简约的模糊划分和良好的完备性、清晰性，但是目前对于后者的研究甚少。因此，该文提出了最优模糊划分的定义，它包括两个部分：最简约模糊划分和模糊划分的完备一清晰性。然后将这两项指标加入到进化策略的适应值函数中，用于对模糊系统的寻优。仿真试验表明，即使在先验知识较少的情况下，该方法依然可以设计出具有较好系统响应性能的模糊系统，并且模糊划分个数最简，完备．清晰性较好。     

开关磁阻电机高性能转矩控制策略研究

将开关磁阻电动机转矩控制系统分为三级控制子任务:换相策略、转矩控制器和电流控制器,并根据上述结构化设计思想,给出了一种基于神经网络转矩逆模型和滑模电流控制器的开关磁阻电动机高性能转矩控制方案.仿真结果表明该方法能够有效地控制开关磁阻电动机相转矩按期望变化,从而实现了其高性能转矩控制.     

基于栅格模型和样本集合的动态环境地图创建

采用单一栅格模型创建动态环境的地图,往往需要构建多个时间尺度的地图,且无法有效表述环境中的动态信息.为了克服上述困难,提出一种用栅格模型和样本集合创建动态环境地图的方法.栅格模型对静态障碍物用贝叶斯方法进行置信概率估计、当前样本集合迭代更新动态障碍物当前所处位置、历史样本集合保存动态障碍物的所有历史传感信息.通过将样本集合与栅格模型融合,可以有效表征动态障碍物的当前位置和主要活动区域.实验室动态环境下的实验结果表明：该算法能够构建信息完整且精度较高的动态环境地图,为后续路径规划和导航提供便利.     

具有时延和丢包的网络控制系统的镇定

将包含有界、不确定网络诱导时延和数据包丢失的网络控制系统（NCSs）,建模为一类具有时变输入时延的连续时间系统;利用Lyapunov-Krasovskii定理和自由权矩阵法,推导出线性矩阵不等式（LMI）形式的网络控制系统渐近稳定的充分条件;并通过矩阵变换,将NCSs渐近稳定的充分条件转化为LMI形式的状态反馈控制器镇定算法.由于在推导过程中未使用常规的牛顿 莱布尼茨公式,而是通过约束不等式引入自由权矩阵,增加了LMI条件中权矩阵的个数,从而减小了系统的保守性.通过数值仿真验证了算法的有效性,与已有方法相比,在结果的保守性和数学计算的复杂程度上,均有较大幅度改进.     

非线性系统的多神经网络自学习控制

本文提出了一种未知非线性动力学系统的多网络自学习控制方法。通过对系统的神经元网络辨识器和神经元网络控制器的有机结合，发展了基于逆动力学辨识器的控制网络广义Ｄｅｌｔａ学习规则，从而使得整个控制系统具有很强的自、自学习能力。文中最后通过对系统进行的仿真研究证实了这种控制结构的有效性，仿真例子说明经过１００个周期学习后，其系统的跟踪误差控制在１％以内。     

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。     

基于XML-RPC的远程加热炉控制系统

从目前几种远程技术出发，比较各自的特点后，将简单易用的XML-RPC应用到控制系统中，实现了一种新的远程控制方法，并具体介绍了相应的实际控制系统．在实践应用中，此系统有良好的效果．在文末，概括XML-RPC应用于网络化控制系统的一些特点．     

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。     

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．