多机器人主—从行星式编队控制

研究了二阶积分器描述的多机器人主—从行星式编队控制问题,提出了将多机器人编队分解为每个机器人对各自具有时变速度的虚拟机器人的跟踪控制,使得每个机器人相对于虚拟机器人的位置与速度跟踪误差收敛为零且彼此不相碰撞,此时编队系统收敛到理想队形.在统一的算法框架下,分别实现了跟随者以领航者为中心的公转运动编队(revolution formation,RF)模式和跟随者与领航者保持期望距离、期望速度的编队(desiredformation,DF)模式.公转运动编队(RF)模式适用于异构多机器人系统的环境探索任务;保持期望距离、期望速度的编队(DF)模式适用于自主水下机器人(AUV)、无人机(UAV)等合作与协调任务.应用李亚普诺夫稳定性理论对控制算法的稳定性进行了分析,并通过计算机仿真验证了该方法的有效性.     

迭代学习控制在功能神经电刺激系统中的应用

借助人工电兴奋或刺激瘫痪病患者的神经肌肉是现代康复工程中的一种新方法,其关键技术是生成刺激脉冲的控制算法,介绍了ＥＮＳ系统的组成及原理,建立了基于ＦＮＳ的迭代学习控制算法,给出了相应的学习控制律与迭代学习步骤,最后利用ＦＮＳ肢体运动控制平台,采用迭代学习控制算法,对人体肘关节和腕关节运动时的角位移特性进行临床实验研究。     

时滞依赖的脉冲时滞神经网络的稳定性

基于Lyapunov泛函和不等式技巧,得到脉冲混合时滞神经网络全局指数稳定性的时滞依赖型判据,其中混合时滞包括离散时滞和分布时滞两种类型。该判据用线性矩阵不等式表示,并通过一个数值实例验证了判据的有效性。     

轮式移动机器人FastSLAM算法研究

移动机器人在复杂未知环境中精确定位并对周围环境进行地图构建有助于机器人对环境的准确理解,是机器人进一步完成各种复杂智能任务如路径规划和避障等的关键和前提.通过对移动机器人未知环境中定位和地图创建问题进行讨论,设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下...     

基于遗传算法的机械臂实时避障路径规划研究

针对模块化机械臂在运行时可能与工作空间中的障碍物发生碰撞的问题, 提出一种基于遗传算法的避障路径规划算法。首先采用D-H(Denavit-Hartenberg)表示法对机械臂进行建模, 并进行运动学和动力学分析, 建立机械臂运动学和动力学方程。在此基础上, 利用遗传算法分别在单/多个障碍物工作环境中, 以运动的时间、移动的空间距离和轨迹长度作为优化指标, 实现机械臂避障路径规划的优化。通过仿真验证了基于遗传算法的机械臂避障路径规划算法的有效性与可行性, 该算法提高了运行中的机械臂有效避开工作空间中障碍物的效率。     

一种扩充PC并行支路数的实用方法

基于Ｐｅｔｒｉ网模型,提出一种扩充可编程控制器并行支路数的实用方法,从而克服ＰＣ用于多路并行控制时存在的局限性。该方法在用于某厂多路故障报警系统的ＰＣ程序设计中获得成功。     

一种改进的遗传算子在函数优化中的应用

提出一种应用于函数优化问题的差分方式交叉算子.该交叉算子利用差分方式替代浮点遗传算法中的交叉和变异算子,采用差分形式产生的子代能向适应值高的父代倾斜,使得算法可以以更大概率生成适应值高的子代个体.实验结果表明,相对于普通杂交算子,差分方式的杂交算子具有更快的收敛速度.     

一种求解旅行商问题的贪婪边重组交叉算子

提出了一种新的求解旅行商问题的贪婪边重组交叉算子。该交叉算子吸取了边重组交叉算子的优点,使得父代在进化过程中获得的优良的边能顺利地遗传给子代。同时,在边重组的过程中,该交叉算子引入所求旅行商问题的具体信息以指导新边的生成,从而该交叉算子具有贪婪特征。实验结果表明:对于简单的旅行商问题,贪婪边重组交叉算子能显著提高算法效率;对于大规模的旅行商问题,该交叉算子的效果也较理想。     

D型迭代学习控制及其在FNS肢体运动控制系统中的应用

给出了离散系统D－型迭代学习控制算法收敛的一种充分条件,并加以证明。采用D型迭代学习控制算法,对基于功能性神肉电刺激的曲腕和曲肘运动进行了临床实验研究,结果表明,D型迭代学习算法改善了FNS肢体运动控制的跟踪性能,曲肘和曲腕运动轨迹平滑、稳定,并且刺激控制脉冲变化平缓,受试者无任何不良生理反应。     

微小型飞行器中的数据采集与控制系统

为探索微型飞行器的飞行控制规律，基于脉宽调制信号设计了一种专用的微型机载数据采集和输出控制系统。在微小尺寸和低功耗的前提下充分利用有限的硬件资源实现了对微型飞行器的多路飞行数据的实时采集和存储，同时按照要求对微小型飞行器进行了飞行控制。通过飞行试验，应用于微小型飞行器的微型测控系统的可行性和可靠性得到了证明。