时滞模糊奇异摄动系统的H2次优控制

引入了时滞模糊奇异摄动模型.这里模糊规则后件为线性时滞奇异摄动模型,整个系统的动力学由各规则后件的线性动力学通过隶属函数插值得到,从而形成一类非线性时滞奇异摄动系统.系统的稳定性分析和H₂控制器设计方法可以归结为求解一组线性矩阵不等式,该组条件与小参数无关,故较好地回避了数值求解的病态问题.最后给出了仿真实例.     

奇异摄动控制系统:理论与应用

系统地回顾了近年来奇异摄动控制技术的发展,主要包括线性奇异摄动系统的稳定性分析与镇定、最优控制、H_∞控制,非线性奇异摄动系统的镇定、优化控制和基于积分流形的几何方法,以及奇异摄动技术在实际工业,例如机器人领域、航天技术领域和工程工业、制造业等中的成功应用.并指出了这一领域进一步研究的方向.     

柔性空间机器人振动抑制轨迹规划算法

本文首次提出了一个描述柔性空间机器人振动的可直接计算的激振力指标，进 而提出了柔性空间机器人抑振轨迹规划算法．该算法采用均匀非周期四阶B样条描述机器人 的运动轨迹，B样条的控制点作为优化参数，使用改进的微粒群优化算法，以激振力为性能 指标对轨迹进行优化求解．该方法根据激振力指标而不是待定轨迹的控制结果来判定轨迹的 抑振性能，极大地简化了规划过程．对柔性双臂空间该机器人的抑振轨迹规划仿真，表明优 化轨迹取得了良好的振动抑制效果，证明了算法的有效性．     

一种快速神经网络路径规划算法

本文研究已知障碍物形状和位置环境下的全局路径规划问题,给出了一个路径 规划算法,其能量函数利用神经网络结构定义,根据路径点位于障碍物内外的不同位置选取 不同的动态运动方程,并针对障碍物的形状设定各条边的模拟退火初始温度．仿真研究表明 ,本文提出的算法计算简单,收敛速度快,能够避免某些局部极值情况,规划的无碰路径达 到了最短无碰路径．     

分组交换网络中分布式调度控制算法研究

文章首先对目前分组交换网络中支持QoS的队列调度算法进行了比较研究,分析了其性能指标和技术特点。然后以Internet核心路由器中线卡级和交换级的队列调度设计为例,从控制论的角度提出了一种支持QoS的分布式加权轮询调度控制算法,同时对交换网络进行了仿真实验,吞吐率达到96％的仿真实验结果表明所提出的算法是有效的,最后,文章认为在实际应用中,应针对不同情况设计不同的调度控制算法,以便在复杂性、公平性、快速性及有效性等特性方面取得了一个折衷方案,以使分组交换网络的整体性能更好。     

一种模糊CMAC神经网络

提出了一种模糊CMAC(小脑模型关节控制器)神经网络,它由输入层、模糊化层、模糊相联层、模糊后相联层与输出层等5层节点组成,具有与CMAC相似的单层连接权,可通过BP算法学习推论参数或模糊规则.给出了网络的连接结构与学习算法,并将其应用于函数逼近问题中仿真结果验证了该方法较之CMAC的优越性.     

采样控制系统中线性二次型最优控制器的设计

在计算机控制系统中,受控对象是连续的,相应的二次型性能指标函数也是连续函数,而 控制器则由于计算机的参与而属离散型.本文给出了这种采样控制系统的线性二次型最优设 计的一整套算法.计算的关键在于性能函数及对象模型的离散化.本文导出了离散化的公式 及适合计算机计算的算法,同时也给出了用于采样周期加倍时的计算公式,从而保证了计算机 可按该算法及相应的计算程序可靠地运行.最后举例说明了这套算法的应用.     

INS/GPS组合导航中实时模糊自适应滤波技术的研究

针对INS/GPS组合导航系统,现有的滤波算法实时性不强、结构复杂,文章利用衰减记忆的方法提出了一种结构简单,适于实时计算的模糊自适应滤波算法,提高了系统的稳定性。仿真实验表明,这种算法在组合导航中具有高效率,高精度等优点,是一种实时有效的滤波算法。     

机器人操作臂奇异路径约束最优轨迹规划

路径约束最优轨迹规划的关键是引入标量路径参数来降低优化问题的维数 ．当路径穿越奇异点时，由于关节位移难以表示为任务空间路径参数的解析函数，给常规的 路径参数化方法带来困难．本文引入一种新的参数化方法，采用路径跟踪方程解曲线的弧长 为参数，解决了奇异点邻域的路径跟踪问题，把奇异路径轨迹规划转化为常规规划问题，并 采用动态规划方法求解轨迹规划问题．仿真表明，本文提出的参数化方法与动态规划结合起 来，是解决奇异路径最优轨迹规划的有效途径．      

机械手的神经网络稳定自适应控制

本文针对机械手轨迹跟随控制问题，提出了一种稳定的神经网络自适应控制器设计方法，这里机械的非线性动力学假设是未知的，提出方法是神经网络方法和扇区自适应变结构控制方法的集成，扇区变结构控制的作用有两个，其一是在系统神经网络控制失灵的情形下提供闭环系统的全局稳定性；其二是在神经网络的近似域内改进系统的跟随性能，本文采用李雅普诺夫稳定理论给出了的稳定性和跟随误差收敛性的证明，并且通过数字仿真验证了提出方法