全文获取类型
收费全文 | 100篇 |
免费 | 3篇 |
国内免费 | 38篇 |
专业分类
电工技术 | 2篇 |
综合类 | 21篇 |
化学工业 | 3篇 |
金属工艺 | 2篇 |
机械仪表 | 4篇 |
建筑科学 | 4篇 |
矿业工程 | 3篇 |
轻工业 | 1篇 |
石油天然气 | 5篇 |
武器工业 | 3篇 |
无线电 | 22篇 |
一般工业技术 | 7篇 |
冶金工业 | 3篇 |
自动化技术 | 61篇 |
出版年
2023年 | 4篇 |
2022年 | 2篇 |
2021年 | 3篇 |
2020年 | 9篇 |
2019年 | 6篇 |
2018年 | 4篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 7篇 |
2014年 | 2篇 |
2013年 | 10篇 |
2012年 | 10篇 |
2011年 | 17篇 |
2010年 | 6篇 |
2009年 | 5篇 |
2008年 | 1篇 |
2007年 | 8篇 |
2006年 | 5篇 |
2005年 | 2篇 |
2003年 | 1篇 |
2002年 | 2篇 |
2001年 | 3篇 |
1999年 | 2篇 |
1998年 | 7篇 |
1997年 | 3篇 |
1996年 | 4篇 |
1995年 | 3篇 |
1994年 | 4篇 |
1993年 | 2篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有141条查询结果,搜索用时 8 毫秒
81.
82.
83.
84.
针对任意初始状态下机械臂轨迹跟踪问题, 提出一种变长度误差跟踪迭代学习控制(Iterative learning control, ILC)方法. 首先, 构造不依赖于期望轨迹的双曲余弦型期望误差轨迹, 放宽经典迭代学习控制初始状态要求严格一致的条件. 由于该误差轨迹只需设置一个常数项, 因而能够有效减少计算量, 使得期望误差轨迹的设计更为简单. 其次, 考虑机械臂运行区间随迭代次数变化的问题, 构建虚拟误差变量补偿机制, 通过定义虚拟误差变量对未运行区间进行信息补偿, 放宽经典迭代学习控制的迭代长度不变条件. 在此基础上, 基于Lyapunov-like理论设计迭代学习控制器和全限幅学习律, 实现机械臂关节位置在指定区间上跟踪给定的期望轨迹和保证未知参数估计值的有界性. 最后, 仿真结果验证了所提方法的有效性. 相似文献
85.
86.
针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计.文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法.仿真结果表明,与带遗忘因子... 相似文献
87.
88.
89.
针对一类非参数不确定系统,提出误差跟踪学习控制方法,同时解决学习控制系统的初值问题和状态约束问题.利用障碍Lyapunov函数设计控制器,采用鲁棒方法与学习方法相结合的策略处理非参数不确定性,将滤波误差约束于预设的界内,并由此实现对系统状态在各次迭代运行过程中的约束.文中构造了一种期望误差轨迹,经过足够多次迭代后,所提控制方法使得系统误差在整个作业区间以预设精度跟踪期望误差轨迹,系统状态在部分作业区间精确跟踪参考信号.仿真结果表明了该控制方案的有效性. 相似文献
90.
时变机器人系统的重复学习控制:一种混合学习方案(英文) 总被引:1,自引:0,他引:1
Repetitive learning control is presented for finite- time-trajectory tracking of uncertain time-varying robotic sys- tems.A hybrid learning scheme is given to cope with the con- stant and time-varying unknowns in system dynamics,where the time functions are learned in an iterative learning way,without the aid of Taylor expression,while the conventional differential learning method is suggested for estimating the constant ones. It is distinct that the presented repetitive learning control avoids the requirement for initial repositioning at the beginning of each cycle,and the time-varying unknowns are not necessary to be periodic.It is shown that with the adoption of hybrid learning, the boundedness of state variables of the closed-loop system is guaranteed and the tracking error is ensured to converge to zero as iteration increases.The effectiveness of the proposed scheme is demonstrated through numerical simulation. 相似文献