基于模糊逻辑的上肢康复机器人阻抗控制实验研究

针对机器人辅助患肢主动康复训练过程中辅助力／阻力不能随患肢病情实时调整的问题,提出了一种 新的模糊自适应阻抗力控制方法．该方法实时检测患肢与机器人之间的相互作用力,并进一步运用辨识算法实时估 计出患肢的病情状态;然后运用模糊阻抗控制器对两者之间的相互作用力进行实时调整,使得在患肢主动能力不 足时提供一定的辅助,而在其有能力完成动作时,实时调整阻力实现肌力训练．实验结果表明了该控制方法的有效 性．     

DTC变频技术在污水处理中的应用

变频器以其客观的节能效果而被广泛推广使用,特别是ABB变频器的DTC控制技术更是交流传动中革命性的电机控制方式,DTC在零速时产生满转矩,特别适用于污水处理行业中卡鲁塞尔。氧化沟中表面曝气设备的控制。     

电厂性能计算实用化问题分析

本文总结了电厂性能计算所面临的实用化问题,在分析的基础上提出相应的解决方案。     

基于动态RBF神经网络的遥感图像中烟辨识

针对森林火灾的突发性和分散性特点,根据森林火灾中的烟影像的特征,结合RBF神经网络分类器通用性的特点,采用PCA方法降低图像的维数和Fisher线性判别方法提取遥感图像中烟的影像特征,用特征值数代替训练样本数,并作为RBF网络输入数,在对样本训练的过程中提出一种改进型的混合算法。仿真实验表明,该算法对烟图像识别的准确率较高。     

伺服系统的滑模变结构控制器设计

伺服系统不确定性和离散指数趋近律造成系统的系统抖振,传统的PID控制方法难以实现系统对精度和稳定性的要求.为了提高控制系统的性能,提出滑模变结构控制问题.采用参数辨识法,分别获取被控对象在空载和满载模型,并将空载测试数据按二阶模型结构辨识得到被控对象近似模型,作为离散滑模控制器设计的标称模型,并采用自适应趋近律设计了离散滑模控制器,分别对被控对象的两个模型进行控制仿真.结果表明,离散滑模变结构控制器能够使伺服系统满足要求,对参数摄动和外部干扰具有较强的鲁棒性,提高了控制器性能,为设计提供了依据.     

RBF神经网络的PID控制研究与仿真

研究工业控制系统优化问题,由于工业控制领域中存在复杂非线性时变系统,很难确定精确模型.传统PID控制局限于线性系统,控制效果不理想.为了提高控制精度,提出一种RBF神经网络辨识的PID控制方法.首先利用RBF神经网络线辨识被控对象的离散模型,获得PID参数在线调整信息,然后利用单神经元对控制器参数进行在线自适应整定,从而实现系统的智能控制.通过实例进行验证,并与传统PID控制方法进行对比,结果表明控制方法具有响应速度快、控制精度高等优点,且具有较强的自适应性、鲁棒性和抗干扰能力,为控制系统设计提供了新方法.     

基于改进LS-SVR的超磁致伸缩作动器模型辨识

提出了基于遗忘因子矩形窗的最小二乘支持向量机回归( LS - SVR)方法.该方法先将矩形窗方法与传统的LSSVR相结合,用有限个过去的数据做LS - SVR的样本,随着时间增加不断在样本中丢弃旧数据加入新数据,保持样本总数不变;然后在此基础上添加了遗忘因子,在丢弃旧样本的同时兼顾了历史数据的影响.改进后的LS - SVR方法提高了运算速度,同时也提高了辨识的精度.通过仿真实例验证了该方法的有效性和可行性.将此方法应用到超磁致伸缩作动器的在线模型辨识上,取得了较好的辨识结果.     

自适应超混沌系统修正广义同步及其电路实现

运用自适应控制方法,实现超混沌Chen系统的同结构投影同步,并能辨识出响应系统的未知参数。首先通过采用MATLAB进行数字仿真,表明该自适应控制方法的可行性以及系统的参数辨识作用。其次利用EWB仿真设计模拟电路,结果与MATLAB的仿真结果相吻合,从而进一步证明了该自适应控制方法的有效性和系统参数辨识方法。     

基于粗糙集理论的属性约简新算法

以属性在可分辨矩阵中出现的频率作为启发,对HORAFA算法做了一些改进。引入二进制可辨识矩阵,利用二进制可辨识矩阵求出相对核。以相对核为基础,依次加入属性重要度大的属性,直到不能再加。     

基于改进遗传算法的神经网络非线性模型的辨识

对非线性系统的辨识现在大多采用动态BP算法采训练权值,存在收敛速度慢、易陷入局部极小值、全局搜索能力弱等缺点.为了克服动态BP算法的上述缺点,采用改进的遗传算法对非线性系统进行建模仿真实验,结果表明该方法有效.