Adaptive neural network dynamic event-triggered control for strong interconnected stochastic nonlinear systems with output constraint

This paper proposes a dynamic event-triggered mechanism based command filtered adaptive neural network (NN) tracking control scheme for strong interconnected stochastic nonlinear systems with time-varying output constraints. By designing a state observer, the unmeasured states of the systems can be estimated. The NNs are utilized to handle the unknown intermediate functions. In the controller design process, the asymmetric time-varying barrier Lyapunov functions are used to guarantee that the systems outputs do not violate the constraint regions. By integrating the command filter with variable separation technique, the controller design process is more simple, and the problem of algebraic-loop can be solved which caused by interconnected functions. According to the Lyapunov stability theory, it can be ensured that all signals of the systems are bounded in probability. Finally, the availability of the developed control scheme can be showed by the simulation example.     

振动抑制与能量俘获专刊序

工程系统中梁结构经常处于各种激励的作用下,因而梁结构在这种环境下不可避免地发生着各种各样的强迫振动.在梁结构发生振动的过程中,其自身会受到的温度、湿度、电磁场、裂纹等众多内外部因素的影响,而众多内外部因素就构成梁的多物理场耦合环境.在多场耦合环境下,Green函数法作为一种解析方法在研究梁的多场耦合振动问题方面具有优势,有利于讨论力、电、热、裂纹等因素作用下梁的振动特性和多场耦合特性.Green函数法相比于模态叠加法,优点在于能够得到完整且精度较高的解析解,具有收敛性好,运算快的特点.本文主要阐述Green函数在梁的强迫振动、热力耦合振动、力电耦合振动、裂纹梁振动等研究问题上取得了大量的理论和工程研究成果.本文以裂纹为内因,热、力、电为外因进行分类,阐述了在内外因影响下梁的强迫振动问题Green函数解的研究现状,从而让读者进一步系统性的了解Green函数法在振动领域中的广泛应用,以及了解该方法本身的特色和优势奠定基础.     

基于深度强化学习的动态装配算法

针对动态装配环境中存在的复杂、动态的噪声扰动,提出一种基于深度强化学习的动态装配算法。将一段时间内的接触力作为状态,通过长短时记忆网络进行运动特征提取;定义序列贴现因子,对之前时刻的分奖励进行加权得到当前时刻的奖励值;模型输出的动作为笛卡尔空间位移,使用逆运动学调整机器人到达期望位置。与此同时,提出一种对带有资格迹的时序差分算法改进的神经网络参数更新方法,可缩短模型训练时间。在实验部分,首先在圆孔–轴的简单环境中进行预训练,随后在真实场景下继续训练。实验证明提出的方法可以很好地适应动态装配任务中柔性、动态的装配环境。     

Control allocation technology based on fault diagnosis for the unmanned aerial vehicle system subject to physical constraints and fault reconfiguration mismatch

The problem of the system robustness subject to physical constraints and mismatched fault reconstruction is discussed in this paper. In order to facilitate the design, a four-rotor unmanned aerial vehicle (UAV) system model was selected for research. First, the control allocation model of the nonlinear UAV system with disturbances is shown in the paper. Secondly, a weighted pseudo-inverse method based on adaptive weights is proposed, which reduces the impact of physical constraints on the system. After that, a dynamic weight control allocation method based on the fault efficiency matrix is designed. The weight matrix can dynamically adjust the control distribution law according to the fault estimation value provided by the observer. Then, a dynamic adaptive control allocation method for faults and physical constraints is carried out by combining adaptive weights and dynamic weights. Finally, a simulation example is presented to further illustrate the effectiveness of the algorithm proposed in this paper.     

一种水下足式机器人的设计方案研究

海洋蕴含着丰富的自然资源,对海洋资源的合理开发与运用可以极大的缓解能源短缺问题,但由于海洋的复杂环境所带来的资源开发难度也不容忽略;针对这系列问题,对一种新型水下航行器进行研究,开展了水下足式机器人的总体设计分析,并通过三维建模对机器人进行结构设计;利用ANSYS对机器人关键运动部件进行应力分析,对机器人的设计进行完善;利用FLUENT软件进行流体模拟仿真,计算得到机器人腿部在水下运动时的受力特性;使用Adams软件对机器人的运动进行动力学仿真,计算机器人腿部扭矩输出特性;结合仿真结果对机器人的硬件系统进行选型,完成水下足式机器人的总体设计。     

模块化可重构机器人动力学研究进展

模块化可重构机器人由于其构型多变,运动形式丰富等特点,可以在非结构化环境或未知环境中执行任务,在最近几年迅速成为机器人研究领域的前沿和热点. 模块化可重构机器人在军事、医疗、教育等众多工程领域具有广泛的应用前景,其典型代表包括仿生多足模块化机器人、模块化可重构机械臂、晶格式模块化机器人等. 模块化可重构机器人丰富的构型设计、多样的连接特征、不断拓展的应用范围,给动力学建模与控制带来了很多挑战和机遇. 本文首先阐述了模块化可重构机器人的研究背景和意义,并概述了其构型分类与设计、构型描述与运动学建模方法.随后,本文系统回顾了模块化可重构机器人动力学研究中相关问题的最新进展,包括：(1)系统整体动力学建模;(2)结合面以及对接机构动力学建模;(3)基于动力学模型的控制方法. 本文最后提出了模块化可重构机器人动力学研究中若干值得关注的问题.     

Policy Iteration for Optimal Control of Discrete-Time Time-Varying Nonlinear Systems

Aimed at infinite horizon optimal control problems of discrete time-varying nonlinear systems, in this paper, a new iterative adaptive dynamic programming algorithm, which is the discrete-time time-varying policy iteration (DTTV) algorithm, is developed. The iterative control law is designed to update the iterative value function which approximates the index function of optimal performance. The admissibility of the iterative control law is analyzed. The results show that the iterative value function is non-increasingly convergent to the Bellman-equation optimal solution. To implement the algorithm, neural networks are employed and a new implementation structure is established, which avoids solving the generalized Bellman equation in each iteration. Finally, the optimal control laws for torsional pendulum and inverted pendulum systems are obtained by using the DTTV policy iteration algorithm, where the mass and pendulum bar length are permitted to be time-varying parameters. The effectiveness of the developed method is illustrated by numerical results and comparisons.      

基于云模型和余弦跳跃权重的改进蛙跳算法

标准蛙跳优化算法(SFLA)有寻优精度低和易陷入局部收敛区域的缺点, 为提高其性能, 提出一种基于云模型局部搜索和余弦跳跃权重更新位置的改进蛙跳算法(CSFLA). 首先通过Tent混沌映射和反向学习生成种群, 使种群的分布更均匀, 利用云模型的正态特性对子群中的优秀个体的所在区域进行探索. 同时, 对种群中其他个体引入基于余弦函数的跳跃步长权重, 使该权重在整个迭代过程中由高以不同的速率下降, 提高种群的全局搜索能力. 最后, 将CSFLA与多个优化算法在不同类型的测试函数上进行了比较. 结果表明, CSFLA具有更好的收敛速度和精度, 能有效找出全局最优解. 并且将改进算法应用至旅行商问题, 该算法可以找到总路程更短的路线.     

基于生成对抗网络的文本生成图像算法

文本生成图像算法对生成图像的质量和文本匹配度有很高的要求. 为了提高生成图像的清晰度, 在现有算法的基础上改进生成对抗网络模型. 加入动态记忆网络、细节校正模块(DCM)、文本图像仿射组合模块(ACM)来提高生成图片的质量. 其中动态记忆网络可以细化模糊图像并选择重要的文本信息存储, 以提高下一阶段生成图像的质量. DCM纠正细节, 完成合成图像中缺失部分. ACM编码原始图像特征, 重建与文本描述无关的部分. 改进后的模型实现了两个目标, 一是根据给定文本生成高质量的图片, 同时保留与文本无关的内容. 二是使生成图像不再较大程度依赖于初始图像的生成质量. 通过在CUB-200-2011鸟类数据集进行研究实验, 结果表明相较之前的算法模型, FID (Frechet inception)有了显著的改善, 结果由16.09变为10.40. 证明了算法的可行性和先进性.     

二进制代码安全分析综述

近几十年来,计算机硬件性能和软件规模技术已不同以往,其承载了人类社会生活生产的方方面面.计算机技术的飞速发展,也带来了人们对程序安全问题的关注.由于市面上存在着较多的遗留软件,这些软件无人维护且缺乏源代码支持,其安全性令人担忧,而二进制分析技术被用来解决该类软件问题.二进制分析技术根据其检测方式不同可分为:基于静态的二进制代码分析技术、基于动态的二进制代码分析技术和动静态混合的二进制代码分析技术.本文调研了近年来的二进制代码安全分析领域上相关研究,分别详细阐述了这3类技术中的主要方法,并对其关键技术进行详细介绍.