基于神经网络和智能预测控制的机器人算法

提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系统在线计算方便，控制质量提高了。通过对机器人的仿真结果可以看出，传统的PID对于不确定对象不能很好的解决，而采用本文设计的控制器，系统的鲁棒性和快速性都得到了改善，并且具有较好的控制效果。     

纸机模型的预测函数控制

造纸过程是一个多变量、强耦合、大时滞的过程,采用传统的PID控制要达到很好的控制效果是很困难的。采用三种预测控制方法分别对纸机模型进行控制,并分别进行了仿真研究。从仿真结果可以看出,动态矩阵的跟踪效果不如广义预测控制,广义预测控制算法的跟踪性能较好,但是计算量较大,预测函数控制的响应速度较快,计算简单,控制效果也较好。     

Hybrid He／H∞ force／position control based on neural networks

A neural network control scheme with mixed H2/H∞ performance was proposed for robot force/position control under parameter uncertainties and external disturbances. The mixed H2/H∞ tracking performance ensures both robust stability under a prescribed attenuation level for external disturbance and H2 optimal tracking. The neural network was introduced to adaptively estimate nonlinear uncertainties, improving the system‘ s performance under parameter uncertainties as well as obtaining the H2/H∞ tracking performance. The simulation shows that the control method performs better even when the system is under large modeling uncertainties and external disturbances.     

桥式天车机械系统自适应解耦滑模控制研究

基于拉格朗日方程建立了桥式天车机械系统的动力学模型,并对建立的动力学模型进行简化分析,为控制器的设计奠定了理论基础。首先,针对桥式天车机械系统建模时存在的耦合性问题,构建新型饱和函数;其次,基于构建的新型饱和函数,设计出解耦滑模控制器,用来实现负载运送过程中桥式天车的快速定位与负载的消摆;然后,引入自适应参数,用来削弱了解耦滑模控制器控制过程中由于开关增益造成的系统抖振问题;最后基于桥式天车机械系统的动力学模型进行模拟仿真。仿真实验结果表明基于自适应参数而设计的解耦滑模控制器具有良好的控制性能,并且能够提高机械系统的动态特性。     

基于模糊力控制算法的移动机器人避障控制

根据机器人的末端执行器和外界环境表面接触与移动机器人避障控制的相似点,将力/位置控制成功应用到移动机器人的避障控制领域内.对新颖的移动机器人避障控制算法是通过在移动机器人和障碍物之间形成虚拟力场,且对其进行整定以使两者之间能保持期望的距离.因为机器人动力学模型和障碍物的不确定性会对避障控制性能造成影响,为避免碰撞,采用模糊PD的智能混合力/位置控制来整定机器人和障碍物精确距离的力场.通过仿真研究证明了算法的有效性,可为机器人设计提出可靠依据.     

基于改进Elman网络的X-Y定位平台力/位置控制

利用X-Y定位平台进行抛光、磨削等作业时,需要在精确位置跟踪的同时对接触表面施加一定的期望力.针对此种受限X-Y平台系统,提出了一种基于改进Elman网络的力/位置控制器.将改进Elman网络用于X-Y定位平台的力控制回路中,利用改进Elman网络学习力控制中的不确定上界,并与反馈控制器结合,进一步确保了控制系统的稳定性,有效地提高了系统的精度和自适应能力.仿真结果表明了该控制方法在X-Y定位平台力/位置控制中的有效性.     

基于Fisher准则的多阈值图像分割方法

针对目前阈值分割法存在的不足,提出了一种使用粒子群优化算法（PSO）与Fisher评价函数结合的图像阈值分割法。根据在自主研发的采用C++编写的完全图形化的图像处理平台上完成的实验结果证明,这种方法在很大程度上克服了背景与目标大小对分割结果的影响,并大大缩短了图像分割的时耗。     

CMAC网络建模在非线性预测控制中的应用

将CMAC网络用到具体非线性系统的预测控制研究中,并且在控制中将CMAC建立的模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,加强控制器的适应能力和鲁棒性。对一类CSTR系统的仿真结果表明,该预测控制策略响应快且容易实现,对于改善非线性预测控制不失为一种有益的尝试。     

Hybrid H2/H∞ force/position control based on neural networks

A neural network control scheme with mixed H2/H∞ performance was proposed for robot force/posi-tion control under parameter uncertainties and external disturbances. The mixed H2/H∞ tracking performance ensures both robust stability under a prescribed attenuation level for external disturbance and H2optimal track-ing. The neural network was introduced to adaptively estimate nonlinear uncertainties, improving the system' s performance under parameter uncertainties as well as obtaining the H2/H∞ tracking performance. The simulation shows that the control method performs better even when the system is under large modeling uncertainties and external disturbances.     

基于模糊RBF神经网络自学习的不确定机器人模糊自适应控制

针对机器人系统的不确定、非线性特点，设计了模糊RBF神经网络控制器学习机器人系统的不确定性上界，并利用模糊推理机产生的分目标学习误差进行训练，避免了采用系统直接输出反馈误差进行训练所存在的权值饱和与过调整问题。此外，在反馈回路还设计了固定比例增益控制器FC，起着监督的作用，对系统实施渐近稳定的控制。仿真结果表明这种控制方案实现了对机器人系统的高精度控制。