基于模糊变结构的机械臂控制

现有的机械臂模糊变结构控制方法大都计算复杂或需要检测滑模面的微分信号.本文将机械臂模型分为确定部分和不确定部分进行研究,对确定部分采用一般反馈控制,对不确定部分采用变结构集中补偿控制,为了消除变结构控制器的抖震引入模糊控制方法,将滑模面作为模糊控制器的输入,补偿控制器权值作为输出.本方案不仅不需要检测滑模面微分信号,而且计算简单,易于实现.仿真结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到快速跟踪,又能很好的消除控制器的抖震.

基于径向基函数神经网络的机器人滑模控制

尽管滑模控制响应快,对系统参数和外部扰动呈不变性,但在保证系统的渐进稳定性上却存在很强的抖动缺点。因此,在一般滑模控制的基础上,引入了径向基函数神经网络(RBFNN)。利用滑模控制的特点设定目标函数,将切换函数作为RBFNN的输入,滑模控制量作为其输出。利用RBF神经网络的在线学习功能,消除了控制的抖动,同时使系统具有很强的鲁棒性。对两连杆机械手进行了仿真研究,其结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题。

基于模糊神经网络的机器人滑模自适应控制

滑模控制(SMC)响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络(FNN)具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。

基于模糊神经网络补偿的刚性机械手轨迹跟踪鲁棒控制

对存在模型误差和外部扰动信号的刚性机器人,提出采用计算力矩和模糊神经网络补偿相结合的控制方法,实现了刚性机器人轨迹跟踪鲁棒控制。该控制方案不仅可以简单得到精确在线训练数据,而且克服了神经网络控制实时性差的弱点。仿真结果表明,采用模糊神经网络作为补偿控制器,既能消除不确定性对系统的影响,又能得到渐近收敛的跟踪误差。

火灾探测信号的智能处理算法

针对火灾探测的特点,提出了一种处理火灾探测信号的智能算法,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。依据模糊神经网络算法的要求,完成了网络结构的设计,并给出了相应的计算模型,用改进的BP算法对网络进行学习和训练。将该算法应用于火灾探测中能够减少火灾的误报率,最后,根据国家标准试验火数据进行网络测试,仿真结果表明了算法的有效性和可行性。

环境监测实验室废水处理与污染防治探讨

随着科学技术的快速发展,各行各业都有了长足的进步。工业企业扩张发展,相关的企业数量不断增加,使得环境问题日益突出,国家现行的政策是走可持续、环境友好型发展道路的,要想走环境和发展兼顾的路径,环境监测就成为重要部分,对区域性的污染排放与治理进行监督。但是,环境监测实验室通常会有很多废水产生,如果没有进行有效的控制和处理,就会对周围的环境造成较为严重的污染,所以环境监测实验室应该构建完善的废水处理系统,减少废水对环境的污染。要加强对环境监测实验室废水处理与污染防治的研究。

风力发电机组电缆损伤浅析

文章阐述了风力发电机组电缆损伤的几种情况,并对各种损伤情况进行要因分析,对风力发电机组设计、安装施工、现场运行维护提供参考。