基于隐式Lyapunov函数的弹药传输机械臂变增益超螺旋滑模控制

为提高某弹药传输机械臂在传输弹药过程中受到负载不确定性影响下的定位控制鲁棒性,提出一种新型的基于隐式Lyapunov函数变增益超螺旋滑模控制方法。建立弹药传输机械臂系统的动力学方程,并对方程中摩擦力矩及支反力矩的重要参数进行辨识,减少系统不确定性。构造隐式Lyapunov函数并设计出一种新型的变增益超螺旋滑模控制策略,通过Lyapunov稳定性理论证明闭环系统全局稳定。超螺旋滑模控制增益的变化取决于系统的Lyapunov函数,是滑模变量的可微函数,具有控制参数易调节的优势。实验结果表明:摩擦力矩及支反力矩补偿可使系统定位时间由补偿前2.659 s缩短到1.157 s,提高了系统定位性能。在不同工况下,控制方法可有效地抑制系统负载不确定性的影响,保证系统的定位稳定性。

曲线链式回转弹仓动力学模型不确定参数辨识

为了准确模拟曲线链式回转弹仓输送弹药过程中的非线性动力学特性,根据系统的拓扑结构和控制原理建立包含不确定参数的动力学模型。利用优化设计思想,基于系统测试数据建立不确定参数辨识模型。提出一种函数型时间序列相似度作为辨识准则,采用基于径向基函数的高维模型表示和径向基函数分别构建从机械系统和控制系统不确定参数到辨识准则的代理模型。将麻雀搜索算法嵌入岛屿模型进行多种群结构化,形成岛屿麻雀搜索算法,进行寻优求解。以工况1测试数据为基准,对机械系统和控制系统的不确定参数进行辨识。研究结果表明,辨识后的动力学模型对两种工况的输出结果与测试数据相似度较高,验证了建模的准确性和辨识的有效性,为动作可靠性分析和故障诊断研究提供了可靠的样本数据来源。

链式回转弹仓区间不确定性动力学模型

针对具有区间不确定性参数的辨识问题,提出一种基于区间可能度转换模型的区间不确定性参数的双层嵌套辨识(Double-layer Nested Identification,DNI)方法。通过将待辨识参数分为两类,利用DNI方法辨识出第1类确定性参数,再通过基于DNI思想的区间优化方法优化第2类区间不确定性参数的区间范围;面向嵌套策略类型方法计算量庞大且效率低的问题,选用贝叶斯优化-粒子群优化(Bayesian Optimization-Particle Swarm Optimization,BO-PSO)方法作为内层算法以提高求解效率。DNI方法的内层利用BO-PSO方法计算区间上下界,外层利用改进型布谷鸟搜索(Improved Cuckoo Search,ICS)方法辨识特定参数。为进一步缩短求解时间,提出一种ICS多核极限学习机(ICS-Multiple Kernel-Extreme Learning Machine,ICS-MK-ELM)代理模型,ICS-MK-ELM代理模型克服了人工调节每个核函数超参数的困难,并且模型预测精度明显高于核ELM(Kernel ELM,KELM)和MK-ELM;将DNI方法应用于链式回转弹仓的参数辨识,解决了链式弹仓具有区间不确定性参数的辨识困难的问题,参数辨识结果表明所提DNI方法以及基于DNI思想的区间优化方法具有更高的精度和稳定性。

推拿联合鼠神经生长因子治疗小儿周围性面瘫的应用分析

目的:分析推拿联合鼠神经生长因子治疗小儿周围性面瘫的治疗效果。方法:选择2014年4月-2016年12月期间厦门市中医院收治的30例小儿周围性面瘫患儿,随机分为对照组和观察组,各15例。对照组在常规基础上采用鼠神经生长因子治疗,观察组在对照组基础上增加中医推拿治疗,评估两组临床疗效,同时观察患者治疗后面瘫症状改善情况。结果:观察组治疗总有效率(93.33%)显著高于对照组(80.00%),组间差异有统计学意义。观察组面瘫症状改善时间、临床症状消失时间、治愈时间均显著少于对照组,三项观察指标组间差异均有统计学意义。观察组不良反应发生率(26.67%)与对照组(20.00%)比较,差异无统计学意义。结论:小儿周围性面瘫采用中医推拿联合鼠神经生长因子治疗疗效可靠,具有起效快、预后佳等优点,临床应用效果良好。

神经生长因子研究与药物开发进展

神经生长因子(NGF)是最早被发现的神经营养因子,广泛分布于中枢神经系统和周围神经系统中,不仅在神经系统中具有重要功能,同时,在非神经系统中也发挥至关重要的作用。目前,NGF相关产品的临床应用已经受到研究者和临床医师的广泛关注。为了全面深入认识NGF,更好地指导临床应用,就NGF研究和药物开发进展作简要综述。