基于激光传感器的农业机械控制器设计

针对当前农业机械控制器对农业机械器件控制能力较差,导致农业机械设备存在换挡异常与平衡性较差的问题,提出基于激光传感器的农业机械控制器设计研究。先选用拿度DPE-10-500激光测距传感器为控制器的数据测量设备,对中央控制模块展开优化。然后设定传感器测量距离与角度,使用圆拟合算法对测量数据进行修正。最后根据激光测量结果,以PID控制器为基础,构建自适应神经模糊控制器,对农业机械设备进行控制测试。测试结果表明:此控制器可按照预设要求完成机械设备的换挡,对机械臂为位置控制误差最大仅为0.58 cm,智能平衡开启状态时,其偏离最大角度仅为1.6°,偏离最大幅值仅为31 cm,极大提升了设备的调试位置精度及平衡性,进一步提升农业机械设备的应用效果。

车辆主动悬架自适应变论域T-S模糊控制研究

针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题,提出一种车辆主动悬架自适应变论域T-S模糊控制策略,从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器,利用神经网络的自学习特性产生完善的模糊规则,进而在传统函数型伸缩因子的基础上,将系统误差和误差变化率作为动态参数引入伸缩因子中,实现伸缩因子参数的自适应调整,解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验,对所提出算法的有效性和工况自适应性进行了验证。结果表明,所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性,在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

自适应神经模糊推理系统优化的快速上肢评估方法

传统方法对工作相关肌肉骨骼疾病风险评估的输入变量变化敏感性较低,导致风险评估输出结果的精确性和可靠性不足。为更加准确地进行人因工程风险评估,提出了基于自适应神经模糊推理系统的快速上肢评估方法(RULA)。首先,基于卷积神经网络对视频中人体工作姿势的关键点进行检测及识别,并计算关节角度;其次,基于自适应神经模糊推理系统对快速上肢评估方法进行改进,搭建工作相关肌肉骨骼疾病风险评估架构以解决评估不同姿势时获得相同评分的问题;再次,随机选取不同工作姿势的关节角度数据对网络进行训练和检测,调整基于自适应神经模糊推理系统和快速上肢评估方法的工作相关肌肉骨骼疾病风险预测模型的最佳参数;最后,选取关节角度数据集里的前15个工作姿势进行相关性验证,将结果与原始快速上肢评估方法的结果进行比较,应用树枝修剪工具的操作过程进行案例分析以实现风险得分的实时动态评估。结果表明,优化后的快速上肢评估方法比原始方法更敏感,验证了利用自适应神经模糊推理系统能够有效改进快速上肢评估方法并实时预测风险得分。

考虑输出约束和输入饱和的弹仓自适应控制

针对存在参数不确定性和外部扰动的某链式回转弹仓的位置跟踪控制问题,提出一种自适应控制方案。该方案基于神经模糊系统(Neuro-Fuzzy System,NFS)、非线性扰动观测器(Nonlinear Disturbance Observer,NDO)及障碍Lyapunov函数(Barrier Lyapunov Function,BLF),在实现高精度控制的同时满足输出约束和输入饱和的工程条件。通过BLF的设计,保证弹仓的位移跟踪误差约束在给定范围内。结合神经网络的函数逼近能力和模糊逻辑系统的推理能力,用于估计系统中的不确定性,减小对模型的依赖;两者结合的NFS作为NDO的一部分,进一步补偿估计误差和外部扰动,提高控制性能。此外,控制器设计考虑了运动过程中的执行器输入饱和问题。仿真结果表明,所设计的控制器在3种典型工况以及系统参数变化情况下均可实现弹仓的高精度位置跟踪控制,满足系统的约束条件。

结合改进ANFIS的车辆半主动悬架振动控制

为改善MR阻尼器半主动悬架的减振效果,提出一种基于改进自适应神经模糊推理系统(ANFIS)的半主动控制方法。首先,针对MR阻尼器的逆向动力学模型难以精确确定的问题,采用改进乌鸦搜索算法(MCSA)对ANFIS进行优化,即分别用MCSA和最小二乘法对ANFIS的前件参数和后件参数进行寻优,以克服标准ANFIS易于陷入局部最优解的缺陷。为了提高标准乌鸦搜索算法(CSA)的搜索精度,采用三角概率分布策略选择目标乌鸦,并对更新后的解实施反转变异操作。然后,根据悬架响应设计LQR控制器以计算理想控制力,并与改进逆向模型相结合,实现理想控制力与MR阻尼器输入控制信号之间的转化,从而调节阻尼力,实现车辆半主动悬架系统的振动控制。仿真结果表明:相较于GA-ANFIS和PSO-ANFIS,所提出的MCSA-ANFIS逆向建模方法具有更高的预测精度,使MR阻尼器的输入信号和阻尼力的预测精度分别提高17.49%和30.62%;以随机路面信号作为半主动悬架的激励,相较于被动控制和LQR-COC半主动控制,所提出的LQR-MCSA-ANFIS控制策略能使簧载质量加速度、悬架动行程和轮胎动载荷的均方根值分别下降12.37%、37.63%、30.70%以及6.64%、14.89%、17.27%。该半主动控制策略可为MR阻尼器悬架系统的减振研究提供参考。

基于神经模糊系统的电动泵自动化机架运行研究

本文的目的是建立电动泵自动化支架的运行优化模型,并研究其在标称运行模式下的特性。为了研究涡流电动泵自动化理论的主要概念以及线性和非线性对象的控制原理,建立了涡流电动泵的支架结构。根据实验数据,建立了涡流电动泵运行特性的数学模型,基于水泵特性神经模糊系统模型的最优控制极限,提出了一种新的模糊系统模型。结果表明,对于最优模态的发现,依赖于模型识别的智能方法。

基于混合控制算法的爬壁机器人跟踪控制

为解决爬壁机器人轨迹跟踪过程中速度突变与输入抖振的问题,提出一种基于神经动力学模型的反演运动学控制器与组合趋近律神经滑模动力学控制的混合鲁棒控制算法。利用神经动力学模型获取有界、平滑的虚拟位姿误差信号,解决了传统反演控制法引起的速度跳变问题;引入自适应径向基神经网络(RBFNN)调节基于组合趋近律的滑模增益,消除了抖振现象。设计过程采用Lyapunov函数,保证了控制系统的稳定与收敛。通过仿真数据与实验结果证明了所提算法的有效性。

高温铝液液面自动控制系统设计及应用

为保证铝板铸造机的进料流量稳定和产出铝板质量,需将高温铝液液面保持稳定,为此设计出一套自动控制高温铝液液面高度的系统。根据生产流程,设计高温铝液流量控制装置机械结构和基于PLC的控制系统,并提出自适应神经模糊推理系统PID(ANFIS-PID)控制策略,进行了Matlab/Simulink仿真测试与现场测试。与传统PID控制、自抗扰控制分别进行对比,结果显示:ANFIS-PID策略控制时的超调量最小,上升时间与调节时间最短,能更好地调节高温铝液液面;系统配有组态屏人机交互系统,使操作更加人性化;并具有断电保护功能,提高了生产的安全性和经济性,并且更容易投入生产使用。

动物机器人遥控导航系统

介绍了一个通过PC机控制动物机器人的遥控导航系统.该系统由计算机发出控制指令到动物机器人身上的控制器,然后再由它发出双相刺激脉冲到动物机器人脑部的相关核团,以控制其行为.另外,该系统能够同时控制动物机器人的多个不同脑部位,并能扩展出更多的通道,可以满足不同通道脑控制实验和其他的相关电生理实验.实验证明:即使在300m远的复杂环境中,该系统也具有高保真性,且工作稳定,性能良好.此外,该系统体积小,重量轻,动物机器人容易携带.

生物机器人的研究现状及其未来发展

介绍了生物机器人与一般仿生机器人相比的主要优点及其应用前景,对国内外生物机器人的研制工作做了综述,并对未来的研究方向和工作重点作出了展望.

漂浮基空间机器人及其柔性影响下逆模神经网络控制

针对漂浮基空间机器人及其柔性影响下动力学模型,提出一种神经网络控制方法,把神经网络和传统反馈PI控制相结合构成一种混合性机器人逆模学习控制方案,并分析此控制方法工作原理。最后给出带两机械臂漂浮基空间机器人的仿真结果。结果表明所应用逆模控制方法具有较快收敛性和较高跟踪控制精度,是一种有效的控制方法。

月球软着陆的神经元最优制导控制方法

针对月球软着陆过程中的控制问题 ,提出了一种将最优理论和非线性神经元控制相结合的控制制导方案。其主要内容是 ,根据终端着陆条件和性能指标 ,以由庞氏极大值原理得出从近月点到月面的最优着陆轨迹为基础 ,给出一种基于人工神经元网络的非线性最优控制策略 ,使被控系统能通过神经网络对非线性的映射能力实现某种最优的非线性控制。

卫星姿态再励学习的模糊神经控制

将再励学习的模糊神经控制引入卫星姿态控制中,给出详尽的实现方法,推导了模糊神经控制器的自学习算法.直接利用再励信号,对控制器的参数进行在线调节,不需要控制器的学习样本.仿真结果表明该控制算法能有效地克服卫星的不确定性,具有较强的鲁棒性,可实现较高精度的卫星姿态控制.

高压氧舱自动监控系统的设计与开发

在高压氧舱自动监控系统设计中采用基于PC总线的工控机,利用PCL系列控制板对舱室进行控制,并利用Lab Windows／CVI虚拟仪器编程语言实现了监控系统的软件编程。采取了模糊-神经元控制策略,提高了系统的可靠性。

电火花加工放电状态的检测及神经模糊控制

设计了电火花加工放电状态的检测方案 ,确定了模糊控制的输入输出参数 ,给出了一种实用的神经模糊控制算法。实验结果表明 。

基于神经网络的主动隔振控制技术

针对主动隔振系统存在的非线性,提出一种基于BP网络控制器的主动控制方法。由于系统次通道使得网络权值无法直接利用振动误差信号调整,提出一种改进的同时扰动自适应算法,并证明该算法在数学期望上是一种随机梯度法。试验研究结果表明:与传统的自适应前馈控制方法相比,所提出的方法对于存在非线性的周期性振动的隔振效果更明显。

车辆纵向运动跟车间距控制的研究

采用一种可以实施混合学习算法的自适应神经—模糊推理系统(ANFIS)结构 ,对车辆纵向运动跟车间距控制问题进行了研究 ,设计了基于ANFIS结构的跟车间距控制器 ,通过仿真对ANFIS结构控制器中的各参数进行了优化 ,结果表明 ,运用ANFIS结构进行跟车间距控制是可行的 ,控制器可取得较为满意的控制效果。

基于CMAC网络的主动隔振控制技术

针对主动隔振系统存在非线性,提出一种基于CMAC神经网络控制器的主动控制方法。由于系统的次通道使得控制器参数无法直接利用振动误差信号来调整,提出一种改进的同时扰动自适应算法,并证明该算法在数学期望上是一种随机梯度法。针对系统的非线性情况进行了仿真和试验研究,结果表明:与传统的FXLMS自适应前馈控制方法相比,所提出的方法对于存在非线性的周期性振动的隔振效果明显。

基于神经工效学的智能车辆横向控制模型研究

现有的驾驶人模型,在揭示驾驶人的驾驶机理上,或单独从驾驶人认知角度出发,或单独从控制角度出发,缺乏一个将驾驶人的认知过程和控制原理有机地结合起来的系统模型。鉴于此,本文中在神经工效学认知体系架构的基础上融合了模型预测控制算法(MPC)以及手臂肌肉模型,建立了一种基于神经工效学的车辆横向控制模型。模型采用了CarSim/Simulink联合仿真和基于dSPACE/驾驶模拟器硬件在环的方法进行验证。结果表明:基于神经工效学的车辆横向控制模型的轨迹跟踪精度优于MPC算法。同时,在控制转向盘转角、横摆角和横向加速度波动幅度等方面也较MPC算法有一定的提升。

神经元最优状态反馈控制及其在登月问题中的应用研究

以非线性系统自学习最优控制算法为基础，提出了一种基于人工神经元网络的非线性状态反馈最优控制策略，使非线性不确定性的被控系统能通过自学习实现某种最优的非线性反馈控制。本文对该控制策略在登月软着陆问题中应用进行仿真研究，验证了该控制策略的可行性和有效性。