基于离散传递函数的线性跟踪系统的控制算法

给出一种基于离散传递函数的线性跟踪系统的控制算法,并在离散传递函数的零点都在单位圆内的情况下证明了这种控制算法的控制量序列是有界序列,从而保证了这种控制算法的可行性。将这种算法应用于ATP粗跟踪系统中,对某飞机的一组方位角数据的拟合轨迹进行跟踪仿真,获得了满意的跟踪结果。

线性跟踪系统的控制律

利用线性系统的叠加原理 ,将理想输入表示为从不同采样时刻开始的系统的单位阶跃响应的线性组合 ,求得组合系数并由此导出了跟踪系统的控制律。理论分析表明 ,采用这种控制律可实现对系统的精确控制 :无超调、无静差。

线性跟踪系统Lyapunov函数性质及其应用

研究了线性跟踪系统Lyapunov函数性质,并基于该性质进行控制系统设计研究,给出控制器结构和Lyapunov函数取值估计;首先,以经典三回路为基础建立线性闭环跟踪系统微分方程;在完成系统数学模型的基础上,给出线性跟踪系统Lyapunov函数对时间的一阶导数为非负,二阶导数为非正,即线性跟踪系统Lyapunov函数最大值不是在系统的初始状态而是稳定状态这一论点;进而基于该Lyapunov函数性质对控制系统进行设计和Lyapunov函数取值进行研究;最后通过仿真验证,仿真结果表明所提出的线性跟踪系统Lyapunov函数性质、控制器设计和Lyapunov函数取值估计是正确的。

具有未建模动态的非线性跟踪系统的鲁棒干扰几乎解耦

针对一类具有未建模动态和有界时变干扰的单输入单输出非线性系统,提出鲁棒干扰几乎解耦的新定义。在此基础上,采用辅助动态信号来抑制未建模动态,运用自适应非线性阻尼来克服未知参数和非线性不确定性,通过坐标变换及构造Lyapunov函数,获得控制规律,使被控系统在未建模动态及有界干扰下,仍能实现跟踪。并且,只要适当选择控制参数,跟踪误差将会任意地小。仿真算例表明,提出的鲁棒干扰几乎解耦的定义和控制规律非常有效。

一类非线性跟踪系统的自适应控制及神经网络的设计方法

本文针对一类非线性系统，给出了非线性不同情况下此类非线性连续时间自适应控制方案及神经网络控制方案。由于在这两种方案中控制律的选择都是基于Lyapunov稳定性理论，都能够解决这类非线性系统的跟踪问题，并使整个环控制系统具有渐近稳定和参数渐近收敛特性，克服了许多神经网络控制系统中存在的稳定性问题。文中最后对两种方案进行讨论及仿真。

线性时不变控制系统中的互信息率和解析约束

针对受随机干扰的离散线性时不变系统的跟踪控制问题,采用信息论的方法讨论了系统获得有效跟踪性能的基本信息条件。从此条件出发,得出系统闭环传递函数设计的解析约束,表明了系统敏感函数与补敏感函数的Bode积分间的关系。对于开环传递函数严格正则的系统,这一约束反映了开环不稳定零极点应具备的特性。

新型粒子滤波算法及其在纯方位目标跟踪中的应用

针对基本粒子滤波算法没有融合当前时刻观测值的缺点,提出了一种卡尔曼粒子滤波算法。该算法针对每一个粒子使用卡尔曼滤波器进行更新,在更新过程中融合最新的观测信息,提高粒子滤波器的估计精度。针对纯方位目标跟踪问题进行实验,与基本粒子滤波算法及卡尔曼滤波进行了对比。实验结果表明,卡尔曼粒子滤波算法的跟踪性能明显优于其他两种算法。

观测时滞离散系统卡尔曼滤波算法

由于观测时滞系统的观测方程不符合卡尔曼滤波算法的实现形式,导致传统卡尔曼滤波算法无法直接应用于观测时滞离散系统。为此,在借鉴系统状态增广方法的基础上,设计了一种将观测方程转换为无时滞观测方程的方法。同时根据卡尔曼滤波算法原理,针对变换后的无时滞系统模型方程,给出观测时滞卡尔曼滤波算法的步骤,并将此方法应用到实际非线性观测光电跟踪系统中,进行算法的性能对比。仿真实验结果证明:将时滞观测方程转换为无时滞观测方程的方法是可行的,可大幅度提高算法精度。

发那科机器人缔造多行业解决方案

发那科2012年新品拳头机器人M-2iA首次亮相年底工博会，无疑是展会的亮点。“他”通过视觉和编码器对运行的输送线上杂乱摆放的钣金工件进行视觉定位跟踪，并高速拾取工件对其进行码垛工作。M-2iA机器人具有4轴控制，最大负载3kg，该机器人是FANUC开发的一款高速搬运机器人，独特的并联结构和轻量化设计保证了其高速性和加速性，配合FANUC2D视觉和线性跟踪系统，可对运行的工件进行动态定位和抓取。