一种具有鲁棒性的磁链观测器在异步电机直接转矩控制中的应用

对磁链的准确估计在异步电机直接转矩控制中具有至关重要的作用．针对参数不确定电机模型．利用Lyapunov函数方法，给出了一种基于线性矩阵不等式（LMI）的具有鲁棒性的磁链观测器设计方法．得到了磁链观测器辨识的收敛性条件：相对于基于参数辩识磁链估计方法，其计算量很小．容易满足实时性控制的要求、仿真结果表明．磁链受定转子电月且不确定性变化影响较小．具有较强的鲁捧性．     

非线性动力学系统开闭环D型迭代学习控制器设计及其应用

对迭代学习控制算法进行了研究,针对非线性动力学模型,提出一种开闭环D型迭代学习律,给出了迭代学习控制算法收敛的充分性条件.计算机仿真结果表明,该方法具有优良的跟踪精度,可以用于机器人高精度轨迹控制.     

基于高阶CMAC网络的机器人自学习控制器

提出了将CMAC网络与PD控制器相结合的机器人在线自学习控制器，通过引入高阶网络的概念，采用简单的叠加处理法将多维输入空间的CMAC神经网络化为多个一维输入子网络，从而简化系统的网络结构．同时对进行叠加的一维输入CMAC网络选取不同的学习步长，提高了学习的收敛速度和模型的逼近能力．计算机仿真结果表明，所提出的新型机器人自学习控制器具有很好的控制性能．     

非线性系统开闭环PD型迭代学习控制及其在机器人中的应用

针对一类非线性时变系统的迭代学习控制问题提出了一种开闭环PD型迭代学习控制律.这种迭代律同时利用系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,即在开环迭代学习控制的基础上引入一反馈环形成反馈-前馈迭代学习控制律,提高系统的跟踪性能.文中给出了使此迭代学习算法收敛的充分条件和必要条件.最后,本文结果在机器人系统中的仿真应用表明了本文方法的可行性和有效性.     

机器人分散滑动模跟踪控制

提出一种机器人滑动模跟踪控制方案,使机器人跟踪时变轨迹.采取的方法是将整个系统视为由许多分散的线性子系统所组成,这些子系统又可由一组二次积分器模拟.利用非线性滑动曲面,设计了一个鲁棒控制器,使得输出跟踪误差能够在有限时间内收敛到零.     

基于新型CMAC神经网路的不确定性机器人鲁棒控制

基于文[1]所给的新型CMAC神经网络提出了一种机器人鲁棒控制策略,给出了新的网络权系数修正律,利用Lyapunov稳定性理论得出了系统稳定性充分条件,计算机仿真结果说明本文给出的鲁棒控制策略是有效的.[ ZK)〗     

无超调三阶系统的PID参数整定

将有超调系统跟PID控制联系起来，对二阶超调系统进行了深入的研究，推导出了PID参数、被控对象参数与系统期望极点之间的关系，给出了二阶系统在PID控制下保证系统无超调的充要条件、充分条件或必要条件，并进行了严格的数学证明．     

基于新型CMAC神经网路的不确定性机器人鲁榛控制

基于文[1]所给的新型CMAC神经网络提出了一种机器人的鲁棒控制策略，给出了新的网络权系数修正律，利用Lyapunov稳定性理论得出了系统稳定性充分条件，计算机仿真结果说明本文给出的鲁棒控制策略是有效的。     

基于神经网络的无速度传感器感应电机转子电阻辨识方案

针对矢量控制系统提出了一种转子电阻在线辨识方案.应用神经网络理论,以转子磁链电压模型的输出为参考值,神经网络模型的输出为估计值,通过反向传播算法不断调节神经网络的权值,使转子磁链的估计值跟踪参考值,间接辨识出转子电阻.在MATLAB6.5/SIMULINK下,对无速度传感器感应电机矢量控制系统在电阻变化时的情况进行了仿真.仿真结果表明,辨识算法具有较好的静动态性能.     

基于动态BP神经网络的抑郁病症诊断系统

随着生活节奏加快,竞争压力增大,抑郁症已成为一种常见的心理疾病,其发病机理目前尚不是十分清楚,医学界也没有严格统一的诊断标准。基于具有动态结构的BP神经网络,利用VC 设计开发了一套抑郁症诊断系统。该系统具有良好的灵活性和开放性,用户可根据实际需要自行调整网络层数、节点数以及学习收敛误差等参数。采用批量BP算法,提高了学习效率和逼近能力。测试结果表明,该系统具有较好的分类效果,可以用于抑郁症的辅助诊断和治疗。