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.     

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)〗     

非线性动力学系统的闭环模糊迭代学习控制器设计

结合模糊逻辑和迭代学习控制的基本思想，针对非线性动力学模型，设计一种闭环模糊迭代学习控制器；计算机仿真结果表明，该方法具有良好的鲁棒性，可用于机器人高精度轨迹控制．     

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。     

基于优化残差卷积网络的滚动轴承变工况故障诊断

针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题,提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中,利用具有残差连接的多个一维卷积层提取特征,再经过多个卷积池化,最后输入到Softmax层进行分类,输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析,结果表明,本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路,具有较强的抗噪性和泛化性能力。     

基于Internet的远程机器人控制时间延迟的研究

自从网络机器人问世以来，Internet的传输时延始终是系统实现的关键性技术问题。随机的时间延迟将导致系统的不稳定。本文提出了一种带有streaming buffer的Internet远程机器人控制系统。该系统能够把不规则的时间延迟转化为常数。实验证明本系统能有效地解决Internet的时间延迟问题，实现了Internet远程机器人系统的精确控制。     

自适应小波分析和多层卷积极限学习码器的轴承故障识别研究

针对滚动轴承振动信号由于强时变和强噪声等特性导致其故障难以辨识的问题,提出一种基于自适应小波分析(AWA)和多层卷积极限学习自编码器(MLCELAE)的滚动轴承故障识别模型.首先,提出一种新的轴承振动信号频谱边界检测方法,对信号频谱进行自适应分割,进而将信号分解为若干本征模态分量;然后选择较能反映轴承故障特征的模态分量并重构;最后构造卷积极限学习自编码器,并逐层堆叠建立深层网络MLCELAE,将信号样本输入MLCELAE进行自动特征学习与故障识别.试验结果表明:提出方法的平均故障识别准确率达到了98.48％,标准差仅为0.17,相比于其他方法在轴承故障识别准确率方面更具优势,适用于滚动轴承故障的自动识别.     

驼峰车辆减速器闭环控制PD参数模糊在线自校正

基于参数模糊在线自校正的原理,提出一种对驼峰车辆减速器控制系统控制参数按调速过程进行模糊在线自校正的控制方法。针对车辆减速器控制系统的特点和性能要求,设计减速器模糊在线自校正控制器,以调速过程中速度误差及其变化为输入语言变量,建立模糊控制规则;根据模糊控制规则在线调整PD控制器的参数,使控制器能较好地适应减速器闭环控制定速设定及过程参数时变。本控制方法在实际系统中进行了试验,结果表明,与常规PD控制相比,模糊在线自校正PD参数控制器有较好的控制性能和较强的鲁棒性,可使系统的控制精度有明显的提高。     

基于智能VRFT的城市轨道交通列车速度控制研究

利用虚拟参考反馈整定VRFT方法，可根据被控对象的一组输入和输出数据完成控制器设计的特点，提出一种基于智能VRFT的城市轨道交通列车速度控制方法；VRFT方法中的参考模型决定了控制器的闭环性能，通过粒子群优化算法PSO，对控制器参数和参考模型参数进行全局协同优化，设计出最优PID控制器。仿真结果表明：该方法能够优化PID控制器的设计，有效控制城市轨道交通列车速度。     

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.     

可编程控制器系统的抗干扰措施

为了提高可编程控制器抗干扰能力，在分析干扰源的基础上，针对系统外引线和接地混乱等干扰，提出了对输入、输出信号采取并联阻容或续流二极管，以及进行科学接地以减少电位差引起的干扰电流等抗干扰措施，达到有效提高可编程控制器抗干扰的能力。     

基于变分自编码器的MVB网络异常检测方法

多功能车辆总线(MVB)用于列车通信网络中各功能设备间的信息传输,其网络异常将严重影响列车运行安全.在对MVB网络常见故障分析的基础上,提出一种基于变分自编码器(VAE)的MVB网络异常检测方法,直接将采集到的MVB信号物理波形作为模型输入,选取VAE重构误差作为MVB网络异常检测依据.为了有效解决实际应用中带标记异常...     

非线性动力学系统的闭环模糊迭代学习控制器设计

结合模糊逻辑和迭代学习控制的基本思想,针对非线性动力学模型,设计一种闭环模糊迭代学习控制器;计算机仿真结果表明,该方法具有良好的鲁棒性,可用于机器人高精度轨迹控制.     

基于CMAC的摆式列车倾摆控制研究

摆式列车是具有诸多不确定因素的动态系统,其倾摆系统的控制是摆式列车成功的关键,利用传统控制方式很难得到倾摆系统较好的控制品质。本文针对摆式列车的特点提出一种基于CMAC神经网络与PID相结合的倾摆系统并行控制方法。该方法利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动;利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和动态响应速度。此外,该并行控制算法相对简单,实时性好,易于在倾摆控制系统中实现。通过对阶跃信号、正弦波信号和方波信号的跟踪仿真,表明该算法克服了传统控制的不足,增强了倾摆系统的控制精度,提高了系统的动态响应速度,并且使系统具有较强的抗干扰性和鲁棒性。     

基于嵌入式技术的测试仪器网络系统

提出了基于嵌入式技术的远程测试仪器网络系统设计方法，重点介绍了嵌入式仪器网络控制器的基本结构和软件设计，为实现基于Internet的远程仪器网络提供了设计技术。     

车辆横向半主动悬挂的神经网络自适应控制

分析了车辆半主动悬挂模型的非线性特性，提出了采用神经网络的半主动悬挂自适应控制模型，设计了神经网络辨识器和控制器，采用专门算法修正控制器网络权值，仿真计算表明，神经网络自适应控制的半主动悬挂系统能有效改善车辆横向平稳性。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

适用于牵引调速系统的自学习模糊速度控制器

牵引调速系统具有结构复杂，存在许多不确定因素的特点，很难建立精确的数学模型，采用模糊控制可以不建立被控对象的精确数学模型而获得良好的控制性能。文中结合文牵引调速系统的特点给出了一种具有自学习功能和防空转功能的模糊速度控制器。讨论了控制器的控制规则和实现方法，这种控制器除能对机车的速度进行了控制外还能对机车的空转现象进行控制。     

铁路BIM海量数据实时压缩方法研究

针对铁路BIM海量数据与当前网络传输带宽的矛盾，结合铁路三维场景的数据特点提出一种铁路BIM数据实时压缩方法。对铁路三维场景的三维空间绝对坐标进行局部化处理，将坐标维数降为二维；通过相对化处理将每一维坐标数值占用的比特位大大减少；采用无损坐标量化定义了一种适于铁路场景网络传输的紧凑数据格式存储坐标；提出适用于铁路场景绘制的帧间预测方法减少相邻桩号间的数据冗余；借助自适应算术编码技术对数据比特流进一步压缩，获得了更高的压缩比。