带有柔性关节从机械臂遥操作机器人系统滑模控制研究

针对遥操作机器人系统在空间与医疗手术应用时出现的从机械臂柔性问题,提出了带有柔性关节从机械臂的遥操作机器人系统的二端几网络模型,并进行了理想性能分析.在此基础上设计了一种新型的滑模变结构控制方案,在该方案中主机械手采用阻抗控制而柔性关节从机械手采用滑模变结构控制策略.实例仿真结果表明,该控制方案能有效地抑制柔性从机械臂...     

网络遥操作机器人系统视频传输及同步技术

研制了一种新颖的应用于网络遥操作机器人系统的网络视频流传输系统,该系统基于C/S模型并采用MPEG4视频编码器对图像进行编解码,实现了机器人现场视频的实时采集、编码、传输和播放。此外,对网络遥操作机器人系统的视频、音频和力信息的传输同步问题展开了研究。实验证明所研制的系统不仅能保证机器人现场图像传输的实时性,而且能较好地实现多信息的同步。     

具有时延的遥操作机器人系统稳定性与透明性研究

针对遥操作机器人系统通信时延引起系统不稳定以及性能下降等问题,将系统描述成一个具有时延的状态方程,通过构造适当的李雅普诺夫函数,分析了时延下系统处于约束运动状态下的稳定性,并得到系统的稳定性条件.此外,通过建立系统的等效电路图,研究了一种采用阻抗匹配方法分析系统在有时延和无时延情况下透明性的新方法.仿真实验结果表明该方法的有效性,时延下的系统在保证稳定的基础上实现了良好的透明性.     

基于神经网络的无人无缆水下机器人运动建模与控制技术研究

对自主型水下机器人（ＡＵＶ）神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对ＡＵＶ运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

基于广义预测控制的船舶可调桨网络控制系统研究

可调螺距螺旋桨(CPP)控制系统是船舶推进系统的重要子系统.随着船舶推进系统在响应速度、操纵性能等方面的要求不断提高,CPP控制系统已从传统的控制系统发展到分布式的网络控制系统,而网络控制的引入必然产生不确定的网络时延.因此,采用支持向量机,广义预测控制和队列机制的混合控制方法设计了网络控制器,有效地补偿网络时延对CPP控制系统产生的不利影响.     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中,提出了能实现模拟控制规则的基于强化学习的自学习和自调整的规划算法,设计了水下机器人实时运动规划器结构以及规划器操作过程,提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下,实现了对水下机器人这一复杂非线性系统的预测控制,仿真实验结果验证了本文所提的方法的有效性。     

船舶可调桨网络控制系统研究

可调螺距螺旋桨(简称可调桨CPP)控制系统是船舶推进系统的重要子系统。随着船舶推进系统在响应速度和操纵性能等方面提出的更高要求,CPP控制系统已从传统的控制系统发展到分布式的网络控制系统,而网络控制的引入必然产生不确定的网络时延。因此,本文采用支持向量机 广义预测控制 队列机制的混合控制方法设计了网络控制器。仿真结果表明,该控制算法能有效地补偿网络时延对CPP控制系统的影响,使之具有较好的稳定性和鲁棒性。     

网络控制系统诱导时延的自适应补偿研究

在网络控制系统中,网络诱导时延是造成系统性能下降甚至不稳定的基本因素.为了有效地抑制网络时延对网络控制系统性能的影响,提出了一种基于BP神经网络补偿的自适应PID控制方法,在不改变已有PID控制器控制参数的情况下,实现了对网络时延的在线自适应补偿.仿真结果表明,与传统的PID控制器比较,该方法能有效补偿网络时延的影响.     

基于FCM聚类的船舶网络传输时延自适应优化方法研究

针对传统船舶网络传输时延控制方法存在的时延性能差、传输失败率高的问题,研究一种基于FCM聚类的船舶网络传输时延自适应优化方法。该方法利用TURBO编码和LDPC编码相结合的方法对船舶网络信道进行编码,搭建船舶网络环境;利用基于灰度关联分析预测方法预测各信道的负荷能力,结合预测结果,利用FCM聚类算法实现资源数据与传输路径之间的聚类匹配,从而合理均衡配置资源,最大程度降低网络传输时延。结果表明:船舶网络传输时延自适应优化方法进行船舶网络信息传输时延缩短了7.9 ms,平均传输失败率降低了8.44%。     

径向基神经网络在水下船体防腐中的应用

采用改进型径向基函数神经网络来预测水下船体电位,从而达到船体防腐的目的。首先,分析采用无单元法求解问题的优越性;然后,介绍径向基函数神经网络的原理,通过建立水下船体的数学模型来获得船体电位,采用层次凝聚算法和K-均值聚类算法来确定径向基函数神经网络的中心节点,从而建立神经网络;最后,对神经网络的预测能力进行MATLAB仿真检验。结果表明,采用改进型的径向基函数神经网络来预测船体电位获得了很高的精度,对于船体防腐保护达到了很好的效果。     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

柔性身管的RBF神经网络PID控制

由于舰炮身管的弯曲振动,传统的利用炮管轴角位移进行反馈控制的方法无法精确控制炮口指向。针对这一缺点,提出了一种利用炮口角位移作为随动系统位置环反馈信息的控制结构。为模拟身管的振动,应用多刚体动力学对舰炮身管进行了柔性体建模。为改进后的控制结构设计了基于RBF神经网络整定PID参数的控制器,并与传统PID控制器的控制效果进行了仿真对比,验证其对于提高随动系统控制精度的有效性。     

基于RBF神经网络的水面船舶轨迹跟踪控制

针对速度矢量不可测、动态参数不确定以及具有未知扰动和磁滞特性的水面船舶系统,提出一种基于径向基函数神经网络的自适应反馈轨迹跟踪控制方案。根据船舶的状态矢量,利用高增益观测器估计水面船舶系统的不可测速度矢量,并通过一个函数描述间隙类磁滞对系统的影响。利用径向基函数神经网络的逼近能力和反步法设计控制器,基于李雅普诺夫稳定性理论,验证所设计控制器的稳定性,证明系统所有的闭环信号都是半全局一致有界的。通过仿真验证了控制器的有效性。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于改进型RBF神经网络的磁流变阻尼器动力学建模及仿真

为提高磁流变阻尼器(MRD)动力学精度,提出一种网络连接权值自适应调整的改进型RBF神经网络模型。利用与任一测试样本相邻的两个训练样本对应的实际连接权值,对测试样本连接权值进行线性插值,提出连接权值的自适应算法;搭建MRD动力试验平台,进行多频率、多振幅的动力性能试验,利用大量实测力学特性数据,建立RBF神经网络模型以及连接权值自适应调整的改进型RBF神经网络模型,分析比较RBF神经网络模型在改进前后的平均累计相对误差变化规律,并进行数值仿真计算和试验测试分析。研究表明,在正弦激励频率0.25 Hz～1.0 Hz、振幅5 mm～15 mm、电流0～1.25 A工况下,相比于传统RBF神经网络模型5%的最大误差均值,改进型RBF神经网络模型使建模误差均值多控制在0.45%～0.85%之间,有效改善MRD的动力学特性,建模精度较好满足工程实际需要。     

蒸汽发生器水位神经自校正控制研究

针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出核动力蒸汽发生器水位单神经元自校正PID控制方法,在线调整控制器参数。仿真研究表明,该方法可以提高系统的控制品质。