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.     

高速动车组自适应速度跟踪控制

针对高速动车组运行过程的非线性和参数的时变特征,将其描述为由线性自适应模型和非线性未建模动态补偿模型组成的集成模型。基于高速动车组的牵引特性曲线和线路实际运行数据,采用递推最小二乘法建立线性自适应模型。针对系统未建模动态特性,应用自适应神经模糊推理系统ANFIS(Adaptive-network-based Fuzzy Inference System)建立未建模动态补偿模型。提出基于高速动车组集成模型的运行速度自适应控制算法,实现对给定速度曲线的高精度跟踪控制,并基于CRH380A型动车组运行过程的仿真结果验证本文所提方法的有效性。     

用于异步电动机无速度传感器控制的自适应滑动模式观测器

介绍了用于异步电动机无速度传感器的磁场定向控制的一种自适应滑动模式观测器.该观测器通过电动机电方程式来检测两相静止参考坐标中的转子磁通分量.通过一个由Lyapunov函数得来的附加关系式可以推算电机速度.充分解释了滑动观测器和速度推算法的分析推导.在TMS320F240数字信号处理器控制器的基础上,给出了试验结果.说明和讨论了系统性能和电机参数偏差的影响.     

无人机轨道跟踪控制模型

将无人机技术与计算机视觉技术进行结合,利用四旋翼无人机、机载成像设备、图像处理系统,搭建了无人机图像处理平台。利用Open CV计算机视觉库和Microsoft Visual Studio开发环境,编写了图像处理程序,对无人机获取的轨道图像进行处理与分析。在对图片进行尺寸调整、色彩空间转换、滤波后,采用连通区域检测算法识别出轨道区域。然后采用边缘检测、霍夫直线变换从轨道区域中识别出轨道,并可计算出轨道中心线的坐标。     

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)〗     

基于改进模糊滑模控制的列车速度跟踪研究

列车运行过程具有强耦合、非线性等特征,且往往存在较大且不可观测的外界干扰,这些特性加大了列车运行控制的难度,针对列车运行速度跟踪控制问题,提出一种新的模糊滑模控制器设计方法。首先基于模糊滑模控制,引入全局快速终端滑模控制,使系统在有限时间内达到稳态;然后构造以李亚普洛夫函数导数的绝对值为补偿的自适应干扰估计项,对外界干扰进行准确估计,进而提出一种双层递阶指数趋近全局快速终端模糊滑模控制器,并且引入指数趋近率来调节滑模面的动态品质,该控制器能快速收敛到稳定状态,且有效地消除了控制器的抖振情况;最后通过仿真算例验证了所提方法的有效性,且提高了列车运行控制系统性能。     

基于动态面方法的高速列车蠕滑速度跟踪控制

针对高速列车的主动黏着防滑控制问题,提出基于障碍Lyapunov函数的蠕滑速度动态面跟踪控制算法,可以实现对蠕滑速度的上界约束,同时保障黏着控制系统的稳定性。首先建立考虑牵引与制动转矩产生过程的高速列车动力学模型,并将黏着控制问题描述为含输出约束的非线性系统的跟踪控制问题;然后引入障碍Lyapunov函数处理输出约束问题,设计了自适应动态面控制律,未知参数由自适应律估计得到,未知时变的黏着力和运行阻力由两个力观测器来估算;最后通过Lyapunov方法证明了蠕滑速度跟踪误差半全局一致最终有界,蠕滑速度始终保持在稳定区域内。仿真结果证明了该方法的有效性。     

城市轨道交通兼容性车载系统阶梯形目标速度的平滑跟踪控制研究

[目的]针对城市轨道交通兼容性车载系统中目标速度消息周期大于车载控制周期以及消息间隔不固定的特殊现象,提出了一种双周期速度跟踪算法来实现阶梯形目标速度的平滑跟踪目的。[方法]根据目标速度序列特点,引入了巡航状态和估计状态等2个控车状态,对列车站前减速过程进行识别。分别对消息周期和车载控制周期时刻的目标速度进行相应处理：当收到目标速度的消息周期时,基于卡尔曼滤波算法计算参考速度、参考加速度的估计值;当未收到目标速度的车载控制周期时,基于上述估计结果推算出车载控制使用的参考速度。考虑到目标速度消息滞后以及列车响应延时的特性,设计了拟平行参考速度跟踪控制策略。以上海轨道交通2号线为例,对参考加速度估计效果和不同运营等级场景下的控车效果进行了分析。[结果及结论]案例表明,上述算法可以克服目标速度消息周期长且间隔不固定所带来的控车工况频繁切换问题,避免了兼容性车载系统阶梯形目标速度曲线跟踪过程中控制命令饱和以及速度曲线凹坑现象,实现了列车在站前减速过程中的平稳控制,提高了乘客舒适度,减少了列车制动损耗,节约了牵引能耗。     

基于改进跟踪微分器的磁浮列车悬浮控制研究北大核心

磁浮列车悬浮系统的间隙传感器信号存在大量量测噪声,影响了悬浮控制的控制品质与稳定性。为解决该问题,文章借助等时区的方法确定最速离散二阶系统的边界层,根据边界层与可达区构造无需复杂开根号运算的新型最速控制综合函数,同时通过微分预报补偿方式实现相位补偿,进而设计了基于新型跟踪微分器的悬浮反馈控制器。数值仿真表明,该跟踪微分器能够快速跟踪输入信号,具有良好的滤波效果,无颤振、无超调。通过磁浮列车实车测试,基于所提出的跟踪微分器的悬浮控制器能使起浮阶段的最大超调量减少约15%,实现磁浮列车的稳定悬浮控制,具有很强的工程实用性。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。     

薄壁空心高墩长节段爬模施工技术研究

以大铁沟特大桥为例,介绍了6 m长节段液压爬模施工技术。首先阐述了液压爬模技术的原理,然后按照爬模施工的工艺流程:劲性骨架安装、模板拼装、爬锥预埋、模板循环爬升、模板拆除,详细介绍了每一步的施工方法,最后补充说明了测试元件预埋、主筋连接、线型控制、模板变形控制的操作要点。该空心高墩长节段爬模施工技术能较好地解决模板爬升次数多、施工进度缓慢、线型难以控制等关键问题,简化了施工工艺,具有较高的推广应用价值。     

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。     

实施积极有效的质量跟踪措施 确保直供物资质量安全可控

根据铁路物资采购供应的实际,分析了直供物资的质量控制现状,提出了实施积极有效的质量跟踪的措施。     

实施积极有效的质量跟踪措施确保直供物资质量安全可控

根据铁路物资采购供应的实际，分析了直供物资的质量控制现状，提出了实施积极有效的质量跟踪的措施。     

分散自律调度集中系统车次号技术的研究

自动办理列车进路是分散自律调度集中系统(CTC)核心的功能,车次号又是CTC系统进行列车跟踪和进路控制的重要依据.全面研究CTC系统的车次号技术,分析车次号的各种来源以及相应的优先级,详细讨论车次跟踪的数据结构及流程.在跟踪车次、无线车次及车次队列三方校核的基础上进行准确的进路控制.车次号与进路命令一一对应,车次号队列的顺序决定列车进路命令的执行顺序.介绍的车次跟踪方法简单、有效,可以回避由于轨道电路故障而引起的车次跟踪错误.     

跟踪微分器在磁浮列车悬浮间隙处理中的应用

为了实现磁浮列车稳定悬浮控制,提出采用跟踪微分器结合联合滤波的悬浮间隙处理方法,以消除悬浮传感器过轨道接缝时的信号畸变,改善随机噪声对控制精度带来的不利影响.跟踪微分器可以反映实际带噪声信号的广义导数,其利用三路间隙信号广义导数特征对信号进一步滤波,算法计算量小,易于实现.阐述了跟踪微分器的原理及特征并进行了性能仿真分...     

控制无砟整体道床模板承轨台模精度

研究目的：在客运专线无砟整体道床模板的生产过程中，探讨其关键部件——承轨台模的精度控制。研究方法：分析影响承轨台模精度的各种因素，在制造、安装和调试时采取一系列有效的控制措施。研究结果：通过承轨台模、承轨台模安装平面、承轨台定位孔的精度控制以及安装时的调试，满足无砟整体道床模板承轨台模精度要求。研究结论：无砟整体道床模板承轨台模精度得到控制后，在无砟整体道床的打磨工序中，打磨量小，既能满足大批量模板的工期需要，也能降低打磨过程中刀具、电力等消耗，从而降低加工成本。     

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．