微机器人的机构和控制的基础研究

本文论述了一个应用于生物工学或医学工学的微机器人的新装置.使用压电元件和带圆弧缺口的机构,以实现位置控制。用 Exact Model Matching(EMM)方法进行系统的设计.位置控制范围约0—50μm。系统带宽1kHz以上,精度为0.1.     

风-光互补发电系统的电压控制

风-光互补发电系统是开放的、分布式系统,适合采用多Agent技术进行分散式决策、分散式控制.根据电压与无功功率和有功功率的关系,建立了考虑电压稳定的以有功损耗最小为目标的电压无功优化控制模型,并提出一种基于均匀设计和惰性变异的改进粒子群算法用于该模型的求解;建立了风-光互补发电系统电压控制系统的自动机模型.仿真实验显示,电压优化控制模型和改进的粒子群算法能够有效实现电压无功优化控制,电压控制系统的自动机模型能够及时跟踪电压变化,实现电压自动控制.     

基于dsPIC的全向足球机器人运动控制系统

介绍了基于dsPIC数字信号控制器的全向足球机器人运动控制系统的设计和实现.结合运动控制系统的体系结构框图说明了系统各部分之间的关系,硬件方面采用4片dsPIC对4个电动机进行模块化分级控制,并介绍了系统硬件电路的设计.软件方面给出了主控程序流程图,阐述了电动机转速测量算法、PID控制算法以及4个控制器间的通信.该运动控制系统已应用于中型组全向足球机器人比赛中,机器人响应迅速、运动灵活.实验证明该运动控制系统运行稳定、可靠.     

改进的模糊Sarsa学习

为了解决模糊Sarsa学习(FSL)无法在线自适应调节学习因子和不能处理学习过程中探索与利用的平衡问题,提出了一种改进的模糊Sarsa学习(IFSL)算法. 在FSL基础上,引入自适应学习率产生器来在线调节学习因子,增加模糊平衡器控制探索和利用的程度. 给出了IFSL的结构框图,证明了IFSL中可调节权向量具有平衡不动点. 仿真结果表明,与FSL相比,IFSL能加快系统的学习收敛速度,具有较好的学习性能.     

一种改进人工势场法的多机器人局部避碰规划方法

本文针对多移动机器人局部路径规划问题,提出一种基于改进的人工势场算法的策略。当多个机器人在安全的距离范围内相遇时,通过利用机器人之间产生的优先级退避策略走出对方视野,从而避免彼此碰撞、死锁。仿真结果表明此方法是有效的。     

泳动微机器人振动特性研究

建立了泳动微机器人振动模型以及共振频率和振幅的计算，并进行了相应的振动特性仿真试验和实体试验研究，结果证明了模型的有效性，从而为全面建立微机器人控制模型打下基础。     

泳动微机器人主体机构放大性能研究

泳动微机器人模仿鱼类游泳的方式驱动。文中利用柔性铰链和差式杠杆放大原理，设计了用于微位移 放大的泳动微机器人主体机构，并且在ＡＮＳＹＳ软件仿真的基础上，对微机器人主体机构的放大性能 进行了研究。研究表明在主体机构中适当减小柔性铰链转角刚度，可以显著改善微位移放大效果。     

基于递推最小二乘法的多步时序差分学习算法

强化学习是一种重要的机器学习方法。为了提高强化学习过程的收敛速度和减少学习过程值函数估计的误差,提出了基于递推最小二乘法的多步时序差分学习算法（RLS-TD（λ））。证明了在满足一定条件下,该算法的权值将以概率1收敛到唯一解,并且得出和证明了值函数估计值的误差应满足的关系式。迷宫实验表明,与RLS-TD（0）算法相比,该算法能加快学习过程的收敛,与传统的TD（λ）算法相比,该算法减少了值函数估计误差,从而提高了精度。     

基于自适应遗传算法的SVC非均等错误保护算法

为提高可伸缩视频编码(SVC)在丢包的网络传输环境下的抗误码性能,提出了一种基于自适应遗传算法的SVC非均等错误保护算法。首先针对可伸缩视频编码的网络抽象层单元数据包头的特点,设计了一种新的网络抽象层单元的封装方案。然后将前向纠错编码的校验位在各层的分配转化为多约束条件下的优化问题,再引入惩罚函数将多约束优化问题转化为无约束优化问题,进而采用自适应遗传算法进行求解。仿真实验结果表明,与目前典型的非均等错误保护算法相比,该算法使重建的可伸缩视频编码的峰值信噪比的平均值提高了0.8dB~1.95dB,并有效提高了可伸缩视频编码在接收端的解码速度和重建质量。     

基于大脑情感学习的四轮驱动机器人速度补偿控制

由于4轮驱动机器人的轮间耦合特性及系统非线性的存在,即使单个驱动电机的控制精度达到最优,机器人整体的运动控制效果也未必理想.针对这一问题,提出一种基于大脑情感学习的机器人速度补偿控制方法.基于大脑情感学习计算模型,设计了融合机器人整体速度跟踪误差及其积分、微分信息的补偿控制器,通过计算模型内部各节点权值的在线学习,及时地调整控制器的参数,实现对4个轮子速度的自适应补偿.仿真实验表明,该方法有效减小了非线性干扰对系统的影响,具有较高的稳态控制精度和较快的响应速度,大大提高了机器人整体的速度和轨迹跟踪精度.