全方位移动机械手运动控制Ⅱ——鲁棒控制

研究考虑全方位移动机械手系统动力学未知情况下的鲁棒控制问题.首先,在原有动力学模型的基础上,建立考虑外部干扰的移动机械手动力学模型.利用神经网络无穷逼近能力,设计估计器对系统结构不确定性进行在线辨识.然后,提出一种不依赖神经网络先验知识的鲁棒轨迹跟踪控制策略,从理论上证明其稳定性,并且该控制器能够有效阻止非模型有界干扰的影响,实现了对全方位移动机械手系统中不同动力学特性的移动平台和机械臂的协调控制.同时,为了减轻神经网络在线学习的计算量,提出一种分离式的神经网络结构,对系统结构不确定项中的两个独立矢量进行分别辨识,有效地提高了神经网络的训练效率.最后,通过计算机仿真结果验证了所提出控制律的有效性,能够快速稳定地实现全方位移动机械手系统的协调轨迹跟踪控制.     

绳索牵引自动水平调节机器人综合控制策略

针对贵重精密载荷在装卸过程中需要维持其对接面水平及受力均衡的需求,研发基于绳索牵引的自动水平调节机器人系统,提出一种由绳索牵引力均衡分配策略和载荷对接面水平倾角调节策略构成的综合控制方案,以确保在绳索牵引力均衡分配的前提下实现载荷对接面水平调节.受力均衡分配策略通过调整绳索长度来改变绳索牵引力的分布,载荷对接面水平倾角调节由模糊神经控制器实现,该控制器的参数由基于L5E方法和BP算法的混合算法训练得到.实验结果表明,综合控制方案能够实现载荷的水平调节及绳索牵引力均衡分配,且能满足实际应用的精度需求.     

一种鲁棒的基于两个特征点的深度估计方法

This paper presents a novel depth estimation method based on feature points. Two points are selected arbitrarily from an object and their distance in the space is assumed to be known.The proposed technique can estimate simultaneously their depths according to two images taken before and after a camera moves and the motion parameters of the camera may be unknown. In addition, this paper analyzes the ways to enhance the precision of the estimated depths and presents a feature point image coordinates search algorithm to increase the robustness of the proposed method.The search algorithm can find automatically more accurate image coordinates of the feature points based on their detected image coordinates. Experimental results demonstrate the efficiency of the presented method.     

平行二级倒立摆的稳定控制

将单一输入规则群动态加权模糊推理模型应用于平行二级倒立摆系统，设计出具有6个输入交量的模糊稳定控制器。该模糊控制器规则总数少，直观性强。计算机仿真表明，该模糊控制器能在短时间内同时实现两摆角度及小车位置的控制。     

移动机器人体系结构研究进展

本文详细介绍了移动机器人各种典型体系结构的思想起源、结构形式、性能特点及典型的应用实例,同时介绍了这一领域的研究热点,并对未来的研究工作提出了建议.     

不确定欠驱动非线性系统的模糊滑模控制

针对一类不确定欠驱动非线性系统，提出了一种模糊滑模控制新方案．该方案在T-S型模糊控制的基础上引入滑模控制，有效避免了T-S型模糊控制可能出现的不稳定情况，同时改善了系统的动态性能。采用吊车系统进行系统仿真，结果表明了该控制方案的有效性。     

一种末端任务给定的移动机械手动态路径规划方法

移动机械手末端任务给定情况下的路径规划在喷绘、焊接等工作中有广泛的应用,但这方面的研究还比较少,尤其是在动态环境中.针对该情况提出一种动态规划方法,该方法包含预处理和动态规划两个阶段,使移动机械手在完成任务的前提下,能够有效地回避静态和动态障碍物.仿真结果证明了该方法的正确性.     

一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．     

基于自组织模糊RBF网络的连续空间Q学习

针对连续空间下的强化学习控制问题,提出了一种基于自组织模糊RBF网络的Q学习方法．网络的输入为状态,输出为连续动作及其Q值,从而实现了“连续状态—连续动作”的映射关系．首先将连续动作空间离散化为确定数目的离散动作,采用完全贪婪策略选取具有最大Q值的离散动作作为每条模糊规则的局部获胜动作．然后采用命令融合机制对获胜的离散动作按其效用值进行加权,得到实际作用于系统的连续动作．另外,为简化网络结构和提高学习速度,采用改进的RAN算法和梯度下降法分别对网络的结构和参数进行在线自适应调整．倒立摆平衡控制的仿真结果验证了所提Q学习方法的有效性．     

智能空间研究综述

智能空间是一个将物理世界和信息空间融合起来的重要研究领域,着重于自然的人机交互、适应用户和设备的动态演化,以高效地帮助用户完成任务.本文简要叙述了智能空间的概念、目的、要求、特点和应用,介绍了其主要组成部分的硬件设备、普适网络和系统软件,并且从信息采集、上下文感知计算、中间件、智能决策和执行、安全性五个方面对研究热点进行了详细分析.在描述几个实例的基础上指出智能空间面临的挑战,最后对研究工作做了总结和展望.