基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。     

基于Elman网络的广义预测控制快速算法

将广义预测控制与Elman网络结合起来,提出了一种新的广义预测控制快速算法,首先用Elman网络对非线性系统进行辨识,建立预测模型,然后该算法引入了一种约束矩阵,约束矩阵的引入避免了矩阵求逆的计算,提高了系统的响应速度,最后通过对一个非线性系统的仿真验证了该方法的快速性和实用性.     

机器人模糊神经网络阻抗控制

提出一种以位置控制为基础的模糊神经网络阻抗控制结构,它根据力误差修正参考位置,使机器人与环境的实际接触力跟踪期望力。利用模糊神经网络学习参考位置,不需要环境位置和刚度的先验知识。这种方法有误差补偿作用,对干扰和环境等不确定因素具有鲁棒性,仿真结果表明了控制方案的有效性。     

机器人的多项式结构鲁棒自适应力/位置控制

对于机器人的力／位置控制提出了一种新的控制方案，即在力控制回路中采用简单的多项式结构，把机器人末端操纵器与外界环境接触的不确定性归结为一个包络函数，避免了复杂计算，而在位置回路中采用计算力矩控制方法，这种控制结构简单，仿真速度快，仿真证明控制效果好，是一种具有实际应用价值的控制方法。     

Study on the Robot Robust Adaptive Control Based on Neural Networks

Force control based on neural networks is presented. Under the framework of hybrid control, an RBF neural network is used to compensate for all the uncertainties from robot dynamics and unknown environment first. The technique will improve the adaptability to environment stiffness when the end-effector is in contact with the environment, and does not require any a priori knowledge on the upper bound of syste uncertainties. Moreover, it need not compute the inverse of inertia matrix. Learning algorithms for neural networks to minimize the force error directly are designed. Simulation results have shown a better force/position tracking when neural network is used.     

基于Android 平台智能手机的车牌快速识别系统

为提高交警处理突发事件及日常巡查工作的效率,提出了一种基于Android 平台和4G 网络传输的车牌快速识别系统方法。该方法利用4G 网络将移动端拍摄的图片传输到远程服务器,识别车牌号。利用车牌号在违章信息库中查询,并将查询结果实时回传到手机客户端。智能手机作为移动端,利用JAVA 对UI( User Interface) 界面进行布局,实现拍照、显示、信息录入等功能。实验结果表明,该APP 界面简洁,操作方便,系统功能齐全,能有效提升交警处理突发事件及日常巡查工作效率,从而缓解执法过程带来的交通拥堵问题。     

实时广义预测控制器在冷连轧机张力控制系统中的应用

针对广义预测控制在冷连轧张力中受到的实时性限制,直接给 出Diophantine方程的求解公式及证明,以避免其在线递推求解,大大减少了广义预测控制 器的运算负荷,有利于其在快速系统中的应用.仿真研究表明,该方法能大大缩短在线运行时间,进一步体现了广义预测控制的应用潜力.     

H∞控制模型匹配问题的一种解法

根据控制模型匹配化的思想,利用分解理论、块优化和矩阵的保范扩张将模型匹配问题的多块化问题转化为一块问题研究,并提出了一种搜索的上界的方法,这种方法可以以任意精度求取次优控制器.     

基于神经网络的不确定非线性时滞系统保成本控制

保成本控制问题受到了人们的关注,并取得了很多的研究成果,但这些研究均未考虑提高系统动态特性的问题,且很少涉及非线性系统。为此,将神经网络和控制理论相结合,针对一类不确定非线性时滞系统,结合系统动态特性以及非线性扰动抑制问题,提出了新的控制算法。通过将稳定度引入保成本控制中,可以在保成本控制的基础上提高系统的动态特性;利用神经网络良好的非线性逼近能力,很好地解决了系统存在任意非线性扰动时的控制问题。     

基于次用户检测能力的认知无线电频谱共享博弈

基于博弈论研究认知无线电系统中主用户和次用户频谱共享方法. 认知无线电系统中,主用户出售空闲频谱给次用户,以获得收益,次用户则通过博弈竞争空闲频谱资源. 由于不同的次用户检测能力各异,主用户对次用户的频谱共享意愿也不同. 根据次用户的检测能力强弱为认知用户设置优先级,提出将反映次用户检测能力的终端设备剩余电量百分比体现在价格函数中,从而得到新的效用函数. 通过仿真表明了该博弈算法能使频谱分配更加有效、公平、合理.