NAIWR－1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协调送数，成功实现了两足步行机器人的稳定行走     

柔性机械臂的模糊自适应控制研究

提出了一种用于柔性机器人操作臂控制的模糊自适应控制策略。由于柔性臂的结构特点，在进行其操作臂的控制研究时，必须考虑系统的振动特性才能达到末端的高精度控制。本将拉格朗日法和假设模态法相结合，建立了单自由度柔性臂系统的动力学方程，提出了一种模糊自适应控制策略。在柔性操作臂末端带有不同载荷的情况下，分两种类型进行了控制仿真实验：定位控制和轨迹跟踪控制。仿真结果与传统的PD控制仿真实验结果相比较，表明模糊自适应控制器在轨迹跟踪和系统的振动抑制方面反映出更好的稳定性和鲁棒性，适用于柔性机械臂系统的动力学控制。     

Fuzzy－PID控制在高精度数字伺服系统中的应用

Ｆｕｚｚｙ控制已在工业过程控制中取得了一系列成功的应用，但在高精度数字伺服系统中的应用还未见报导。本文通过分析Ｆｕｚｚｙ控制和ＰＩＤ控制各自的特点，将Ｆｕｚｚｙ控制和ＰＩＤ控制有机结合起来，设计了一种新型的混合式智能调节器Ｆｕｚｚｙ－ＰＩＤ控制器，它具有结构简单、抗干扰能力强，调整时间短等优点，可同时兼顾控制系统的动静态性能。笔者将该控制器应用于高精度数字伺服系统中取得了较好的效果。应用实例表明，该控制器具有良好的动静特性和一定的鲁棒性，而且控制算法简单，实现方便。     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.     

Fuzzy—PID控制在高精度数字伺服系统中的应用

Ｆｕｚｚｙ控制已在工业过程控制中取得了一系列成功的应用，但在高精度数字伺服系统中的应用还未见报导，本文通过分析Ｆｕｚｚｙ控制和ＰＩＤ控制各自的特点，将Ｆｕｚｚｙ控制和ＰＩＤ控制有机结合起来，设计了一种新型混合式智能调节器Ｆｕｚｚｙ－ＰＩＤ控制器。它具有结构简单，抗干扰能力强，调整时间等优点，可同时兼顾控制系统的动静态性能。笔者将该控制器应用于高精度数字伺服系统中取得了较好的效果。应用实例表明，该控     

智能PID调节器

介绍一种智能化ＰＩＤ调节器，它以ＭＣＳ－５１系列的８０３１单片机为处理器，配合其他外围芯片（如ＲＡＭ，ＥＰＲＯＭ，ＤＡＣ和ＡＤＣ等）构成。该调节器外部接口简单，实现了模拟量的直接输入和输出，可以方便地和各类模拟的检测和控制仪表相配合，组成不同的过程控制系统。调节器的于ＰＩＤ算法采用的是变速积分的ＰＩＤ位置算式，有效地消除了一般ＰＩＤ算法中出现的诸如快速性、积分饱和、振荡剧烈等问题，调节效果较好。本调节器操作方便、显示直观、工作可靠、精度高。本文介绍了该系统的硬件和软件的设计。     

DESIGNOFMULTI┐SLOTANDUNEQUAL┐TEMPERATUREPIDCONTROLLERBASEDONSINGLECHIPMICROCOMPUTER

以一个具体的生产过程为例，介绍以单片机为核心的多段不等温ＰＩＤ控制器的设计。文中讨论了ＰＩＤ算法数学实现的模型及实现该算法的软硬件设计方法，给出了实现这一控制算法的硬件原理框图及软件设计的特点     

直流调速系统的模糊自适应PID控制器设计

利用模糊自适应PID控制器对直流调速系统进行控制,设计了三个自适应模糊控制器分别实时调整PID参数。结合MATLAB中的Fuzzy toolbox和SIMULINK,实现了该模糊自适应PID控制器的计算机仿真。结果表明,该控制器提高了系统的稳态和动态性能。     

一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，提出了一种基于观测器的跟踪控制方案。首先，应用模糊T—S模型对非线性系统建模，设计观测器用来观测系统状态；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

一种基于模糊控制的直升机姿态控制器设计方法

研究了直升机姿态模糊控制技术。首先将专家知识和训练数据相结合生成了直升机的前置模糊姿态控制器。由于模糊控制所固有的不精确性，以及直升机的飞行状态多变，前置模糊姿态控制器无法对直升机进行精确控制，本文提出利用另一个在线自适应模糊控制器补偿控制误差。自适应模糊控制器的自适应学习算法通过李亚普诺夫稳定性分析得到，从而也保征了整个系统的稳定性。仿真算例征明了本文方法的有效性。     

基于FNN机器人擦洗玻璃的主动柔顺控制研究

综合运用了神经网络、模糊理论，详细分析了力反馈和主动柔顺控制的特点，首次提出了“力／位并环控制”的新策略，建立了相应的神经网络结构，利用基于知识的模糊规则实现模糊粗校正，消除明显的干扰信号；再利用神经网络特点将力／位有效综合，并直接输入机器人位置伺服系统，实施了力／位并环控制。并在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了难度极大的擦洗平面玻璃的实验，有效地将力控制在８±０．５Ｎ的理想范围内，取得了满意的效果。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法,给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法,前者提高了系统对参数变化的适应能力,同时也提高了系统的控制精度,改善了系统品质,后者缩短了网络的学习时间,有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时,针对某型直升机用数字仿真证明了该方法的优点和良好效果     

柔性关节机械臂振动抑制/柔顺统一控制

提出了一种可同时实现柔性关节机器人振动抑制控制和柔顺控制的自适应控制策略.所提出的控制策略为柔性关节机器人提供了振动抑制控制模式和柔顺控制模式的统一方案,将两种控制模式整合到一个控制器中,避免了设计两种控制器并在两种控制器之间切换,实现了两种控制模式的平稳过渡.本文还考虑了机器人连杆端和电机端动力学模型的不确定性,并通...     

无人机非线性非仿射飞控系统的自适应模糊H∞ 输出反馈控制及其应用

研究了非仿射非线性系统的模糊自适应H∞输出反馈跟踪。在非仿射非线性模型不确定或未知的情况下,首先将非仿射系统展开为仿射系统的形式,使用模糊自适应控制器对系统进行控制,然后基于Lyapunov稳定性定理得出自适应律,并通过解一个代数Riccati方程实现了H∞跟踪性能。在状态不可测情况下,引入高增益观测器估计系统状态并设计了输出反馈控制器,实现了系统的输出反馈控制性能。最后,通过对无人机飞行控制的仿真验证了算法的有效性。     

柔性关节机械臂振动抑制/柔顺统一控制（英文）

提出了一种可同时实现柔性关节机器人振动抑制控制和柔顺控制的自适应控制策略。所提出的控制策略为柔性关节机器人提供了振动抑制控制模式和柔顺控制模式的统一方案,将两种控制模式整合到一个控制器中,避免了设计两种控制器并在两种控制器之间切换,实现了两种控制模式的平稳过渡。本文还考虑了机器人连杆端和电机端动力学模型的不确定性,并通过李雅普诺夫定理证明了闭环系统的稳定性。仿真结果表明:所提出的控制策略具有良好的控制性能。     

模糊PID控制在温湿度控制系统中的应用

针对模糊控制的不足和ＰＩＤ控制的缺点提出了一种智能温湿度控制的方法。该方法把模糊控制技术和ＰＩＤ算法结合起来,采用多模态分段控制设计出温湿度控制系统。通过半实物仿真实验可知,该方法对多变量、强耦合、大惯性对象的控制是非常有效的,具有超调小,调节迅速和上升时间短的特点,且具有很好的鲁棒性。     

机器人务控制研究综述

回顾了机器人控制研究历史及目前的力控制研究现状，详细分析了现有的四种研究策略：阻抗控制，力／位混合控制，自适应控制策略，智能控制新策略；阐述了作者提出了“力／位并环控制”的智能新策略；提出了机器人力控制的四大关键问题：位置伺服，碰撞冲击及稳定性，未知环境的约束，力传感器，文末展望了力控制研究的发展趋势－智能控制。     

基于神经网络的机器姿态逆解

首次实现自组织神经网络求解机器人姿态逆解，突破了文献局限于研究益逆解的状况，应用本文创新的自组织神经网络训练方法机器人运动学特性，建立了工业机器人姿态逆解的神经网络方法，对ＰＵＭＡ５６０机器人的计算机仿真结果表明，该方法姿态控制精度高。     

智能桨叶振动自适应控制研究

以德国宇航研究院的智能桨叶为原型，研究了智能桨叶振动控制的实时仿真。以两台高速信号处理器（ＤＳＰ）为核心，辅以其他器件，构造智能桨叶振动控制实时仿真系统。其中一台ＤＳＰ用于智能桨叶动态特性的实时在线模拟，另一台用于实时控制。所提出的采用ＭＸ滤波器模拟智能桨叶的动态特性和反馈与自适应前馈组合控制方法均由专用汇编程序实现。在此系统上实现了对智能桨叶在４Ω、８Ω（Ω为旋翼转速）谐和激励下桨叶振动的控制，     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。