基于数轴线的平面六杆机构的运动领域探索

Stephenson型平面六杆机构 ,可分为平面四杆机构和一个Ⅱ级组 ,其运动领域可分离为连杆轨迹曲线上的两个极限点。本文将这些分支的运动领域映射在数轴线上 ,用雅可比矩阵系数行列式的符号和相应构件的角位移的余弦符号来识别     

平面四杆机构轨迹曲线综合中的结点问题研究

建立了平面四杆机构连杆曲线的结点与原动件的角位移的六次方程式 ,对连杆曲线结点的类型、存在条件及识别方法进行了研究 ,提出了以曲线的结点、回转数、变曲点、曲率极大点等为基准的连杆曲线的综合法 ,验证了几何特征值用于解决复杂曲线综合问题的快速有效性。     

3自由度并联机构的位姿分析

本文对3自由度并联机构的位置正解求法进行了初步探讨。应用闭合回路方程法对空问3-RPS并联机构的输出件的位姿进行分析，推导出该机构的运动学正解。获得了输出件的位姿，给出该机构位姿分析的数值仿真实例。     

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.     

非最小相位系统输出跟踪的最优预测控制方法

讨论了一类非最小相位系统的输出跟踪问题。非最小相位系统广泛存在于机器人柔性结构控制、飞机的飞机控制和航天器发射等实际问题中。由于非最小相位系统内部动态的不稳定性，传统的一些输出跟踪方法将导致系统的某些变量发散。文中通过讨论系统的有界理想状态轨迹，将期望跟踪的输出进行了扩充，利用预测控制方法研究了一类非最小相位系统的输出跟踪问题，从理论上证明了利用预测控制可以使非最小相位系统稳定地渐近跟踪期望输出。     

电化学加工机器人动态性能设计与优化研究

工业机器人工作空间大、姿态灵活、可配置性高，且成本低，广泛应用于搬运、装配、喷涂和焊接等多个领域。但由于机器人末端轨迹精度不高，低速波动大，在电化学加工领域的应用很少。根据电化学加工低速、高轨迹精度特点，提出采用象限法设定电化学加工机器人工作区域，建立电化学加工机器人动力学优化函数，采用第三代非支配遗传算法NSGA-Ⅲ求解各设计参数最优Pareto解集，通过仿真和实验进行了动态性能测试验证。结果表明在设定工作区域内，电化学加工机器人直线轨迹精度可达0.073 mm，圆弧轨迹精度可达0.145 mm，低速工况下轨迹精度相比传统工业机器人提高近10倍。     

磁轴承控制器的设计及仿真研究

介绍了磁轴承系统的组成，对控制器性能的基本要求及控制方案的选择，分析了典型ＰＩＤ控制器存在的两个弊端，提出了磁轴承控制器的四种模型。通过对这四种模型的仿真研究，分析了各模型中比例系数、积分时间常数、微分时间常数及局部反馈系数对系统性能的影响，并给出了各参数较为理想的参考值及阶跃响应曲线，仿真结果对制作模拟控制器及数字控制器有一定的借鉴作用。     

力控制反馈信号的神经网络法校正

对机器人的力反馈，主动柔顺控制和双向联想记忆的神经网络进行了综合研究，针对机器人腕力传感器输出信号的部分失真，提出了机器人擦洗平面玻璃力反馈信号神经校正的方法，并建立了相应的神经网络结构，在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了试验验证，取得了满意的效果。     

超声电机驱动的3自由度机器人的设计与实现

本文探讨基于USM机器人的性能,设计了USM驱动的3-DOF机器人,基于层次硬件结构建立了该机器人的控制系统,引入了位置-速度复合控制对该机器人进行控制,规划并编程实现了该机器人的控制软件.实验表明,该机器人能实现精确而平稳的连续轨迹跟踪.     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

加权电压控制多路输出正激变换器的研究

研究了一种经济实用的多路输出DC／DC变换器的输出电压控制方法－加权电压控制，该方法可有效地改善多路输出变换器输出的稳态稳压精度和动态响应性能，对应用加权电压控制的两路输出正激变换器进行直流稳态分析，得出直流稳态等效电路模型和输出电路压数学表达式，分析了加权因子对输出电压的影响，给出了设计加权因子的原则和设计方法，通过样机实验，验证了该方法能够较好地实现多路输出稳压指标。     

小型无人机姿态回路的简化配置控制系统设计

提出了无人机的最简控制设计思想，并就姿态回路进行了两种最简控制结构（PI型、PID型）的设计。为了提高最简控制性能和设计效率，将输出反馈LQR控制理论进行了改进，使其能够解决飞行控制的跟踪问题。通过对某无人机姿态回路的最简控制设计表明，姿态回路的最简控制策略是成功的，控制系统的性能取决于最简控制结构，输出反馈LQR不仅具有很高的设计效率，而且能对最简控制结构进行规范描述。     

基于自适应滤波的主动磁悬浮轴承位移传感器故障识别

针对采用差动式位移传感器的主动磁悬浮轴承系统,从理论上分析了控制器输出信号与转子干扰力及传 感器故障信号之间的关系和自适应滤波器的工作原理,并在此基础提出了基于自适应滤波的传感器故障识别方 法.该方法以两路位移信号的差值为参考信号对控制器的输出信号进行滤波,从而得到控制器输出信号和两路 位移信号的差值之间的相关系数,根据该相关系数的极性即可准确地判断出故障传感器.还采用Matlab对该方 法进行了仿真研究,并在一个主动磁悬浮轴承试验台上进行了试验研究,研究结果表明:该方法可以同时识别传 感器的直流故障争交流故障;转子在静态悬浮和高速旋转时,该方法均可以准确地检测到传感器故障并识别出 故障传感器.     

模态转换型超声电机中的椭圆运动

讨论了模态转换型超声电机表面质点椭圆运动的形成,研究了基于定、转子耦合和利用独立耦合器的模态转换型超声电机的原理。通过对具有斜槽的纵扭振动耦合器上观察到的表面质点椭圆运动进行的理论分析,提出了一种利用主结构中的子结构的局部振动获得模态转换的方法,可用于模态转换型超声电机的设计。     

低输入电压大功率逆变器技术研究

分析了低压静止变流器的几种技术方案，这些方案均难以做到大功率应用。提出了采用移相调压技术的阶梯波合成逆变器方案，可有效地解决低输入电压大功率逆变器的技术难点。文中介绍了该方案的原理，建立了系统的动态分析模型，给出了参数设计方法。试验结果验证了方案的合理性和分析设计方法的正确性。采用本文方案研制的28V输入20kVA逆变器．具有优良的稳态和动态性能。     

基于LMI的一类LPV系统的自调整输出反馈极点配置

具有良好的暂态响应的控制系统,其闭环系统的极点必须位于特定的区域。本文通过输出反馈,用三个线性矩阵不等式（ＬＭＩｓ）将线性定常系统的极点配置在左半平面一个圆域内。同时,针对一类线性变参数（ＬＰＶ）飞行器控制系统,通过一组ＬＭＩｓ用自调整输出反馈将该系统的极点配置到满足暂态性能要求的区域,为设计全包络线飞行器控制系统提供了理论基础。导弹系统仿真例子说明了该方法的可行性。     

基于在线学习RBF神经网络的故障预报

提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性;"剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报.     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

基于PID控制方法的模糊变增益振动主动控制试验研究

结合模糊控制方法智能化的特点,设计出一种不依赖模型参数且可以自动调节控制器增益的控制算法。该方法以比例、积分和微分(Proportional integral and derivative,PID)控制为基础,根据系统输出及输出变化率自动调节控制器增益,使控制系统具有更强的适应能力。同时针对振动测试信号中含有噪声干扰和直流分量的情况,构造依赖模型部分参数的二阶窗函数,在保证不改变受控模态信号特征的同时有效衰减非受控模态信号干扰及直流分量。建立悬臂梁模型进行试验验证。结果表明,该方法能够使受控系统的振动幅值减小到开环时的5%以下,其效果明显优于普通PID控制。并且,通过引入二阶窗函数,系统在具有非受控模态信号干扰的情况下能够保持有效控制,使算法具有更好的稳定性和鲁棒性。