基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

一种基于改进遗传算法的模糊建模方法

针对复杂系统的模糊建模问题，提出了一种改进遗传算法的模糊建模方法。首先在标准的T—S模糊模型基础上，提出了扩展的T—S模糊模型。然后采用改进的遗传算法优化扩展的T—S模糊模型参数和规则数。最后．通过数字仿真结果验证了算法的可行性和有效性。     

一种带负载工业机器人动力学模型辨识方法

针对带负载工况下六自由度关节型工业机器人动力学模型的辨识问题,提出了一种带负载机器动力学模型的参数辨识方法。在获 得机器人本体动力学模型的前提下,用Newton Euler法建立负载动力学模型进行补偿,设计激励轨迹获取负载贡献的力矩,然后用加权最小二乘法辨识出负载模型中未知参数。最后对得到的带负载完整机器人动力学模型进行验证与分析,结果表明通过辨识得到的预测力矩与测量力矩有较好的跟随性,所提出的辨识方法具有一定的工程参考价值。     

基于遗传算法整定的PID网络流量控制

结合经典控制理论和优化控制理论设计了基于遗传算法的线性PID控制器,并与经典的PID控制器进行了比较．此控制器较好地控制了交换机缓冲器的队列长度,动态性能明显优于一般PID控制器．并得到了仿真结果的验证．     

一种基于量化力矩的静密封面缺陷补偿方法

在某次阀门静密封连接处漏气问题归零过程中,提出了一种基于量化力矩方法,用来弥补静密封面缺陷,以提高产品的静密封可靠性。     

基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

一种基于腹足动物运动机理的介入机器人

在对腹足动物运动机理研究的基础上,基于仿生学原理提出一种介入机器人设计方案.通过理论建模及实验手段对机器人仿生设计效果及运动性能进行研究.结果表明:对粘液功能的模拟方案正确;机器人正常运行速度由直线微马达伸缩速度决定,但过快的微马达运动方向变化会导致机器人运行效率的降低.     

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

基于遗传算法的无线传感器网络拓扑控制改进研究

针对无线传感器网络中节点能耗较高及网络生存时间较短的问题,提出一种基于遗传算法的拓扑控制策略.利用遗传算法良好的寻优能力来确定节点最优发射功率,同时设计了精英保留操作,提高遗传算法的优化速度.根据优化结果调整节点发射功率,可以改善网络拓扑、提升网络中节点能量使用效率.通过分析,在传感器节点非均匀布设时,本算法能够使得节...     

多变量系统二次型最优控制的自学习实现

提出了多变量系统二次型最优控制的一种自学习算法，该算法使控制系统能通过学习，获得二次型最优准则意义下的最优控制品质。文中对算法收敛性给予了理论上的证明，对算法在造纸机网前箱控制问题中的应用进行了仿真研究，获得了令人满意的结果。     

基于分层式强化学习的移动机器人导航控制

针对未知环境下的移动机器人导航问题,本文提出了一种基于分层式强化学习的混合式控制方法。利用栅格-拓扑相结合的环境表示及地图学习方法,通过分层式强化学习在不同控制层次的扩展设计移动机器人的反应式和慎思式导航控制,实现了全局导航和局部导航控制的协调优化。实验及测试结果证明,该控制方法能实现导航任务的全局优化,避免陷入局部极小,并对未知动态环境具有较强的适应性。     

基于遗传算法的飞机着陆调度

使用遗传算法对飞机着陆进行优化调度。算法以所有飞机的排列次序作为个体编码,适应度函数的构建综合考虑了飞机的各种约束条件,通过选择、交叉、变异得到优化输出。仿真结果表明遗传算法用于飞机着陆调度可行、有效。     

基于遗传算法的连续结构拓扑优化分析

结构拓扑优化设计是结构初始方案设计的重要方法。采用遗传算法，用染色体基因映射结构离散化后的单元体，通过改变基因代码实现连续结构的拓扑。在优化过程中，利用遗传算法的全局收敛性等特点进行结构优化．通过有限元技术对结构进行建模和分析。为了消除结构拓扑优化分析中的铰接和棋盘格现象，提高优化分析效率．改善优化分析结果．在结构拓扑优化分析中引入了结构约束的概念和渐进结构优化的思想。算例分析表明．本文提出的方法是合理、有效的。     

开关磁阻发电机角度位置控制自适应遗传优化方法

以开关磁阻发电机输出电压为研究对象,在分析高速情况下角度位置控制的特点和影响输出电压脉动因素的基础上,提出了基于自适应遗传算法的角度控制策略。当转速或负载变化时,自适应算法控制关断角不变,调节导通角快速稳压,采用遗传算法准确优化开通角与关断角的组合,减小输出电压脉动。通过仿真和实验验证,与单一自适应控制或遗传算法角度控制相比,自适应遗传角度控制策略能够更快速准确优化输出电压。     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

基于奇异摄动与神经网络的柔性臂控制

运用拉格朗日法建立了臂杆柔性的机械臂的动力学方程。为解决柔性臂末端位置的跟踪及克服柔性臂在运动中的振动问题。运用奇异摄动法将系统分解成快、慢两个子系统，设计混合控制器。通过设计神经网络控制器线性化慢系统。使其轨迹跟踪期望值。用线性状态反馈配置极点稳定快系统，抑制振动。一个单杆柔性机械臂的仿真算例表明，本文的控制方法保证了柔性臂刚性运动的精确跟踪，同时消除了弹性振动，避免了零动力学不稳定问题。     

确定性的遗传算法

针对遗传算法效率普遍较低的缺陷，采用了确定性交叉和确定性变异的策略，同时提出了一种新的遗传算子－Hamming-decreasor算子，以加快速传算法中码值相关相差较小而Hamming距离很大的二进制码串之间的转换，在此基础上，构建了一个新的遗传算法－确定性的遗传算法，初步的数值试验表明，新算法是有效的和鲁棒的。