摘要：为了提高四轮移动机器人的轨迹跟踪控制性能,减弱滑模控制系统抖振,设计了一种易于实现且有较好轨迹跟踪控制效果的模糊滑模控制器。首先,以四轮移动机器人运动学模型为基础设计了一种含积分项的滑模控制器,然后引入模糊控制,采用模糊滑模变结构的控制策略调整切换控制的相关估计参数,最终设计了一种基于模糊滑模控制的四轮移动机器人轨迹跟踪控制方法。仿真结果表明,该轨迹跟踪方法可以有效消除系统抖振并提高控制性能。

摘要：针对传统PID控制参数难以适应不同曲率半径车道下智能车运行速度变化和RS-540有刷直流伺服电机调速变化的问题,设计了自适应模糊PID算法。首先,建立了电机的数学模型,提高控制精度,在此基础上构建了自适应模糊PID控制器,然后,通过PWM脉冲改变电枢电压的平均值来控制电机转速,再通过低通滤波使速度输出平滑。加入陀螺仪使电机在车道缺线的情况下保持原来的转速,并通过Simulink对电机进行仿真。实验测试表明,模糊PID控制能够较好地控制电机的转速,使智能车沿着车道稳定快速地运行。

摘要：为了提高全向移动机器人轨迹跟踪控制性能,构建了一种自适应滑模控制器。在考虑全向移动机器人的运动学模型的基础上,设计了一种含积分项的sigmoid滑模切换函数,构建由等效控制和切换控制的自适应滑模控制器。仿真实验结果表明,该控制方法与滑模控制相比,具有良好的轨迹跟踪性能,能有效提高控制精度。

摘要：【目的】研究不同氮敏感基因型的植物生长与根性状之间的关系及其对氮环境变化的响应,能够从根性状变化的角度来揭示植物对环境变化的适应性,从而有助于水稻育苗基因型的选育。【方法】在宁夏引黄灌区,采用双因素(水稻基因型×氮水平)随机区组设计田间试验,选取12个水稻基因型(高氮敏感基因型和低氮敏感基因型各6个)作为供试材料,设置了施氮0、180 kg/hm^(2)2个施用水平(以N0、N180表示)。在开花期,测定了水稻地上部生长(地上部氮累积量、地上部生物量)、根系生长性状(根生物量、根冠比、根长和根体积)及根形态性状(根直径、比根长和根组织密度)。【结果】高氮敏感基因型水稻地上部氮累积量、地上部生物量、根生物量、根长及根体积在N180处理下显著高于N0处理,分别增加了3.8、2.5、2.4、2.4、2.5倍,但是低氮敏感基因型除地上部氮累积量N180比N0显著高1.6倍外,其余4种性状在两个氮水平间无显著差异。在N0处理下,低氮敏感基因型的根生物量、根长、根体积和地上部生物量高于高氮敏感基因型,而在N180处理下,低氮敏感基因型地上部氮累积量和地上部生物量低于高氮敏感基因型,根生长性状无显著差异。高氮敏感基因型的地上部生长和根生长性状对氮的可塑性响应程度均大于低氮敏感基因型,但是两个氮敏感基因型的根形态性状对氮的可塑性响应程度均较小,而且N0和N180下的根形态性状在两个氮敏感基因型间均无显著差异。主成分分析结果表明,在N180处理下,根生长性状更加聚集,且独立于根形态性状(根直径和比根长),而在N0处理下根性状更加分散。相关性分析结果则表明,高氮敏感基因型的根性状在N180处理下相关性程度高于N0处理,而低氮敏感基因型在N0和N180处理下始终维持较高的根性状相关性。【结论】水稻主要是通过调节根系生长性状,而不是根形态性状来应对氮环境的变化。低氮敏感基因型水稻在低氮和正常氮环境下均表现出较强的根性状共变性,而高氮敏感基因型仅在正常氮环境下表现出较高的性状关联,且根生长性状的可塑性显著高于低氮敏感基因型。由此可知,低氮敏感基因型主要通过整合根性状的共变来适应环境,而高氮敏感基因型则通过提高根性状的可塑性来适应环境。