摘要：针对机器人多关节手臂容易出现卡死、饱和及损伤等故障影响控制精度的问题,利用设计的故障观测器提出了一种最优容错控制律。首先根据机器人多关节手臂末端的空间位置与各关节转动角度的关系,建立了机器人多关节手臂的故障模型;然后定义了多关节手臂的转角和接触力的跟踪误差,并设计了故障观测器,通过引入径向基函数(Radial Basis Function,RBF)神经网络估计出模型参数;最后根据动态规划的思想,建立了综合位置/接触力跟踪误差和故障的机器人多关节手臂性能指标矩阵,并设计了包含Hamiltonian方程的容错控制律,利用RBF神经网络求解出最优的性能指标,从而得到最优的容错控制律。仿真结果表明,设计的最优容错控制律能够克服各类故障带来的影响,故障估计的最大误差仅为0.09 N·m,位置跟踪的最大误差仅为0.14 cm,接触力控制的最大误差仅为0.18 N,验证了设计方法的可行性。六自由度多关节手臂测试结果表明,在8个空间坐标上定位的最大误差仅为0.17 cm,接触力的最大误差仅为0.22 N,从而验证了设计的最优容错控制律具有优越的工程实用性。

摘要：针对包含复合干扰的六旋翼无人机鲁棒控制问题,提出了一种基于滑模观测器的指令滤波鲁棒控制方法。建立了包含复合干扰的六旋翼无人机位置和姿态的数学模型,并对位置回路设计了滑模控制律,从而解算出姿态指令;根据姿态角回路输出的虚拟控制律,设计了指令滤波器来抑制微分爆炸现象,并利用辅助滤波器补偿指令滤波的误差;在角速度回路鲁棒控制律中引入滑模观测器,对包括模型误差和外界扰动的复合干扰进行补偿,实现了六旋翼UAV的指令滤波鲁棒控制。仿真结果表明:提出的指令滤波鲁棒控制律与指令滤波自适应控制方法相比,在复合干扰下具有更优的稳定性、准确性和快速性,位置和姿态的最大误差分别仅为0.05 m和0.5°,滑模观测器的估计误差也仅为0.2(°)/s,能够在更短的时间内实现对六旋翼UAV位移和姿态的鲁棒控制。

摘要：云班课是一个云服务平台,它在手机应用与课堂教学之间架起了一座桥梁,支持学生利用零散时间,通过手机随时随地进行学习,它把手机变成了学生手里的学习工具。云班课是一种信息化教学形式,它强调以教师为主导,以学生为主体。将这种自主学习形式引入高职《C语言程序设计》课堂教学,采用基于云班课的新型课堂教学模式,可以实现课堂教学效率最大化。