摘要：为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

摘要：水下机器人(UUV)工作时常伴有海流状况,UUV控制的不稳定性可能导致其无法工作或出现安全问题。针对水下机器人受海流频繁干扰的问题,设计了一种含海流因素的模型预测与自适应滑模级联的控制方法(OCMPC-ASMC),在高精度跟踪轨迹的同时,能提高水下机器人在持续海流或者突发海流扰动时跟踪控制的鲁棒性。首先,设计基于模型预测控制方法的运动学控制器,将海流速度合成到UUV的参考速度中,构建含海流因素的预测模型;然后,设计一种自适应滑模动力学控制器,通过速度、位置的反馈使得水下机器人能够实现对海流干扰的自适应;最后,在MATLAB上进行三维空间仿真并与传统MPC-SMC和反步控制比较,验证了所提方法应对波动海流有很强的鲁棒性与自适应能力。

摘要：以一改进的信度分配CMAC(cerebellar model articulation controllers)神经网络为在线故障诊断的手段,将变结构滑模控制技术引入容错控制器设计之中,提出一种动态非线性系统主动容错控制方法.在常规CMAC学习算法中,误差被平均地分配给所有被激活的存储单元,不管各存储单元存储数据(权值)的可信程度.改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的-p次方成比例,从而提高神经网络的在线学习速度和精度;在此基础上利用滑模控制算法进行容错控制律的在线重构,实现动态非线性系统在线故障诊断与容错控制的集成.分析了系统的稳定性,仿真结果表明改进故障学习算法及容错控制的有效性.

摘要：为提高小脑模型关节控制器(CMAC)神经网络在线学习的快速性和准确性,提出一种平衡学习的概念,并设计一种改进的CMAC学习算法.在常规的CMAC中,误差的校正值被平均地分配给所有激活存储单元,而不管这些存储单元的可信度;在改进的CMAC中,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的负k次方成比例.仿真结果表明,当k为一适当数值时,改进CMAC具有较快的学习速度和较高的精度,特别是在神经网络的初始学习阶段.

摘要：为了提高CMAC(cerebellarmodelarticulationcontrollers)神经网络实时在线学习的快速性和准确性,在核CMAC的基础上引入了信度分配的概念。在核空间内,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的倒数成比例,设计了一种基于信度分配的核CMAC的训练规则,使网络的学习速度和网络逼近精度及建模能力得到提高。仿真结果表明基于信度分配的核CMAC结合了核CMAC与信度分配CMAC的优点,隐去了映射所带来的复杂运算,有较快的学习速度和训练精度及建模能力。

摘要：提出了一种基于小波分析和灰色预测理论的旋转机械故障预测分析仪设计方案。重点阐述了仪器的硬件结构及软件设计思想。以旋转机械主轴振动位移信号为例,首先应用小波变换进行特征向量提取,然后应用灰色理论进行结果预测,实验结果表明,将小波变换与灰色预测理论结合进行振动特征向量的预测是可行而有效的。

摘要：针对常规反步控制方法在路径跟踪中出现的速度跳变与推进器驱动饱和等问题,将生物启发神经动力学模型应用到水下机器人路径跟踪控制中。利用生物启发神经动力学模型的渐变和有界输出等特性,设计基于生物启发的反步路径跟踪控制器,并同传统反步跟踪控制器进行对比分析。仿真结果表明:在较大的初始跟踪误差下,所设计的跟踪控制器可以有效克服水下机器人跟踪控制中的速度跳变,避免推进器的驱动饱和,满足水下机器人推进器的推力约束。

摘要：本文提出一种生物启发神经动力学模型的自治水下机器人(autonomous underwater vehicles,AUV)三维轨迹跟踪控制算法.将AUV在三维空间的运动分为水平面运动和垂直面运动,针对传统反步轨迹跟踪控制器出现的速度跳变问题,采用生物启发神经动力学模型,通过构造一种简单的中间虚拟变量,同时结合Lyapunov函数设计出轨迹跟踪控制律,使其控制效果在水平面和垂直面都能够达到全局渐近稳定并且有平滑连续的输出结果,克服AUV反步轨迹跟踪控制的速度跳变问题.仿真结果证明了所提控制律的有效性.

摘要：由于海洋深处工作环境的复杂性、不可预测性,水下机器人可靠性控制技术一直备受关注。在常规无人水下机器人推进器故障诊断中,均假设推进器处于几种固定故障模式,离线设计控制律,在线调度控制律实现容错控制,这与实际推进器故障情况有较大差别,因此采用ICMAC(Improved Credit Assignment Cerebellar Model Articulation Controllers)神经网络在线辨识推进器的实际故障大小,再利用伪逆重构控制策略,产生容错控制矩阵,实现无人水下机器人在线自适应容错控制。并针对推进器突发性故障,给出了故障诊断与容错控制仿真结果。

摘要：本文以ＭＳ－５１单片机为例。讨论了软件抗干扰的指令冗余、，软件陷井及软件看门狗技术。