摘要：提出了一种新的不确定机器人跟踪控制策略.在计算力矩结构的基础上引入一个层叠小脑模型(CMAC)补偿控制项,利用层叠结构CMAC分层学习的特性调整网络泛化和逼近能力,并从理论上分析了网络的收敛性.为了确保系统误差一致最终有界收敛,分别设计了粗/细子网的权值更新律.最后,在网络学习稳定的基础上,采用自适应鲁棒项抵消网络最终学习误差.与传统计算力矩法相比,在不要求加速度测量和惯性矩阵求逆的情况下,算法给出清晰的跟踪误差收敛域.基于6自由度并联机器人的仿真实例验证了算法的有效性.

摘要：针对仅有精确位置测量的机器人系统 ,在系统参数不确定和有界干扰并存的情况下 ,提出一种基于速度观测的鲁棒控制方案。在滑模观测器设计中引入补偿项 ,动态抵消系统偏差对速度重构的影响 ,确保观测误差指数收敛到有界域。采用Lyapunov直接法设计基于标称模型和观测速度的鲁棒控制律 ,使系统闭环满足局部一致最终有界收敛。

摘要：针对工程调度中的多资源配置问题,设计了一种启发式算法,该算法以指定的工程最大持续时间和指定的资源均衡轮廓为约束,以购买资源的成本最小为目标。算法不断重复以下两部分直到工程的最大持续时间达到要求:求解资源受限的工程调度问题,来评价当前的资源配置并确定瓶颈资源;增加瓶颈资源来修改当前的资源配置。算法中的瓶颈资源就是指关键线路上“等待时间/购买价格之和”最大的作业所缺的资源。

摘要：为实现对电机运行状态的实时远程监控和数据保存,设计了电机状态监控软件。详细介绍了该软件的实现原理、结构、功能和特点,讨论了基于以太网通信下的时钟同步、电机状态传输设计、转速/转矩设定、实时曲线的绘制以及高速数据采集中的关键技术等问题。在基于PLC与计算机的实际环境下,检验了这种方法的有效性。

摘要：多处理器环境下的动态调试是诊断并行算法效果的关键步骤。在缺少并行操作系统的条件下,动态调试系统也是支持并行算法运行的有力工具。本文以TMS320C25数字信号处理器构成的多处理机系统为研究对象,提出了动态调试中的软件接口设计方法,以及断点的外部记录法,确保了系统资源的最少占有。同时,讨论了并行调试中的若干问题。本文所提的所有方法都可以扩展到基于其它处理器的动态调试器设计中去。