摘要：给出两种模块化欠驱动手指的优化设计方法,分析了采用曲柄滑块以及四连杆机构可实现欠驱动,并减少驱动电动机数。采用D-H参数法建立手指运动学模型,并对模型采用正运动学求解。借助于ADAMS仿真软件对机械手建模并进行运动学仿真,研究并分析了欠驱动手爪在不同抓取模式下的运动特性及抓取能力,验证了欠驱动手爪抓取的多样性。最后,在精确建立运动学模型的前提下,以中心滑盘连接手指处所受应力最小为目标,对基指节内推杆的长度及摆动的角度进行参数优化,有效地增强了欠驱动手爪抓取的实用性和可靠性。

摘要：某型军用雷达为复杂电子设备,其在服役部队的时间逐年增加,使用过程中的故障明显增多,由于基层级维修能力较弱,雷达的维修保障基本依靠工厂支援,及时性和有效性都不能满足部队需要,严重制约雷达分队战斗力的形成。为了解决雷达在基层部队使用中维修困难的问题,提高雷达的综合保障能力,研制了一种便携式故障诊断系统。该系统由信号采集板、嵌入式主板、电源管理模块、人机交互模块等组成,采用神经网络技术,实现了故障的快速诊断。解决了雷达现有维修设备体积庞大、配套设备复杂、价格昂贵、操控复杂等问题。实验结果表明,系统实现了故障诊断平台的小型化和智能化,具有较高的故障诊断效率,可快速提高雷达的维修保障能力。

摘要：针对具有数据包丢失的网络化控制系统跟踪控制问题,提出一种非策略Q-学习方法,完全利用可测数据,在系统模型参数未知并且网络通信存在数据丢失的情况下,实现系统以近似最优的方式跟踪目标.首先,刻画具有数据包丢失的网络控制系统,提出线性离散网络控制系统跟踪控制问题;然后,设计一个Smith预测器补偿数据包丢失对网络控制系统性能的影响,构建具有数据包丢失补偿的网络控制系统最优跟踪控制问题;最后,融合动态规划和强化学习方法,提出一种非策略Q-学习算法.算法的优点是:不要求系统模型参数已知,利用网络控制系统可测数据,学习基于预测器状态反馈的最优跟踪控制策略;并且该算法能够保证基于Q-函数的迭代Bellman方程解的无偏性.通过仿真验证所提方法的有效性.

摘要：对有领导者的异构离散多智能体系统的最优一致性问题,提出了一种无模型的基于非策略强化学习的控制协议设计方法。由于异构多智能体系统的状态矩阵不同,其局部邻居误差的动态表达式比较复杂。与现有的多智能体系统分布式控制方案相比,所提算法减少了计算的复杂性。首先,建立由增广变量构造的多智能体系统全局邻居误差动态表达式。其次,通过二次型形式的值函数得到耦合贝尔曼方程和Hamilton-Jacobi-Bellman(HJB)方程。再次,求解耦合HJB方程的最优解,得到多智能体最优一致性的纳什均衡解,并给出纳什均衡证明。从次,基于无模型的非策略Q学习算法,求解多智能体最优一致性的纳什均衡解。最后,利用批判神经网络结构,结合梯度下降法实现了所提出的算法,并通过仿真实例验证了算法的有效性。

摘要：提升高素质应用型技能人才的培养质量至关重要,具有极大的现实意义和研究价值。基于此,为培养应用型创新人才,课题组探讨了以学生为中心的“成果导向”“智能制造工艺”课程教学改革研究与实践,形成基于OBE理念的以项目教学为依托的改革方式,引入OBE教育理念进行课程教学改革,注重学生的学习成果,并以成果为导向设计教学内容、教学方法、评价体系等,充分利用沈阳工学院的智能制造生产线和数控机床,促进课程建设和改革,以学生为中心,反向设计教学过程,教学资源选取企业实际产品,高度对接企业需求。教改实践表明,以学生为中心的“成果导向”教学方式,可以更好地锻炼学生的动手动脑能力、团队合作能力以及相关专业软件的应用能力等,增强学生对数控工艺的熟练程度,提高学生的综合素质,培养学生的设计思维和产品设计能力。

摘要：此处根据瞬时功率平衡理论,对并联有源电力滤波器(SAPF)的直流侧电压波动进行了详细地分析,得到了SAPF直流侧产生波动的原因,并建立了相应的模型。更进一步地分析发现直流环节电压纹波会严重影响SAPF的输出电流畸变率,从而影响SAPF的补偿性能。因此,此处设计了一种直流环节电压纹波抑制电路(RSC),此处设计的RSC可以吸收SAPF直流侧上的纹波电压至RSC中,降低SAPF原有的直流侧电压波形,从而使SAPF电压纹波不影响SAPF桥臂的输出电压。并且,由于RSC的电压波动与输出桥臂隔离,不会影响SAPF输出电压,因此,RSC上的允许电压波动可以大大提高,从而可以降低直流环节电容值,并且提高SAPF的补偿性能,提高整体功率密度。实验结果表明了该方法的有效性。

摘要：针对传统电机在换相运行时易产生故障等问题,分析了无刷直流电机的工作原理和运行时存在的转矩波动对调速系统的影响。运用PID控制算法从硬件电路和软件流程两方面设计整个调速系统,采用CCS3.3编译环境运行算法程序,并对小功率电机进行了测试。结果表明系统在速度较高的情况下也能平稳、可靠地运行,达到了较好的调速性能。

摘要：为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了自适应蝙蝠粒子滤波的WSN目标跟踪方法;通过自适应的蝙蝠算法的滤波算法优化粒子重采样过程,结合最新的观测值定义粒子的适应度函数,引导粒子整体上向较高的随机区域移动;同时利用动态自适应惯性权重探索新的粒子位置更新为设计机制,引入动态适应惯性权重值,有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能;实验结果表明,自适应蝙蝠粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高;与BA-PF算法和PF算法相比较,IBA-PF算法的计算时间是最短的,IBA-PF算法的位置和速度的平均平方根误差最小(位置0.031 1、0.020 2、速度0.026 2、0.010 1),PF算法的跟踪精度是最低的,而IBA-PF跟踪精度较高,IBA-PF算法被证明具有良好的跟踪性能。

摘要：球磨机负荷参数是决定磨矿工作质量和效率的重要指标,为了提升球磨机负荷参数软测量系统的运行性能,降低综合测量误差,利用ASOS-ELM算法,从硬件和软件两个方面,设计球磨机负荷参数软测量系统;加设球磨机工作数据采集器,改装处理器与输出显示屏,扩大存储器空间,利用电源电路连接硬件设备,完成硬件系统的设计;根据球磨机的组成结构和工作原理,构建球磨机数学模型,在该模型下,采集球磨机不同工况下的振动信号;利用ASOS-ELM算法,提取振动信号特征,得出球磨机球负荷、料负荷、水负荷参数的软测量结果,实现球磨机负荷参数软测量系统设计;通过系统测试实验结果表明,设计系统负荷参数的综合测量误差降低了约0.064 kg,且系统运行性能得到明显提升。

摘要：多智能体系统因其在工程、社会科学和自然科学等多学科领域具有潜在、广泛的应用性,在过去的20年里引起了研究者的广泛关注。实现多智能体系统的一致性通常需要求解相关矩阵方程离线设计控制协议,这要求系统模型精确已知。然而,实际上多智能体系统具有大规模尺度、非线性耦合性特征,并且环境动态变化,使得系统精确建模非常困难,这给模型依赖的多智能体一致性控制协议设计带来了挑战。强化学习技术因其可以利用沿系统轨迹的测量数据实时学习控制问题的最优解,被广泛用于解决复杂系统最优控制和决策问题。综述了利用强化学习技术,采用数据驱动方式实时在线求解多智能体系统最优一致性控制问题的现有理论和方法,分别从连续和离散、同构和异构、抗干扰的鲁棒性等多个方面介绍了数据驱动的强化学习技术在多智能体系统最优一致性控制问题中的应用。最后讨论了基于数据驱动的多智能体系统最优一致性问题的未来研究方向。