摘要：针对旅行商问题的特点,提出基于近邻牵引算子的离散黑猩猩优化算法.首先,引入优质片段的概念,并结合每个群组的最优个体设计其检索方法,以提高组内学习策略的效果,根据组合优化问题特点对黑猩猩群体的狩猎过程进行离散化表示;其次,通过组间交流机制消除部分个体路径交叉;最后,为了克服传统的邻域搜索算子收敛慢和搜索效率低的缺点,提出一种新的邻域搜索方式——近邻牵引算子,其搜索目的更加明确、收敛更高效,并设计自适应概率扰动调控策略,以有效平衡算法的探索与开发.对30个TSP标准数据集进行实验,结果表明,所设计的离散黑猩猩优化算法求解质量高、收敛速度快,可以应用于组合优化问题求解.

摘要：人体姿态估计和动作识别在安防、医疗和运动等领域有着重要的应用价值。为了解决不同背景及角度下各类运动动作的人体姿态估计和动作识别问题,本文提出了一种改进的YOLOv7-POSE算法,并自行拍摄制作各种拍摄角度的数据集进行训练。此算法以YOLOv7为基础,对原始网络模型添加了分类的功能,在Backbone主干网络中引入CA卷积注意力机制,提升了网络在对人体骨骼关节点和动作的分类的重要特征的识别能力。用HorNet网络结构代替原模型的CBS卷积核,提高了模型的人体关键点检测精度和动作分类的准确度。将Head层的空间金字塔池化结构替换为空洞空间金字塔池化结构,提升了检测精度并且加快了模型收敛。将目标检测框的回归函数由CIOU替换为EIOU,提高了坐标回归的精度。设计了两组对照实验,实验结果证明,改进后的YOLOv7-POSE在验证集上的mAP为95.7%,相比于原始YOLOv7算法提高了4%,各类运动动作识别准确率显著上升,在实际推理中的关键点错检、漏检等情况明显减少,关键点位置估计误差明显降低。

摘要：本文针对具有变负载的不确定刚性机械手系统,提出了一种依赖平均驻留时间的神经网络自适应切换控制策略.本控制方案将夹持不同负载的刚性机械手系统视为切换系统,即根据负载的不同将整个系统分为若干子系统,并基于平均驻留时间原则对每个子系统分别设计控制器.在各子系统中,分别采用径向基函数(RBF)神经网络逼近系统结构参数,以避免控制器对系统精确模型的依赖.同时,基于神经网络设计鲁棒补偿项,以抑制集总扰动对系统的影响.然后,利用多Lyapunov函数方法证明了轨迹跟踪误差的一致最终有界性.最后,通过仿真验证,所提出的控制方案不仅可实现变负载机械手期望轨迹的高精度跟踪,而且可有效削弱输入力矩的抖振.

摘要：针对转子电阻摄动和内外部扰动问题,设计了自适应反步控制方法来调节电机速度。首先,提出了一种改进指数趋近律的滑模磁链观测器,估算转子磁链并根据所得磁链计算出转子磁链角。其次,采用扰动观测器估计电机系统中出现的模型不确定性和负载扰动等。再次,利用反步控制法,求解出虚拟控制律和转子电阻自适应律,并设计自适应反步控制器。最后,将所设计的控制方法与传统反步控制方法进行对比,实验结果表明,所提方法的动态过程响应速度快、超调小,稳态过程跟踪精度高,且具有良好的抗干扰能力。

摘要：针对双电机驱动伺服系统具有未知非线性的问题,提出一种基于漏斗函数的跟踪与同步控制方案。首先,利用神经网络逼近和补偿复杂的非线性,在此基础上,引入滤波技术解决传统反步控制的“计算爆炸”问题,同时引入非光滑漏斗误差面确保系统的状态量被约束在预定义的漏斗边界内,结合改进的漏斗函数和反步设计技术设计了一种自适应量化漏斗跟踪控制方案。为了同时保证双电机的同步运行,同步控制器采用了平均偏差耦合策略,实现了双电机伺服系统的跟踪与同步控制。仿真结果表明,该方法可以实现对负载的跟踪以及双电机的同步。

摘要：针对单连杆柔性关节机械臂系统,研究了全状态约束条件下机械臂末端位置的跟踪控制问题。利用障碍李雅普诺夫函数约束柔性关节机械臂的关节角位置和电机转角位置等状态变量的幅值,保证所有状态变量不会超出给定的限制区域。在此基础上,通过引入带有误差补偿的指令滤波控制技术克服了传统反步法存在的计算爆炸问题,设计了基于状态约束的指令滤波反步控制器。最后,基于李雅普诺夫稳定性理论证明了柔性关节机械臂系统的稳定性,并通过仿真实验验证了所设计的控制器能够有效保证系统的状态约束性能和位置跟踪精度。

摘要：针对双容液位系统存在的外部扰动、模型参数不确定等问题,设计了一种基于非线性扰动观测器(nonlinear disturbance observer,NDOB)的径向基函数神经网络滑模控制(radial basis function neural network sliding mode control,RNNSMC)方法。建立双容液位系统数学模型,采用积分型滑模面来提高系统的鲁棒性,在常规积分滑模控制的基础上,通过RBF神经网络(RBF neural network,RNN)对系统的非线性函数进行逼近,并设计非线性扰动观测器估计外部扰动,选用Lyapunov稳定性判据证明了控制策略的闭环稳定性。仿真结果表明,所提控制策略与积分滑模控制(integral sliding mode control,ISMC)方法相比,不需要精确的数学模型,且控制精度更高,抗干扰能力更强。

摘要：为了降低永磁同步电机(permanent magnet synchronous motor, PMSM)驱动的机械臂能量损耗和提高位置控制精度,设计了基于反步非奇异快速终端滑模的能量优化控制。将机械臂及其驱动电机被视为一个整体系统来进行控制器设计和能量优化。设计高增益扩张状态观测器(extended state observer, ESO)估计并补偿集总扰动和建模误差。考虑到高增益ESO对测量噪声敏感,设计扩展卡尔曼滤波器(extended Kalman filter, EKF)与ESO结合来降低测量噪声的影响。研究结果表明,能量优化控制可以降低系统能量损耗和稳态误差,具有良好的控制性能。

摘要：针对二自由度欠驱动系统的控制问题,采用解耦的控制方法,设计了一种新型解耦滑模控制策略。考虑到滑模控制引起的系统抖振以及收敛速度慢的问题,提出了一种新型多幂次趋近律。该趋近律的第3个幂次项的指数参数设计为与滑模面相关的分段函数,第四项设计为滑模面的指数函数。控制器可以依据系统状态距离滑模面的远近自动调节参数,在不同的趋近阶段获得不同的趋近速度。以欠驱动倒立摆系统为控制对象,将该控制策略在MATLAB/Simulink平台上进行验证。仿真结果表明,提出的控制策略可以提高欠驱动系统的收敛速度,有效减小系统抖振和稳态误差。

摘要：针对具有未知非线性特性和扰动的多机械系统一致性问题,提出了一种基于径向基函数(radial basis function,RBF)神经网络的固定时间一致性算法。首先,建立了存在未知非线性函数项和不确定扰动的多机械系统模型;其次,根据系统模型设计了一种固定时间一致性协议,利用RBF神经网络来逼近模型中未知的非线性项;再次,利用李雅普诺夫稳定性理论证明了任意一对机械系统的位置和速度误差可以在固定时间内收敛到零的小邻域内;最后,通过MATLAB仿真软件验证所设计协议的有效性。仿真结果表明,所提出的协议能够实现预期目标。