摘要：为了保证欠驱动自主式水下机器人(autonomous underwater vehiele,AUV)在执行器故障和受到外界干扰的情况下仍然能正常运动,设计了基于观测器的反步容错控制器。首先,有条件地简化AUV的水平面模型,建立简化后的水平面状态方程。之后,针对AUV执行器的垂直舵出现故障并且AUV受到外界干扰的情况,设计观测器以实时估计故障和干扰。然后,将观测器与反步控制器相结合控制AUV,并利用李雅普诺夫稳定性理论证明闭环系统是渐近稳定的。最后,通过仿真验证了所提控制器具有良好的抗干扰能力和容错能力。

摘要：为改进异步电机的动态性和鲁棒性,设计了一种新型的滑模控制方法。首先,滑模面引入平滑的分段饱和函数,改进传统的积分滑模控制,在传统积分滑模控制的跟踪精度下,获得更好的暂态性能;其次,采用了一种超扭曲类算法的新型趋近律,削弱了系统的抖振,提高系统的稳态性能;最后,设计变增益非线性扰动观测器,可消除初始时刻观测器峰值,准确估计因模型不确定性、负载扰动等集总扰动。通过与传统积分滑模控制器对比,实验结果证明该方法具有更好的快速性与稳定性。

摘要：针对一类具有强非线性且难以建立精确数学模型的复杂工业过程,提出了一种基于PID与数据驱动的协调控制策略。在系统初始阶段,采用PID控制方法,不需要建立系统的数学模型,就能获得大量系统输入输出(I/O)数据。在系统稳态阶段,提出了多输入多输出(multiple input multiple output,MIMO)无模型自适应离散终端滑模控制(model-free adaptive discrete terminal sliding mode control,MFA-DTSMC)方法,该方法基于系统的紧格式动态线性化数据模型,且伪Jacobian矩阵(pseudo-Jacobian matrix,PJM)估计算法仅取决于被控对象的I/O测量数据。其次,设计了一种协调控制策略,实现了PID与数据驱动控制器之间的协调控制。以双容水箱液位系统为例进行仿真实验,仿真结果验证了所提控制策略的有效性。

摘要：针对当前多模态情感识别算法在模态特征提取、模态间信息融合等方面存在识别准确率偏低、泛化能力较差的问题,提出了一种基于语音、文本和表情的多模态情感识别算法。首先,设计了一种浅层特征提取网络(Sfen)和并行卷积模块(Pconv)提取语音和文本中的情感特征,通过改进的Inception-ResnetV2模型提取视频序列中的表情情感特征;其次,为强化模态间的关联性,设计了一种用于优化语音和文本特征融合的交叉注意力模块;最后,利用基于注意力的双向长短期记忆(BiLSTM based on attention mechanism,BiLSTM-Attention)模块关注重点信息,保持模态信息之间的时序相关性。实验通过对比3种模态不同的组合方式,发现预先对语音和文本进行特征融合可以显著提高识别精度。在公开情感数据集CH-SIMS和CMU-MOSI上的实验结果表明,所提出的模型取得了比基线模型更高的识别准确率,三分类和二分类准确率分别达到97.82%和98.18%,证明了该模型的有效性。

摘要：针对四电机伺服系统中单个电机的故障,提出了一种基于命令滤波反步法的容错控制方案。首先,建立带有未知惯量和不平衡力矩的故障伺服系统动力学模型;随后,采用命令滤波反步技术进行控制器设计,构建误差补偿系统提高控制精度;此外,利用神经网络处理故障电机引起的非线性扰动,并设计同步误差信号实现系统的同步控制;最后,基于Lyapunov稳定性理论证明单电机故障情况下闭环系统的稳定性,设计仿真验证了所提控制方法的有效性及优越性。

摘要：针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation,MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter,ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares,WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。

摘要：针对自主水下航行器(AUV)系统不确定性及输入饱和问题,提出了一种改进的自适应神经网络预设性能控制策略,完成对期望轨迹的跟踪。首先,引入非线性变换,使位置误差始终处在预设时变范围内,提高了控制精度,并基于反步法和Lyapunov函数设计系统虚拟控制律;然后,利用神经网络技术处理系统模型未知参数,并重构系统真实控制律,使传统反步控制策略得以简化,有效降低了计算复杂度,并在Lyapunov稳定性理论的基础上,证明了AUV系统的误差信号均有界;最后,与传统动态面控制方法进行对比,仿真结果表明所提出的控制策略控制性能更好,在考虑输入饱和情况下可有效克服不确定性对系统性能的影响,实现对目标轨迹的有效跟踪。

摘要：为了确保欠驱动自主式水下机器人(AUV)在受到外界干扰情况下仍然可以实现对三维路径的跟踪控制,设计基于干扰观测器的反步滑模控制器。针对欠驱动AUV 5自由度状态方程,考虑外界干扰对AUV运动的影响,设计干扰观测器实时估计干扰;通过欠驱动AUV的状态方程与三维路径跟踪误差模型得到系统的镇定模型;利用得到的干扰估计值,设计反步滑模复合控制器来控制AUV实现三维路径跟踪,并通过Lyapunov稳定性理论证明闭环系统渐近稳定。仿真结果表明:该控制器对欠驱动AUV实现三维路径的精确跟踪有良好的控制效果和抗干扰能力。

摘要：为了保证欠驱动自治水下机器人(AUV)在受到外界干扰以及舵出现故障情况下仍具有良好的定深性能,提出了一种基于干扰故障观测器的滑模容错控制器。首先针对带有干扰和故障项的AUV六自由度模型进行解耦得到AUV的垂直面模型,将垂直面模型化为向量形式;然后设计干扰故障观测器观测出干扰和故障,并由观测得到的干扰和故障值设计滑模控制器(SMC);最后通过Lyapunov定理证明稳定性并进行仿真验证,仿真结果表明提出的控制器具有良好控制效果。

摘要：针对情景记忆算法中记忆池中的样本利用率低的问题,提出了一种基于情景记忆和值函数分解框架相结合的合作型多智能体强化学习算法,即情景记忆值分解(episodic memory value decomposition,EMVD)算法。EMVD算法在情景记忆部分以时间差分误差平方为依据来更新记忆池,使记忆池中一直保留对学习效果提升更重要的情景记忆样本,并将情景记忆算法与神经网络相结合,提高了算法的收敛速度。为了将EMVD算法应用于机器人协作运输任务中,设定机器人和运输目标的位置为状态,并且设计了回报函数。仿真结果表明,EMVD算法可以探索出机器人协作运输任务的最优策略,提高了算法的收敛速度。