摘要：针对智能制造车间资源重调度快速响应的需求,以及隐性扰动难以测量捕捉的特点,提出了车间资源监测及重调度决策方法。首先利用支持向量机良好的连续监测性能,建立了资源异常状态监测模型;其次通过结合lasso回归算法和K近邻值分类算法提高SVM模型的预测值精准度,利用数据替代手段构建容错机制,保证系统异常时的短暂平稳运行;然后设计了车间资源重调度方式,通过历史案例数据训练分类器用于重调度方案抉择,指导智能制造车间在隐性扰动情况下的高效生产;最后,以实际车间隐性扰动为例,验证了所提的重调度决策方法的有效性。

摘要：针对自主研制的双体负压滚动吸附式爬壁机器人控制中存在模型参数不确定和外部干扰等问题,设计了一种径向基神经网络(RBFNN)结合改进趋近律的准滑动模态控制的自适应轨迹跟踪控制方法。在对双体负压爬壁机器人建立动力学模型的基础上,采用RBF神经网络逼近系统未知非线性动力学,消除外界未知干扰以及建模误差对系统的影响,实现了对双体负压爬壁机器人系统的精确控制。最后,将该控制方法应用于双体负压爬壁机器人进行实验验证,仿真结果和实验结果证明该方法在双体负压爬壁机器人轨迹跟踪中具有更快的收敛速度和削弱系统抖振的能力。