摘要：针对由 n个传动器所驱动的 n个关节机器人系统 ,采用学习控制的方法讨论了其跟踪控制的问题 .首先通过变换降阶 ,将相应系统转化为低阶系统 ,然后针对低阶系统进行设计 .该方法消除了 Kawamara方法在学习过程中要求每次学习都要经过相同的初始值的限制 ,从而克服了 Kawamara方法难以应用到“学习过程中存在初态偏差”的困难 .

摘要：基于几何分析,对迭代学习控制问题进行了讨论。在这种几何框架下获得了与目前算法完全不同的快速算法,为迭代学习控制的研究开辟了一条全新的途径。这种基于几何理论的新途径,能明确的指引人们应该怎样去设计更好的学习算法,而不是像目前的研究结果那样,总是囿于Arimoto(1984)所提出的最基本的算法形式之中。数值仿真结果表明新算法的有效性与优越性。

摘要：针对一类退化系统目标跟踪的迭代学习控制问题进行了探讨．这类系统不满足目前对迭代学习控制通常所要求的收敛性条件,从而使得学习控制方法在这类系统上的应用遇到困难．为了解决这类问题,提出了一种新的设计方案——吸引流形方法．通过构造一个相应于所给系统稳定而吸引的流形,且在构造的过程中同时设计出学习控制函数序列,以使完成对所给期望目标的跟踪．同时也讨论了这种方法的可实现问题．另外,该方法可无本质困难地应用到相应的非线性系统上．

摘要：介绍了MLCC封端机的系统设计，该机的机械结构采用圆盘状浸银槽和由步进电机拖动的滚珠丝杠为主体的封端板上下运动机构，结构紧凑合理；由单片微型机系统和光电编码器等组成的位置控制和程序控制以及保护装置使封端机高效率高精度，软件采用模块结构，各种操作和参数修改方便；采用输入操作码的并列结构，使该机操作简单方便．使用结果表明本设计的硬件和软件是可行的．

摘要：提出了以小波变换为核心技术的视频压缩系统的具体实现方法，设计了系统的整体框架，对各个模块都提出了改进和具体实现的算法。对于帧内图像的编码，提出了Mallat小波变换的改进延拓算法，加入了感觉加权量化。对于帧间图像的编码，针对低码率电视会议的特点改进了三步搜索法，在保持低复杂度的基础上提高了搜索的精度，同时为了提高编码效率，对运动补偿后的残差图像也进行小波编码。实验表明，这种算法的性能优于传统的视频压缩方法。

摘要：一阶神经网络的函数逼近理论虽已研究得相当深入,但对高阶神经网络在这方面的研究却报道甚少.本文给出了高阶神经网络的逼近理论.其具体内容是:如果网络的激励函数σ∈C~∞不是一个多项式,那么高阶神经网络能够以任意精度逼近任意定义在紧集上的连续函数.根据这个理论,可知稀疏或部分连接的高阶神经网络象全连接的网络一样能够逼近任意连续函数.基于此观点,我们设计了一个稀疏连接的高阶网络和另一个具有相同数目连接权的一阶神经网络,并把它们应用于太阳黑子序列进行逼近和预测.模拟实验结果表明,不论在收敛速度还是在推广能力方面,稀疏连接的高阶神经网络都优于一阶神经网络.