张坤[1]2002年在《小波模糊网络的理论研究及其在机器人补偿控制中的应用》文中研究说明控制理论的发展与进步，一方面依赖于工业和其它技术科学提出的越来越高的要求，另一方面与科学技术的发展水平，特别是数学工具的进步密切相关。数学在控制理论中起了重要作用，尤其是模糊逻辑与小波分析，在近几年的智能控制领域有着广泛的应用。 本文分别对小波神经网络和模糊神经网络结构进行了阐述，并针对传统BP算法收敛速度慢，容易陷入局部极小等缺点进行学习算法的优化研究。分别提出了基于非正交小波基函数的小波神经网络的快速学习算法和能全局寻优的模糊神经网络自适应BP算法。 本文还在小波和模糊推理的基础上，对小波分析与模糊推理的融合技术做了叁方面的尝试性研究。其一是设计了一个模糊化的小波神经网络，并给出了其学习算法。其二构造了小波模糊网络(WFN)模型，并系统阐述了该模型的训练算法。其叁是提出一种新的控制策略即小波神经网络在线自学习模糊自适应控制器。并将理论研究结果应用于机器人的补偿控制。 通过本文，我们有理由相信，智能控制理论和小波与模糊理论的相互交叉、相互渗透，会给自动控制科学带来新的发展机遇和活力。
佚名[2]2007年在《自动化技术、计算机技术》文中进行了进一步梳理TP13 2007012024一类时滞线性切换系统的稳定性和镇定/陈松林,姚郁(哈尔滨工业大学控制与仿真中心)//黑龙江大学(自然科学学报).―2006,23(2).―206～210.针对一类具有状态延迟的连续线性切换系统,研究了其渐近稳定性及状态反馈和输出反馈镇定控制律的设计问题。首先利用公共李亚普诺夫函数法给出了系统渐近稳定的充分条件及该条件下切换律的构造方法,然后给出了状态反馈和输出反馈镇定的充分条件,同时给出了稳定化控制律的参数化表示和相应切换律的构造方法。最后举例说明了结果的有效性。图2表0参12
欧幸宝[3]2000年在《模糊、小波神经网络研究及其在柔性冗余度机器人控制中的应用》文中研究说明新一代机器人要求具有轻质、高速、高精度以及高度灵活性的特点。柔性冗余度机器人同时兼具柔性和冗余性的特性，因而在其控制系统的设计中需要满足比普通机器人控制系统更多的要求，即一方面需要按一定的性能要求控制系统的输出准确到位，另一方面在机器人末端关节准确定位后，还需要快速抑制柔性机械臂的残余振动。 针对上述问题，本文设计了分布式柔性冗余度机器人控制系统。针对机器人末端关节位置控制和柔性臂残余振动抑制两个任务，系统采用刚性柔性分解控制的思想，运用刚性臂的控制策略保证精确定位，然后再设计主动控制算法消除柔性振动。在对模糊神经网络（FNN）和小波神经网络（WNN）的原理、构造和学习算法进行分析研究的基础上，本文设计了模糊神经网络控制器（FNNC）对机器人末端关节进行位置控制、小波神经网络控制算法实现柔性末端杆的抑振控制。因为本课题研究的抑振主要集中在抑制柔性关节的残余振动，因此在具体实施上采用位置控制变量u_c与抑振控制变量u_r切换的控制策略，即当机械臂执行轨迹跟踪控制时，首先开启位置控制变量u_c，完成操作任务并尽快停止在预定的位置上，然后关闭u_c，同时开启抑振控制变量u_r进行柔性末端杆的残余振动抑制。 大量的仿真实验结果表明，本文所设计的分别用FNNC进行位置控制、用WNNC进行柔性臂残余振动抑制的柔性冗余度机器人控制系统是可行的，轨迹跟踪精度以及残余振动抑制的效果也是令人满意的。
参考文献：
[1]. 小波模糊网络的理论研究及其在机器人补偿控制中的应用[D]. 张坤. 北京工业大学. 2002
[2]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2007
[3]. 模糊、小波神经网络研究及其在柔性冗余度机器人控制中的应用[D]. 欧幸宝. 北京工业大学. 2000