以方向驾驶员模型为研究对象,讲解了自适应神经模糊推理系统的原理和结构,并基于自适应神经模糊推理系统建立了一种两输入单输出的方向驾驶员模型。输入变量是道路参考线到预瞄点的横向偏差和道路参考线与车辆X轴之间面积偏差,输出是车辆方向盘转角。首先,通过车辆动力学仿真软件Carsim获取车辆的仿真数据。其次,自适应神经模糊推理系统通过仿真数据能够自动获取模糊控制规则并建立方向驾驶员模糊控制器。最后,将基于自适应神经模糊推理系统建立的方向驾驶员模型和Carsim中的车辆动力学模型进行联合仿真。仿真结果表明基于自适应神经模糊推理系统所建立的方向驾驶员模型能够对路径进行良好的跟踪。

模糊规则的建立和隶属度函数的确定是设计模糊系统的难题。基于神经网络和模糊逻辑的自适应神经模糊推理系统,能够从仿真数据中自动提取出If-Then规则。并在Matlab/Simulink软件中,建立包含侧向运动、横摆运动、侧倾运动三个自由度的四轮转向车辆三自由度动力学模型。将得到的If-Then规则读取到模糊控制器中和三自由度车辆模型进行联合仿真。其中模糊控制器以方向盘转角、方向盘转角速度和车速作为输入,后轮转角作为输出。最后与前轮转向的车辆进行转向盘角阶跃仿真对比。仿真分析结果表明基于自适应神经模糊推理系统建立的后轮转角模糊控制器能够实现理想的质心侧偏角和车辆横摆角速度响应,提高了车辆的操纵稳定性。

为解决存在外部加速度和外部电磁场干扰的多旋翼无人机姿态估计问题,首先以四元数为参数建立姿态估计模型,然后使用一种解算精度高、计算量较小的衍生无迹卡尔曼滤波算法(DUKF),在量测更新阶段引入根据残差构造加速度计和磁力计的噪声协方差的自适应策略,提出一种基于DUKF的多旋翼无人机自适应姿态估计算法。通过使用PIXHAWK飞控的数据进行相关的仿真实验,实验表明,所提算法能极大的减小外部加速度和外部电磁场对多旋翼无人机姿态估计的干扰。

为进行铝电解槽出铝量预测,提出了一种基于自适应FOA-SVR模型的铝电解槽出铝量预测方法。首先,设计了一种自适应果蝇优化算法,基于三维搜索空间引入自适应步长,并应用于支持向量回归模型参数优化。其次,选取槽平均电压、槽电阻、槽温度、加料量、氟盐量等5个影响铝电解槽出铝量的因素作为模型输入向量,对电解槽出铝量进行预测。最后,以某公司铝电解槽生产数据为例进行实验验证,自适应FOA-SVR模型预测结果相比FOA-SVR模型提高了预测精度和收敛效率,为电解铝产量预测提供了有效模型,具有一定的推广价值。

小口径管道在船舶、石油化工等工业领域具有广泛应用,其内部状态对设备的安全运行具有重要影响,管道自适应内检测机器人是对管道内部状态检测的有效方法。通过Solidworks建立轮式管道内检机器人仿真模型,对其适应管径变化及转弯的能力进行分析。通过ADAMS方法对内检机器人进行模拟计算,依据实际工况进行条件约束,对机器人的爬行运动学及动力学进行仿真分析。结果表明,所设计小口径管道内检测机器人具有一定范围的管道变径及转弯自适应能力,可适应95mm到105mm之间的管道直径变化,可顺利通过的管道最小转弯半径为200mm;在给定速度与预紧力的情况下,轮子与管壁间的力随着管径变小而增加。

针对当前飞机防护瓦装配型架功能单一、自动化程度低、装配效率低、装配过程可控性差等问题,研究了一种飞机防护瓦智能装配系统。该系统集成了拉压力自适应控制技术、模块化技术。基于模块化理念将防护瓦智能装配系统划分翻转组件、保型组件、移动组件和拉压组件。拉压组件采用力与位移的自适应控制算法,保证了拉压力大小与方向的精确性。结果表明智能装配系统实现了全机防护瓦集成装配,保证了稳压过程方向与大小的精确性,提高了装配效率。

为实现两自由度主动磁轴承的高精度、强鲁棒控制,提出了一种基于粒子群优化的自适应反演滑模控制器对磁轴承进行控制。利用自适应反演滑模控制器对外部环境干扰进行预估,实现对磁轴承的位移进行精准跟踪和悬浮力的低脉动稳定运行,并且能够有效避免传统滑模的抖振效应。但由于影响控制品质的控制器参数较多,为了提高控制系统的收敛速度与精度,引入粒子群算法来在线优化控制器的参数。仿真结果表明经过整定后的自适应滑模控制器具有良好的动态跟踪性能。

针对目前机器人滑模控制方法自适应性能较差、末端约束力较弱、轨迹跟踪效果不佳的问题,提出基于动态约束的可重构模块机器人自适应滑模控制方法。首先根据运动学原理分析机器人各模块间的运动学关系,以牛顿-欧拉迭代方程为基础建立动力学模型;然后采用等效控制RBF神经网络的方法,调整机器人神经网络权值;最后根据RBF神经网络调整机器人在滑模控制方面的增益,完成对机器人的自适应滑模控制。实验结果说明,该方法具备较好的抑制抖动效果,轨迹跟踪性能高且自适应性能较强,能在动态约束条件下实现机器人的有效控制。

设计了一款面向旋翼飞行器的轻量化绳驱动机械臂。为了更好地控制该机械臂,基于时延估计技术,设计了一款非奇异终端滑模关节运动控制器,加入自适应模块以提高控制器在滑模面附近的收敛速度。基于李雅普诺夫理论,证明了闭环控制系统的全局稳定性和误差收敛性。对绳驱动机械臂进行运动控制仿真对比实验,结果表明,在相同条件下所设计的控制器比传统的非奇异终端滑模控制器和线性滑模控制器有着更好的收敛性、鲁棒性。

自由曲线的轮廓常用离散点来表示，而不是已知的数学方程，评定其轮廓度误差非常困难．采用三次样条函数拟合出被测物体的轮廓曲线，并建立了评定线轮廓度误差的精确数学模型，提出一种用逐次逼近思想来评定平面自由曲线的轮廓度误差的方法．该方法能自动实现被测轮廓与理论轮廓之间的位置调整，在得出形状误差的同时得到位置误差，而且是一种符合最小区域原则的评定方法．实验证明，该方法能精确的计算出自由曲线的轮廓度误差．