针对现有数字通信过程中信号调制处理的缺陷和不足,提出基于改进Adaboost-SVM分类器的信号调制算法。首先预处理原始信号并提取信号的基本特征,利用小波算法捕捉完整的信号细节特征。其次改进Adaboost算法和SVM分类器的基础性能,汇总弱分类器并生成强分类器,准确确定原始数据集的权重比例关系,剔除负样本集合的干扰,并降低算法的复杂度。最后用测试结果证明,所提信号调制分类算法的收敛性能和消噪效果更好,在相同的信噪比区间内拥有更高的分类识别准确率。

针对目前系统抖振仍影响滑模趋近律在实际中应用,并导致系统收敛速度缓慢、滑模平面趋近至原点时间长等缺陷,提出一种改进的双幂次指数趋近律。改进趋近律中指数项采用分段设计,指数项分段参数将系统分为两部分进行。当状态绝对值小于1时,系统沿滑模面平滑进入,抖振影响可忽略不计;当状态绝对值大于等于1时,系统的动态响应显著提高,收敛时间缩短,且总时间小于初始状态运动至临界值时间和系统运动至滑模面平衡点的时间之和。在理论上验证了改进后的双幂次指数趋近律能够快速收敛到平衡点且消除了抖振影响,并通过实验验证了该趋近律的有效性。对比多种趋近律,改进的双幂次指数趋近律具有最佳性能且收敛速度最快,并通过实验验证在外界干扰下该趋近律仍可快速收敛于平衡点。

针对混联机械臂轨迹控制偏差大、难度高的问题,提出一种基于深度学习的容错算法。在笛卡尔空间内基于非线性函数确定关节向量间的相关性,并改善轨迹容错纠偏的收敛性能;基于DBNs模型训练混联机械臂动态位置移动信息,在全局范围内搜索最优解;根据每个关节空间移动轨迹特征和深度学习容错机制,保证机械臂系统闭环操作的稳定性和适用性。仿真结果表明:采用提出的容错算法,6个关节实际移动曲线与期望曲线的偏差程度较小,算法的复杂程度更低。