由于传感器网络所使用无线信道的共享性和相互干扰，节点间数据广播会产生资源冲突，广播调度要解决的即是为每个节点分配到一个无冲突传输时隙，其目标是找到晟优时分复用（TDMA：time division multiple access）调度解，使得帧长度最短而信道利用率最大．提出基于神经网络的两阶段混合广播调度算法．在阶段一，使用改进的顶点着色算法来获得调度所需最短时隙数目；在阶段二，使用模糊Hopfield网络将节点模糊聚类为M类，同类节点可以在同一时隙被调度，不同类节点必须在不同时隙被调度．用该算法对3个测试拓扑图进行调度，实验结果表明该算法比其他算法能获得更短的帧长度和更低的网络延迟，证明了所提算法的可行性和有效性．

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno(T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器.T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最...

气动人工肌肉系统凭借其材质轻便、输出力大及柔顺性好等优势,其运动控制研究近年来逐渐成为热点问题.然而,气动人工肌肉(PAM)系统所固有的特性(如迟滞、蠕变、非线性时变等),为其控制方法设计与实现带来了挑战.考虑到实际工作过程中,系统往往遭受未知干扰的影响,本文针对气动人工肌肉系统,提出了一种基于干扰估计的非线性控制策略,可在系统存在持续不确定干扰的情况下,在线进行扰动抑制,实现精确的跟踪控制.具体而言,本文先通过模型变换,将系统不确定性、未建模动态、外部扰动等处理成集总扰动的形式.随后,结合自适应更新律及正则化最小二乘算法,在线估计未知系统参数及扰动;在精确扰动代数估计的基础上,通过所提基于干扰估计的非线性控制器,消除未知扰动对系统造成的影响,并确保跟踪误差收敛至零.此外,经稳定性分析证明了跟踪误...

为解决一类轻载电液位置伺服系统线性自抗扰控制器设计过程中面临的阶次选择问题,本文从系统特性、频域等角度,分析自抗扰框架中“积分器串联结构”与轻载电液位置伺服系统之间的内在联系,得到轻载电液位置伺服系统在自抗扰控制框架下是本质“一阶”系统的结论,从而合理设计了1阶线性自抗扰控制器.在此基础上,提出了有效的控制器参数整定方法,并分析了闭环系统的稳定性.仿真和试验结果表明,与高阶相比1阶线性自抗扰控制器可以更好地控制动态过程较快、负载较轻的惯性负载电液位置伺服系统,为自抗扰控制在液压伺服领域的工程应用提供了参考.