主要提出了一种基于干扰观测器的四旋翼飞行器姿态运动系统最优滑模控制方法。考虑外界的干扰、内部参数的扰动以及建模误差等干扰,设计了一种非线性干扰观测器来估计未知的复合干扰。结合干扰观测器的输出,通过积分滑模控制对不匹配复合干扰进行补偿,随后使用SDRE控制方法实现了四旋翼飞行器姿态的最优控制。通过Lyapunov理论证明了闭环系统的稳定性,仿真结果表明这里设计的控制器对不匹配干扰具有较强的鲁棒性,同时保证了闭环系统的性能最优。

针对现有智能灯光控制系统的高能耗以及无法准确确定人体的静止状态等问题,在多传感器采集的基础上,提出一种将BP神经网络与改进遗传算法相结合的多信息融合算法用于智能灯光控制系统中。通过改进遗传算法获得一组次优解,用作训练BP神经网络初始权值和阈值。通过仿真将这里算法与遗传算法优化的BP神经网络算法、BP神经网络、遗传算法进行比较,以验证融合算法的优越性。仿真结果表明,该算法在收敛性、网络能耗和网络时延等方面都有较大改善,平均收敛时间为4.11s,检测精度为100%,具有一定的实用性。这项研究为智能灯光控制系统的发展提供了一定的参考。

汽车升降机构在底盘维护和高空落停问题中具有广泛的应用。设计出一种新型全转动副汽车升降机构并进行相关研究,首先建立机构的运动学模型,求出各构件角度变化表达式,为进一步动力学分析奠定了基础。其次运用Lagrange方程构建整体机构的动力学模型,通过SolidWorks建立汽车升降机的虚拟样机模型,分别对其进行动力学数值计算和虚拟仿真,验证所建运动学和动力学模型的正确性和有效性。在此给定升降载荷范围在1.1t到3.5t时,求解出所需驱动力矩区间曲线,为实际工程应用提供了数据参考。