喷洒作业下四旋翼植保无人机的轨迹跟踪控制

针对所搭载药箱内药液变化导致四旋翼植保无人机喷洒作业品质下降的问题,为实现喷洒作业下四旋翼植保无人机的轨迹跟踪控制,提出一种喷洒作业下四旋翼植保无人机的轨迹跟踪控制方法.在考虑喷洒作业下药液变化影响的前提下,建立了四旋翼植保无人机的非线性动力学模型.在原有PD控制的基础上,引入模糊控制器对控制参数进行在线自适应整定,从...     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析。仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性。     

农用四旋翼无人机轨迹规划设计——基于计算机深度学习

介绍了农用无人机的工作原理,建立了其动力学模型,并基于人工蜂群的深度学习算法对农用四旋翼无人机轨迹规划进行了深入研究,确定采用线性自抗扰控制方法实现对无人机的轨迹控制。实验结果表明：农用四旋翼无人机可以平滑地从起点运行到了终点,很好地避开了途中的障碍物,证明了系统的可靠性和稳定性。     

基于RBF神经网络的农用车油耗值标定方法

油耗直接影响着农用车的经济性,真实油耗数据的准确检测对农用车产品管理的科学化以及建设资源节约型社会具有积极的意义.为此,针对行车电脑往往不能准确显示油耗值的缺点,提出油耗值的RBF神经网络标定方法.实验表明,该方法能取得较好的标定效果,简单实用,为农用车油耗值的实时监测提供了一种有效的手段.     

基于改进型自抗扰控制的复合翼无人机旋翼控制系统设计与试验

针对多旋翼无人机在飞行过程中容易受到各种外部扰动的影响,以复合翼无人机的旋翼控制系统为研究对象,设计了一种自抗扰控制系统。首先,建立了多旋翼无人机系统运动学模型和动力学模型;其次,对自抗扰控制算法的特点展开研究,结合无人机模型分别设计了位置和姿态控制器。并改进了扩张状态观测器,引入了更精确的动力学模型,提升了扰动观测速度和估计精度,同时,降低了扩张状态观测器的阶数,提升了控制器调参简易性;再次,依据六自由度力和力矩的平衡方程,对本文研究对象搭建了控制分配模型。最终,采用Matlab/Simulink完成仿真模型设计和参数调节,对控制目标分别加入了内部重力扰动和外部风力扰动,仿真结果表明本文设计的控制器不仅可以很好地估计出系统内外扰动并进行补偿,而且具有极强的抗干扰性,可以保证无人机从初始点快速且平稳到达目标位置,并保持稳定悬停,姿态控制稳态误差在0.05°以内。     

基于自适应调控技术的农田监测无人机设计

以农田监测用四旋翼无人机为研究对象,针对控制过程出现的强振动和干扰信号,采用自适应调控技术建立了一套四旋翼无人机自适应控制系统.当外界干扰信号频率不断提高时,四旋翼无人机自适应控制器能够有效地对外界干扰进行抑制,同时对不确定因素进行自适应.四旋翼无人机自适应控制器有效解决了由无人机自身产生的振动干扰信号,对瞬态响应过程...     

基于RBF网络的果蔬采摘机器人运动轨迹控制研究

为了提高果蔬采摘机器人机械手运动的精确性,提高机器人移动的效率,提出了一种基于遗传算法和RBF网络的机器人运动轨迹控制方法,并对果蔬机器人机械手的活动和整体的移动轨迹进行优化,有效地提高了果蔬采摘机器人的工作精度和作业效率。为了验证设计的采摘机器人的可靠性,在大棚内对机器人的采摘性能进行了测试,包括机器人移动路径规划和机械手路径规划。通过测试发现:使用RBF神经网络算法可以有效地控制机械手在三维空间内的运动;在遗传算法控制下,机器人可以通过较少的计算次数利用神经网络算法搜索得到最优路径,计算精度达到了99%以上。其计算精度及效率高,为高效果蔬采摘机器人的设计提供了较有价值的参考。     

基于RBF神经网络模型动态矩阵预测控制的小麦着水系统设计和应用

在面粉厂的整个制粉工艺流程中,润麦后小麦的湿度值直接决定着面粉出粉率的高低.笔者将电动调节阀和着水绞笼作为小麦着水系统的广义非线性被控对象,分别进行模型分析.针对小麦着水系统具有的时滞性和非线性特性,采用基于RBF神经网络模型动态矩阵预测控制算法实现智能控制,控制器选用西门子S7-300 PLC,并在上位机监控中采用W...     

基于RBF的水果采摘机器人关节伺服自适应滑模控制

针对水果采摘机器人关节伺服存在不确定性及其上界值无法测量等问题,提出了一种基于RBF网络的滑模变结构控制策略,通过RBF神经网络实现对不确定性的上界进行自适应预测,进一步改进了控制器的效果。在Mat Lab中进行仿真试验,结果表明:与传统的基于上界已知的滑模控制器相比,本文所提出的基于RBF网络的滑模变结构控制策略具有位置控制精度高、收敛速度快及抖动抑制能力强等特点,控制效果得到了进一步的提高。     

RBF神经网络增量式PID自动转向控制系统设计

平地机在田间作业环境下存在复杂非线性时变系统,很难建立精确模型,而传统的PID控制仅仅局限应用于线性系统,控制效果不佳等问题.为了提高田间作业时的转向控制精度,提出了一种基于RBF神经网络增量式PID的控制方法.该方法采用RBF神经网络对增量式PID增益参数进行自适应调整和辨识,并针对控制模型通过仿真实验对比分析了所提...     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

水果采摘机械臂神经网络自适应反演控制研究

针对水果采摘单连杆柔性机器臂系统,提出一种基于RBF神经网络动态面反演自适应控制算法。该算法通过动态面控制技术,有效解决由于反演设计带来系统"计算膨胀问题",并通过RBF神经网络对系统中未知或不确定函数进行逼近,实现神经网络自适应反演控制。最后,通过Lyapunov稳定理论证明闭环系统的一致最终有界。仿真结果验证了该控制器的有效性。     

发动机神经网络自适应PID转速控制

为提高发动机怠速控制的准确性,解决非线性、复杂的系统控制问题,详细介绍发动机模型建立方法、转速神经控制的结构和神经网络的形式,并将神经网络同PID控制很好的结合起来,以有效解决发动机转速控制问题。     

农用机器人转向系统自适应内模控制

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。     

农业轮式机器人PI鲁棒-滑模控制——基于RBF神经网络

农业轮式机器人机械多体系统朝柔性机器人方向发展,自由度越来越多,对应的结构也变得更加复杂,自动化和智能化水平越来越高,其动力学建模和实时控制难度增大。为提高机器人动力学建模效率,以通用性较强的具有6自由度机械臂的AMR果蔬收获机器人数学模型为研究对象,利用空间算子代数理论建立了轮式机器人O(n)阶效率的运动学和广义动力学模型。同时,利用Elman神经网络求解了机器人逆运动学问题,结合广义动力学模型和逆运动学模型,根据农业轮式机器人的特点,利用神经网络控制理论、PID鲁棒理论和Lyapunov稳定性理论,设计了一种6自由度机械臂的RBF-PI鲁棒-滑模控制算法,对机械臂末端进行心形轨迹实时追踪。最后,通过试验仿真,验证了本文提出的逆运动学理论、广义动力学模型和控制方法的合理性,为农业轮式机器人的研究提供了参考数据。     

基于神经网络的底盘测功机控制策略研究

针对底盘测功机控制系统在动态控制方面延迟较高和误差大的问题,提出一种基于RBF(径向基函数)神经网络的底盘测功机控制策略。通过对比分析汽车实际运行工况与底盘测功机加载工况的动力学特征,建立了底盘测功机输出力加载模型。基于电涡流测功机的加载力输出特性设计了控制系统框架和RBF神经网络控制器。通过MATLAB中的S-function函数语言编写了控制策略,且在DCG-10E型底盘测功机上进行了硬件在环试验。对比PID控制下的加载力输出曲线,结果表明,输出力上升过程稳定且快速。本文验证了在底盘测功机上应用RBF神经网络PID控制策略的可行性。