一、模糊控制与其它控制技术的融合研究（论文文献综述）
熊晓琴[1]（2020）在《专利视域下智能网联汽车关键技术分析及产品评价研究》文中研究指明智能网联汽车是指装备先进的车载传感器、控制器等器件,并融合现代通信与网络技术,实现车与X（车、路、人、云端等）的智能信息交流和共享,具备复杂环境感知、智能决策、协同控制等功能的新一代汽车。智能网联汽车可以给我们带来更安全、更节能、更环保、更便捷的出行方式和综合解决方案,是国际公认的未来汽车发展方向和研究焦点。随着技术、法规以及相关配套逐步成熟和完善,智能网联汽车将进入产品导入和市场化阶段。和美国、欧洲、日本、韩国等传统汽车强国相比,我国智能网联汽车信息交互技术相对成熟、基础支撑技术具有局部优势,但是仍然存在核心技术短缺、技术结构和方向不清晰、技术应用效益不明确等问题,需要进行技术分析及其应用评价。本文以智能网联汽车为研究对象,基于全球专利大数据、产业数据、商业应用数据等数据资源,围绕智能网联关键核心技术发展与应用问题,探讨智能网联汽车关键技术基础前沿、热点主题和演进路径,并结合重点企业关键技术专利分析评价不同产品的技术经济效益和生态效益,力求探索智能网联汽车关键技术发展特征和产品应用情况,研究内容包括以下方面:针对专利视域下的智能网联汽车,基于专利大数据绘制智能网联汽车关键技术专利地图,并以此为基础,运用新一代信息可视化手段,构建智能网联汽车科学知识图谱,研究智能网联汽车技术领域前沿与热点、关键技术演进路径及演化规律。重点围绕智能网联汽车全球专利数据,聚焦车辆技术、信息交互技术等领域,运用聚类分析、时间序列、回归分析和相关分析等方法绘制智能网联汽车专利态势、竞争态势及关键技术专利地图,从时间和空间等不同维度分析技术分布特征,得到关于智能网联汽车产业发展趋势、竞争态势、企业创新实力及关键技术发展等方面的结论;基于绘制的关键技术专利地图,综合采用共现分析、引文分析、共被引分析等方法,运用Cite Space等知识图谱工具,识别不同时期智能网联汽车的技术主题及成熟潜力专利技术,探测智能网联汽车关键技术领域前沿与热点变化,并通过与专利网络主体间的联系展示出智能网联汽车关键技术的演进路径与演化规律。面向关键技术分析智能网联汽车企业的专利布局,建立智能网联汽车产品的技术经济评价体系,运用模糊综合评价、数据包络法,对通用、比亚迪等8家企业具有代表性的车型进行技术性、经济性研究。从专利角度研究智能网联汽车企业的环境感知技术、决策控制技术、V2X通信技术、云平台与大数据技术等关键技术构成,明确不同智能网联汽车企业关键技术的专利布局重点;构建智能网联汽车技术评价体系,选择不同企业的代表车型进行模糊综合评价,发掘评价结果内涵,结合专利技术提出对我国智能网联汽车企业技术发展的有益建议;通过智能网联汽车的经济角度阐述智能网联汽车产品经济评价模型,构建智能网联汽车经济评价体系,运用数据包络分析法对不同企业的代表车型进行评价,从企业评价结果和专利技术揭示决定其经济性能的主要因素。基于关键技术重点专利推演智能网联汽车企业的技术发展路线,结合技术发展路线探讨不同智能级别车辆在能源、资源消耗以及环境方面产生的具体影响,通过对丰田和广汽关键技术领域历年重点专利的分析,明确其技术发展路线,并划分车辆的不同技术等级。面向企业关键技术及其专利进行目标选取和边界划定,以广汽丰田i A5为研究对象,建立了从原材料获取、制造装配、运行使用到报废回收四个阶段的资源耗竭和环境影响的数学评价模型,确定各阶段涉及材料、工艺、能耗清单,并在此基础上建立Ga Bi模型,计算得到矿产资源消耗、能源消耗、环境排放结果清单,采用CML2001评价方法对计算结果进行处理和分析评价;结合丰田和广汽的各技术等级重点专利和技术发展路线,评估预测不同智能级别车辆采用智能设备及关键技术等应用方面的不同,对L1-L5不同级别智能网联汽车全生命周期各阶段的资源消耗、能源耗竭、环境影响进行对比分析,以得出车辆技术智能化、网联化程度对能源消耗及环境影响的变化趋势。本文研究成果包括从专利视域所揭示的智能网联汽车关键技术特征和演进规律,以及结合智能网联汽车企业关键技术专利分析量化计算的产品技术经济性和节能减排绩效评价结果,提供了以专利分析辅助产业关键技术发展布局及应用的研究路径与方法,为智能网联汽车技术路线规划、政策制定和相关企业的技术创新、新产品研发提供重要的理论依据和数据支撑。
陆宇[2]（2020）在《面向多船协同的自适应编队控制方法研究》文中研究说明随着水上无人技术的快速发展,无人船凭借其成本低、机动性好和无人员伤亡的优点,已成为执行海洋环境监测、水上搜救等各类任务的重要工具。为了扩大无人船的作业范围、提高无人船作业时的容错能力和资源利用率,多船协同这种作业方式得到了越来越多的青睐。无人船编队控制方法是实现多船协同作业的关键,其设计不仅要依据多船编队的任务场景,还必须得考虑无人船的自身特性和编队过程中的多种约束。现有关于无人船编队控制的理论研究尚存在以下几个方面的问题:首先,复杂的多船编队任务场景要求无人船集群既能完成队形保持和编队平移等常规任务,又能拥有根据临时任务实现期望编队机动的能力,目前很多文献仍集中于研究固定编队布局下的无人船编队问题,针对可变编队布局下多船编队机动控制的工作相对较少;其次,无人船本身具有高度非线性、变量强耦合和不确定性等特性,在实际作业时也会受到风、浪、流等外界环境扰动的影响,现有的诸如基于神经网络的或自适应编队控制方法虽然使无人船编队系统具备了一定的鲁棒性,但它们的保守性和计算量还有待进一步研究;再者,一些多船编队任务场景对无人船编队跟踪误差的暂态和稳定性能提出了要求,无人船执行器能力受限或发生故障也会对多船编队跟踪性能产生影响,当前的无人船编队控制方法在使用过程中如果遇到这些编队跟踪性能约束或执行器约束,其编队控制性能会大打折扣。概括地说,多船协同运动时可变的编队布局设置、各船的不确定动力学和所受的外界扰动以及各种编队约束给无人船编队控制理论发展带来了很大的挑战。为了深入理解多船编队的运动特性、提高无人船编队控制方法的鲁棒性、容错性和实时性以及在不同编队约束条件下的适用性,本文从协同模型、信息交互和编队布局三个方面去解释多船编队运动机理,利用图论、方位刚性理论、反步法和自适应控制等理论工具,对面向多船协同的自适应编队控制方法开展了进一步的研究。文中充分考虑了无人船模型不确定性、外界扰动影响和各种编队约束,在无人船间无信息交互或存在局部信息交互情况下,分别讨论了固定和可变编队布局时的多船编队控制问题,实现了无人船编队队形保持、平移运动、曲线机动和缩放机动的控制任务,为多船协同应用提供了理论支撑。本文的主要研究贡献如下:1)针对基于领随双自主体协同模型的欠驱动无人船编队系统,提出了一种基于跟随船视距和视线角的自适应输出反馈编队控制方法,能够在船间无信息交互时解决固定编队布局下的多船编队队形保持和平移运动控制问题。每艘船的编队控制器在抑制不确定动力学和外界扰动时只需在线调节两个学习参数,计算量小,在保证多船编队系统鲁棒性的同时提高了编队的容错性和实时性。在此基础上,提出了一种基于虚拟船自适应规划的无人船鲁棒自适应编队控制方法,能够在船间仅有艏摇角信息交互时解决可变编队布局下的多船编队曲线机动控制问题。每艘船只需利用模型中的惯性系数便可有效估计外界扰动,所采用的扰动观测器和编队控制器可共享一组神经网络,均只需在线调节两个参数,减少了计算量,提高了无人船集群曲线机动时的编队轨迹跟踪精度。2)针对基于多自主体协同模型的无人船编队系统,提出了一种仅交互位置向量的无人船分布式鲁棒自适应编队控制方法,能够在船间具有局部信息交互时解决固定编队布局下的多船协同编队队形保持和平移运动控制问题。所提方法无需邻居船间交互三通道速度信息,局部信息交互量小,每艘船基于神经网络的编队控制器三通道共只有一个在线学习参数,既能抑制模型不确定性和外界扰动,又确保了算法的实时性。在此基础上,提出了一种基于位移的无人船分布式自适应容错编队控制方法,能够在无人船具有编队跟踪误差性能约束和部分执行器发生故障时解决多船协同编队控制问题。如果无人船间的交互拓扑图是连通的,采用该方法可获得期望的固定编队布局,编队中各船邻间编队跟踪误差的超调量、收敛速率和稳态精度也能满足预设的性能要求。3)针对基于多自主体协同模型的无人船编队系统,提出了一种基于方位的多船分布式鲁棒自适应编队缩放控制方法,能够在输入饱和约束和不确定条件下解决无人船集群编队缩放机动控制问题。该方法将‘‘领导船引导目标编队轨迹、跟随船编队跟踪’’作为多船编队缩放控制的核心思路,每艘船的控制器中都引入了参数压缩机制和辅助系统设计,在处理不确定性时简化了权值更新过程,并减少了执行器能力受限的负面影响。如果增广编队是无穷小方位刚性的,采用该方法既可保持预设的无人船编队队形,又能实现期望的编队缩放机动效果。所提方法只要规划领导船便可主动缩放调节整个无人船集群的编队尺寸,在此过程中无需重新设计跟随船的控制输入,各船的艏摇角也能保持一致。
夏雨[3]（2020）在《智能车辆路径跟踪的横向控制研究》文中研究表明智能车辆作为一个集众多高新技术的复杂系统,是智能交通系统不可或缺的一部分。智能车不但可以应用于目前复杂交通路况,缓解交通拥堵并减少交通事故,而且因其机械化力量能够提高办事效率且能代替人类在恶劣、有害环境下作业,故在工业领域、军事领域以及航空航天领域都有良好的应用前景。路径跟踪控制技术因其兼顾两个任务,既要控制车辆不偏离路径,也要控制车辆行驶速度保证安全驾驶,而在智能车关键技术中占据核心地位。其中任务之一如何实现对智能车转向的控制成为人们研究的热点和难点问题。因此,本文以智能车为研究对象对其横向控制技术展开研究。针对智能车辆在路径跟踪横向控制过程中的运动特性,建立只有横向和横摆两个自由度的车辆模型。考虑到以往多采用反馈控制方法进行横向控制研究,其只能观察当前位置信息,不能满足对控制的实时性要求,因此本文基于预瞄控制策略来设计路径跟踪横向控制器,保证车辆在行驶过程中能预先判断前方路径并获取横向偏差和方位偏差,从而更好地跟踪期望路径。此外,对获取的横向和方位偏差采用加入权重系数的方式融合成集成偏差,为控制器的设计奠定基础。结合滑模、模糊两种控制算法的优势,设计出智能车辆路径跟踪横向控制器。相比直接选用误差作为模糊控制器的输入,本文采用由集成偏差组成的滑模切换函数及其微分作为控制器的输入,把对误差的控制转化为对滑模函数的控制,通过模糊控制器输出前轮转角使其降为0即可跟踪期望路径。该控制方法既保留了模糊控制不需要依赖精准数学模型的突出优点,又能让控制系统始终保持在二维,降低了系统的复杂性。同时能削弱滑模面附近由于高频转换产生的剧烈抖振,从而保证了转向盘转动的稳定性。通过Matlab/Simulink平台检验所设计的横向控制器的性能。首先针对两条参考路径对横向控制器进行了仿真分析;又考虑到实际路径能更准确地判断路径跟踪横向控制器的跟踪效果,故通过Open Street Map获取实际路径对控制器进行仿真,仿真结果验证了在不同的路径工况下控制算法均能起到良好的控制效果。又针对车辆不同的速度、载荷、质心位置等状况进行算法鲁棒性分析,结果表明所设计的控制器能够迅速稳定地减少偏差并对参数的变化具有很强的适应性和鲁棒性,满足了横向控制的要求。
施佩[4]（2020）在《基于无线传感器网络的水质数据流异常检测与预测方法》文中研究说明在集约化水产养殖中,水体质量对养殖的产量和质量起着决定性的作用。因此,养殖水体的准确监测具有十分重要的意义。水产养殖自动化、智能化的不断发展,对养殖过程中的水质监测提出了更高的要求。本文以传感网络水质监测平台为基础,以水产养殖水质监测数据流关键因子为研究对象,采用机器学习、信息论和统计学方法,研究监测过程中的异常检测、数据融合和预测预警模型,实现水质数据流的在线监测。主要贡献如下:（1）关于水质数据流异常检测方法研究。针对水质监测中传感器故障和偶发的事件等引起的数据流异常问题,在观察和分析水质数据特征信息的基础上,提出一种基于概率密度补偿的改进支持向量数据描述异常检测算法（ID-SVDD）。首先将相对密度的思想引入到传统SVDD算法中,补偿SVDD算法在数据分布特征信息分析上的缺失。其次,使用改进的Parzen-windows函数获取概率密度,构建ID-SVDD异常检测算法。最后利用实际水质监测数据集验证ID-SVDD算法的性能。实验结果表明,ID-SVDD异常检测算法具有较高的检测精度。（2）关于溶解氧数据流的支持度函数加权融合算法研究。针对单一溶解传感器监测不准确的问题,以溶解氧指标为例进行分析和研究。在探索同源多溶解氧传感器之间相关关系的基础上,提出了一种新型支持度函数的加权融合算法（IDTW-ISD）。该算法借鉴灰关联思想形成ISD支持度函数,并对其中参数K和β进行调整。将传统支持度函数单一时刻的相似度计算方式改为时间段的相似度计算方式,获得基于时间序列DTW相似度的支持度函数。同时,引入时间序列分割策略,构建IDTW-ISD支持度函数。基于IDTW-ISD函数的加权融合算法不仅在融合精度上得到了提高,其算法效率也获得了保障。（3）关于改进在线贯序极限学习机（EFIG-OSELM）溶解氧预测方法的研究。针对传统预测方法中参数随机、稳定性低和样本学习灵活性差等问题,提出一种在线的EFIG-OSELM的溶解氧预测方法。在实现溶解氧时间序列特征分析的基础上,对序列进行EMD多尺度分解,获得多模态信息。为了降低预测计算量,利用模糊熵对多模态信息进行数据重构。然后,利用混沌序列算法改进遗传算法,构建基于重构分量的溶解氧预测模型EFIG-OSELM。选择基于最小二乘支持向量机（LSSVM）、基于BP神经网络等预测模型进行对比和分析,EFIG-OSELM的预测结果、相关系数和精度指标较其他对比算法有明显的优势。由此表明该模型是一种较为适用的在线短时域溶解氧预测模型,能满足水体溶解氧预测的要求。（4）关于基于k-medoids分簇的偏最小二乘（PLS）优化极限学习机（ELM）溶解氧预测方法研究。精准化的池塘养殖对水体溶解氧的预测提出了长时域、高精度的需求。为了解决这些问题,结合复杂环境与溶解氧的相关性,针对溶解氧的多因子预测研究提出另一种多因子影响下基于分簇策略的改进极限学习机（CSELM）溶解氧预测模型。首先,研究各影响因子与溶解氧浓度间关系,使用因子分析法评估不同的气象综合指数。其次,使用动态时间规整（DTW）方法计算不同时间段溶解氧序列间的相似度。不同于EFIG-OSELM预测模型中的数据预处理方法,新的预测模型利用昼夜时间段的相似度进行聚类分簇。进而建立相似样本数据集,获得相似时间段下的溶解氧时间序列规律特征。最后,在各簇中分别建立预测子模型,获得CSELM溶解氧预测模型。选择PLS-ELM和ELM作为预测对比算法,实验结果表明,CSELM拥有较高的预测精度和运行速度。（5）开发水产养殖水质监测预警系统。为了实现智能化的水产养殖,设计和搭建水质监测平台。上述异常检测和预测算法被应用到监测平台中,并开发水质监测系统。该系统包括基于客户端的监控软件和手机端的监控软件,分别实现了水质数据和气象数据的采集、信息查询、数据分析、预警处理、设备管理控制、系统管理等功能。预警系统的良好运行效果表明,本文提出的检测和预测算法是合理有效的。
吕继亮[5]（2020）在《基于多传感器信息融合的无人小车避障算法研究》文中研究说明随着智能化时代的到来,无人小车在众多领域中得到了广泛的应用。在未知环境下的避障技术已成为突破无人小车智能化发展瓶颈的核心技术之一。为了实现对障碍物更为准确的探知并控制无人小车作出相应的避障行为,需要引入多传感器系统以达到信息互补的目的。因此多传感器信息融合技术对无人小车能否实现良好的避障行为具有非常重要的影响。本文以自主设计的无人小车为试验平台,重点研究了多传感器信息融合技术以及基于模糊控制的避障算法,对各类无人移动平台的开发具有重要的理论意义和较强的实际应用价值。根据无人小车的避障功能需求,进行了无人小车的机械结构设计。然后建立了无人小车的运动学模型,并讨论了适用于无人小车的控制与驱动原理。确定了以STM32F407为核心的控制系统,对系统中的电气元件进行设计选型并完成整车的组装与调试。基于多传感器信息融合的数学方法,分析设计了自适应加权融合算法,并利用MATLAB对算法进行编程仿真。分析仿真结果发现:自适应加权融合算法的总方差收敛稳定在1×10-3左右,效果稳定,但是存在权值分配不当的问题。通过对算法迭代过程的优化,解决了权值分配的问题并发现数据融合结果误差在0.2%以下,表明优化后的算法具有较好的融合稳定性与精确性。基于优化后的自适应加权融合算法,分析了无人小车可能的避障环境以及避障策略。根据模糊控制原理设计了避障算法,制定了相应的模糊与反模糊规则。通过对无人小车在多种不同障碍物情况下的仿真,发现无人小车均能够避开障碍物的干扰。但运动过程中存在大量大幅度转向的问题,表明无人小车的运动不稳定。针对模糊控制避障算法中存在的问题,利用神经网络学习更新函数参数,实现了对模糊控制器的改进。分析仿真结果发现:改进后的最大偏转角度接近40°,较优化前减少了20%左右,转向次数明显减少。设计并测试了传感器测距以及电机控制程序,并通过无人小车实车实验验证了本文设计的避障算法的有效性与可靠性。
刘森,张书维,侯玉洁[6]（2020）在《3D打印技术专业“三教”改革探索》文中指出根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法（"三教"）改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
刘杰超[7]（2020）在《移动机器人平面路径跟踪控制方法研究》文中指出随着当今人口红利的逐渐消退,机器代替人执行任务的趋势日益凸显。移动机器人作为机器人领域的重要一员,凭借其灵活性、机动性、适应性及高效性,极大地扩展了日常生产工作的区域,为人们生活带来巨大的便利。移动机器人是典型的非完整系统,能否对其精确控制,是判断移动机器人性能优劣的关键。本文以轮式移动机器人为研究对象,主要对其在二维平面内的路径跟踪控制问题进行研究。在移动机器人执行任务过程中,系统外部存在扰动及噪声,内部存在未知模型参数与非结构性因素,这些都会使得路径跟踪控制系统的稳定性变差、累积误差增加,最终导致控制性能下降,严重影响系统的正常运行。针对上述问题,本文采用滑模控制技术作为移动机器人平面路径跟踪的核心控制策略,并在此基础上改进控制效果。在路径跟踪控制系统中,噪声是影响控制系统精确性与稳定性的一个重要因素。移动机器人测量参考路径时会产生测量噪声,采用自适应卡尔曼滤波算法,可以估计出降噪后的路径,并将其作为新的参考路径,以降低测量噪声对控制器的影响,提高路径跟踪控制系统的精度。同时,针对滑模控制中必产生高频抖振的现象,在滑模控制器中加入低通滤波器,降低控制器的高频增益,提高路径跟踪控制系统的稳定性。通过李雅普诺夫稳定性理论,设计滑模控制律,并通过仿真验证双滤波与滑模控制融合策略在平面路径跟踪控制中的有效性。实际工程中,移动机器人系统模型存在诸多不确定项及非线性因素,这使得路径跟踪控制器在设计时,无法得到与模型完全匹配的控制律。针对这些不稳定因素,采用神经网络逼近非线性函数策略,实现对非线性系统的神经网络自适应滑模控制,解决移动机器人模型的不精确对路径跟踪控制系统的影响问题。同时,针对径向基神经网络中权值难以快速调整的缺陷,采用最小参数学习法,设计单个参数,代替神经网络中的权值,实现基于单参数估计的径向基神经网络自适应滑模控制,以简化算法的复杂度,提高平面路径跟踪控制系统的实时性。
邓天[8]（2020）在《蒸发器水位控制系统的设计与优化》文中进行了进一步梳理随着环境保护和工业发展矛盾的日趋激烈,世界各国也越来越重视对碳排放量的严格控制,也越来越重视低碳新能源的建设与应用。作为一种极具发展潜力的低碳新能源,核电在我国低碳减排、绿色发展的变革中也发挥着不可忽视的作用。蒸汽发生器（SG）是核电厂一、二回路能量传递的关键纽带,使其具有良好的水位控制对核电厂的经济性和安全性的贡献不容忽视。因此蒸汽发生器水位控制系统的设计非常关键,对其的优化也富有深远的研究意义。当前国内压水堆核电厂的蒸发器水位控制设计方案一般应用简化的针对典型功率平台的水位功率点模型,国内在建或在运的主要工程项目里一般使用多参量复合串行PID控制器的设计方案。这种给水前馈调节与水位闭环反馈调节相结合的PID控制器设计方案实现简单、响应快速、静差准确,但鉴于蒸发器水位系统所特有的非线性、时变、强时滞、非最小相位等特点以及低工况下负荷测量、负荷水位动态整定等难点,导致这种基于传统PID理论的控制器在特定功率平台或特定工况下对蒸发器水位的调节效果仍然无法得到很好的保障,需要电厂操作人员频繁手动干预,增加了操作人员的操作负担,也增加了因为人因失误触发核电厂保护系统动作从而造成电厂经济损失的风险。这就对蒸发器水位控制的设计方案提出了更高的要求及挑战,需要结合现场实际问题和操作经验开展优化研究,以期进一步提高蒸发器水位设计方案在全负荷变化过程中（特别是低负荷时）各类瞬态工况下的调节水平。本文研究分析了二代压水堆核电站蒸汽发生器的结构、功能原理,并分析了其动态特征及水位瞬态特点,推导分析了蒸汽发生器水位及其它相关环节的功能函数,并在以上数学模型的基础上结合实际工程的功能需求进行了基于PID的典型水位控制方案的设计及参数整定。同时根据多年的实际工作经验及现场调研对PID水位控制方案中存在的问题进行了问题分析及经验总结,并基于此提出了蒸发器水位控制的三项改进措施:1)通过对在运机组历史运行数据的整理和拟合,提出新的负荷与水位整定值的整定曲线,改善功率提升及功率下降阶段的水位调节性能;2)通过喷嘴阀流量计的设计应用,提升低负荷下蒸汽量的测量准确度,以改善负荷水位整定值的精确度及给水泵转速整定值的精确度;3)基于模糊控制技术与传统PID技术的融合,设计了结合两者优点的压水堆核电站模糊自整定PID水位控制器,有效的改善了控制性能。以上的优化措施使控制方案既具备传统PID方案实现便利、静差小、高可靠性的特点,同时又对蒸发器水位系统的非线性、时变、强滞后、非最小相位等特点具备更好的适应性,使水位设计方案获得更好的调节效果,提升电厂控制的自动化水平,也进一步提升了电厂的经济水平和安全水平。
岳凤发[9]（2019）在《光电跟踪伺服系统摩擦补偿控制及改进KCF跟踪算法研究》文中研究表明随着光电技术的迅猛发展,光电跟踪系统在军事和民用领域得到广泛的应用。要实现光电跟踪系统对目标的高性能跟踪,高性能的伺服控制技术以及对目标的实时、稳定跟踪性能是必须解决的关键问题。针对上述问题,采用理论与实验相结合的策略对高性能的伺服控制以及目标的实时、稳定跟踪技术展开深入研究。首先,介绍了系统的工作原理与电视跟踪原理,对伺服转台系统的机理展开分析,建立伺服转台系统的线性机理模型,在对非线性机理进行深入分析的基础之上,建立了基于LuGre模型的系统非线性方程。此外,阐述了影响系统跟踪精度的主要因素和系统跟踪性能的要求。其次,对伺服转台系统采用基于摩擦补偿的控制策略展开研究。根据建立的系统非线性方程,利用遗传算法实现LuGre模型静态参数的辨识,再选用非线性最小二乘法实现LuGre模型动态参数的辨识。针对伺服转台控制系统中非线性摩擦模型参数的变化以及其他干扰问题,提出一种自适应积分反步滑模控制的摩擦补偿方法,并使闭环系统的渐进稳定性得到了保证,仿真实验证明了该策略的有效性和稳定性。在此基础上,针对滑模控制不可避免的会出现抖震现象降低系统的控制性能问题,提出了一种鲁棒自适应积分反步控制的摩擦补偿策略,并用Lyapunov理论证明了该策略的渐进稳定性,仿真对比实验证明了该策略比前者有更好的鲁棒性,并且有效的提高了系统的控制精度。再次,针对目标跟踪过程中的实时性和稳定性要求,提出了改进的KCF（kernelized correlation filter）算法。该方法融合了自适应搜索窗口阈值法、KCF方法和Kalman滤波方法。自适应搜索窗口阈值算法能够根据图像中目标的尺寸自适应选择阈值来提高KCF算法的跟踪性能。目标跟踪过程中,当前一帧与当前帧的位置变化大于距离阈值时,采用Kalman滤波方法对目标位置展开预测跟踪,进而提升目标跟踪算法的跟踪性能。通过该方法与KCF方法以及一些先进的跟踪方法展开对比研究,验证了该方法的有效性和跟踪性能。最后,根据光电跟踪系统的软、硬件条件,通过对上述目标跟踪方法进行分析,提出了适用于本系统工控机处理性能的目标跟踪策略。将基于摩擦补偿的控制策略和目标跟踪策略相结合形成系统目标跟踪策略并进行实际的摩擦补偿控制试验和目标阶跃跟踪试验,实验结果证明了该策略的有效性和稳定性。
吴健[10]（2019）在《下肢外骨骼关节驱动与控制技术研究》文中研究说明下肢外骨骼机器人作为一种非线性、多变量、高耦合的复杂的机械穿戴装置,有着极其广泛的研究领域。其中,关节驱动和控制技术分别为外骨骼机器人提供动力和控制指令,无疑是众多研究领域中极其重要的环节。外骨骼的驱动性能和控制品质是影响外骨骼最后输出的关键因素。只有在高性能的关节驱动控制系统的基础上,讨论控制技术才有意义。本文就这两个方面进行了研究。为了使下肢外骨骼表现出优良的控制品质,必须先设计出高性能的关节驱动系统。本文选择了永磁同步电机的关节驱动方式,以直接转矩控制（Direct Torque Control,简称DTC）为基本的关节电机驱动控制策略。单关节电机驱动设计中,引入空间矢量脉宽调制技术,避免了传统的DTC中有限的电压控制矢量;为减小由于系统参数变化带来的鲁棒性问题,由此引发的输出脉动,磁链和转矩环采用的是super twisting滑模控制器,该方法能从根本上解决滑模抖震;为增强系统抗外界干扰的能力,速度环采用的是指数型滑模控制;为提高单关节电机自适应能力,位置环采用的是模糊控制。通过MATLAB仿真对比,证明了设计的系统方法在外骨骼单关节驱动控制中的可行性。接着,从数学的角度分析和研究下肢外骨骼机器人,建立运动学和动力学模型。运动学建模以期望能从空间几何的角度描述和研究机器人的运动特性。使用拉格朗日的动力学建模方法,从动力学的角度,研究下肢外骨骼的运动轨迹与驱动力矩之间的数学对应关系。最后,研究并设计下肢外骨骼机器人的控制算法。设计的控制算法具有伺服精度高、抗外界干扰能力强、省力助力特性。先是介绍了外骨骼PID控制,分析了重力补偿对控制性能的影响。然后引入了计算力矩滑模控制,并融合了在线重力补偿算法,提高了外骨骼的伺服精度和抗外界干扰能力。进一步地,为了达到省力助力的效果,设计了阻抗滑模控制,不但具有很高的位置伺服精度,而且人机交互力矩明显小于实际关节驱动力矩,达到了穿戴省力助力和柔顺的目的。通过MATLAB仿真对比,说明了设计的控制算法在下肢外骨骼中有很好的可行性。
二、模糊控制与其它控制技术的融合研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊控制与其它控制技术的融合研究（论文提纲范文）
（1）专利视域下智能网联汽车关键技术分析及产品评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能网联汽车专利地图 |
| 1.2.2 智能网联汽车知识图谱 |
| 1.2.3 智能网联汽车生命周期评价 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第2章 智能网联汽车关键技术专利地图绘制 |
| 2.1 专利地图绘制方法 |
| 2.2 专利态势地图绘制 |
| 2.2.1 专利趋势 |
| 2.2.2 技术成熟度 |
| 2.2.3 专利地域 |
| 2.2.4 技术结构 |
| 2.3 竞争态势地图绘制 |
| 2.3.1 主要国家专利分布差异 |
| 2.3.2 主要创新主体布局差异 |
| 2.3.3 外企在中国的专利布局 |
| 2.4 关键技术专利地图分析 |
| 2.4.1 环境感知技术专利地图 |
| 2.4.2 决策控制技术专利地图 |
| 2.4.3 V2X通信技术专利地图 |
| 2.4.4 云平台与大数据技术专利地图 |
| 2.5 本章小结 |
| 第3章 基于专利知识图谱的智能网联汽车关键技术分析 |
| 3.1 专利知识图谱基础理论 |
| 3.1.1 知识图谱原理与方法 |
| 3.1.2 专利数据处理原则与工具 |
| 3.2 智能网联汽车关键技术基础与前沿分析 |
| 3.2.1 技术领域分析 |
| 3.2.2 技术基础分析 |
| 3.2.3 技术前沿分析 |
| 3.3 智能网联汽车关键技术热点分析 |
| 3.3.1 关键技术热点的知识图谱 |
| 3.3.2 环境感知与决策控制技术热点分析 |
| 3.3.3 V2X与云平台大数据技术热点分析 |
| 3.4 智能网联汽车关键技术演化路径分析 |
| 3.4.1 研究方法与参数设置 |
| 3.4.2 关键词与技术主题演化状态分析 |
| 3.4.3 技术主题动态演化路径分析 |
| 3.5 本章小结 |
| 第4章 面向企业关键技术的智能网联汽车产品技术经济评价 |
| 4.1 智能网联汽车企业关键技术专利分析 |
| 4.1.1 环境感知技术 |
| 4.1.2 决策控制技术 |
| 4.1.3 V2X通信技术 |
| 4.1.4 云平台与大数据技术 |
| 4.2 智能网联汽车产品的技术评价 |
| 4.2.1 评价维度 |
| 4.2.2 评价模型 |
| 4.2.3 评价结果 |
| 4.3 智能网联汽车产品的经济评价 |
| 4.3.1 评价原则 |
| 4.3.2 车型及指标的选取 |
| 4.3.3 评价模型 |
| 4.3.4 评价结果及分析 |
| 4.4 本章小结 |
| 第5章 智能网联汽车企业技术路线分析及产品节能减排评价 |
| 5.1 基于重点专利的企业技术路线分析 |
| 5.1.1 关键技术重点专利分析 |
| 5.1.2 企业技术发展路线分析 |
| 5.1.3 基于重点专利技术的等级划分 |
| 5.2 智能网联汽车产品节能减排评价目标与边界 |
| 5.2.1 评价对象选取 |
| 5.2.2 面向关键技术的评价目标选取 |
| 5.2.3 面向关键技术的评价边界划定 |
| 5.3 智能网联汽车产品节能减排评价模型构建 |
| 5.3.1 原材料获取阶段 |
| 5.3.2 零部件制造装配阶段 |
| 5.3.3 运行使用阶段 |
| 5.3.4 报废回收阶段 |
| 5.4 智能网联汽车产品节能减排评价结果分析 |
| 5.4.1 不同智能级别车辆分类与特征化结果 |
| 5.4.2 不同智能级别车辆归一化和量化结果 |
| 5.5 本章小结 |
| 结论与展望 |
| 1、主要研究结论 |
| 2、主要创新点 |
| 3、进一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间的学术成果目录 |
（2）面向多船协同的自适应编队控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多船协同问题的研究现状 |
| 1.2.2 无人船编队控制的研究现状 |
| 1.2.3 其它领域编队控制的研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文结构安排 |
| 第二章 基础知识 |
| 2.1 图论 |
| 2.1.1 基本概念 |
| 2.1.2 无向图 |
| 2.1.3 有向图 |
| 2.2 方位刚性理论 |
| 2.2.1 布局、编队和方位 |
| 2.2.2 方位刚性 |
| 2.2.3 无穷小方位刚性 |
| 2.3 稳定性理论 |
| 2.3.1 比较函数 |
| 2.3.2 稳定性定义 |
| 2.3.3 李雅普诺夫直接法 |
| 2.4 反步设计方法 |
| 2.4.1 原理和特征 |
| 2.4.2 自适应反步设计 |
| 2.5 其它理论 |
| 2.5.1 神经网络函数近似理论 |
| 2.5.2 高增益观测器 |
| 2.5.3 无源有界性 |
| 2.5.4 常用不等式引理 |
| 第三章 基于跟随船视距和视线角的自适应输出反馈编队控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 编队控制方案 |
| 3.4 主要结果 |
| 3.5 仿真验证 |
| 3.5.1 闭环性能 |
| 3.5.2 对比结果 |
| 3.6 本章小结 |
| 第四章 基于虚拟船自适应规划的无人船鲁棒自适应编队控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 虚拟船的自适应规划 |
| 4.4 扰动观测器的构建 |
| 4.5 编队控制器的设计 |
| 4.6 仿真验证 |
| 4.6.1 闭环性能 |
| 4.6.2 对比结果 |
| 4.7 本章小结 |
| 第五章 仅交互位置向量的无人船分布式鲁棒自适应编队控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 编队控制设计 |
| 5.4 主要结果 |
| 5.5 仿真验证 |
| 5.5.1 闭环性能 |
| 5.5.2 对比结果 |
| 5.6 本章小结 |
| 第六章 预设性能约束下的无人船分布式自适应容错编队控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 编队控制设计 |
| 6.3.1 考虑预设性能约束的虚拟控制律设计 |
| 6.3.2 自适应容错编队控制律设计 |
| 6.4 主要结果 |
| 6.5 仿真验证 |
| 6.6 本章小结 |
| 第七章 考虑输入饱和的多船分布式鲁棒自适应编队缩放控制 |
| 7.1 引言 |
| 7.2 问题描述 |
| 7.3 领导船选取及其轨迹规划 |
| 7.4 跟随船编队缩放控制器设计 |
| 7.5 仿真验证 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文总结 |
| 8.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间申请的专利 |
（3）智能车辆路径跟踪的横向控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 智能车辆国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 智能车辆的关键技术 |
| 1.4 路径跟踪横向控制技术研究现状 |
| 1.5 本文主要研究内容及控制系统架构图 |
| 1.5.1 主要研究内容 |
| 1.5.2 控制系统架构图 |
| 第二章 车辆动力学模型与预瞄模型的建立 |
| 2.1 车辆动力学模型的建立 |
| 2.1.1 车辆坐标系 |
| 2.1.2 车辆动力学模型的建立 |
| 2.2 预瞄模型的建立 |
| 2.2.1 预瞄控制理论 |
| 2.2.2 预瞄模型的建立 |
| 2.2.3 预瞄距离的选取 |
| 2.3 本章小结 |
| 第三章 智能车辆路径跟踪横向控制器的设计 |
| 3.1 滑模变结构控制理论 |
| 3.1.1 滑模变结构控制简述 |
| 3.1.2 滑模变结构控制器的设计方法 |
| 3.1.3 抖振现象的消减 |
| 3.2 模糊控制理论 |
| 3.3 模糊滑模控制器的设计 |
| 3.3.1 横向控制系统总体结构设计 |
| 3.3.2 横向偏差和方位偏差融合 |
| 3.3.3 滑模函数的设计 |
| 3.3.4 模糊控制器的设计 |
| 3.4 本章小结 |
| 第四章 横向控制算法仿真分析 |
| 4.1 横向控制SIMULINK模型的建立 |
| 4.2 参考路径I仿真分析 |
| 4.3 参考路径II仿真分析 |
| 4.4 实际路径仿真分析 |
| 4.4.1 Open Street Map数据获取 |
| 4.4.2 轨迹数据生成 |
| 4.4.3 路径曲率计算 |
| 4.4.4 实际路径仿真分析 |
| 4.5 横向控制算法鲁棒性分析 |
| 4.6 横向控制算法优越性对比 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 攻读学位期间发表的学术论文 |
| 参考文献 |
（4）基于无线传感器网络的水质数据流异常检测与预测方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究的目的和意义 |
| 1.2 水质监测的常用技术 |
| 1.3 水质监测应用研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 特色与创新 |
| 1.6 本文的组织架构 |
| 第二章 水质监测数据分析方法概述 |
| 2.1 引言 |
| 2.2 异常检测 |
| 2.2.1 传统的异常检测方法 |
| 2.2.2 传感器数据的异常检测方法 |
| 2.3 数据融合 |
| 2.3.1 基于估计的方法 |
| 2.3.2 基于统计的方法 |
| 2.3.3 信息论方法 |
| 2.3.4 人工智能方法 |
| 2.4 数据预测预警 |
| 2.4.1 传统的水质预测方法 |
| 2.4.2 智能型水质预测方法 |
| 2.5 本章小结 |
| 第三章 基于改进SVDD的水质数据异常检测算法 |
| 3.1 引言 |
| 3.2 异常检测相关方法 |
| 3.2.1 支持向量机 |
| 3.2.2 支持向量数据描述 |
| 3.2.3 概率密度估计理论 |
| 3.3 基于改进密度补偿的SVDD异常检测算法 |
| 3.3.1 D-SVDD |
| 3.3.2 改进D-SVDD算法 |
| 3.4 改进密度补偿的SVDD异常检测算法的实验验证 |
| 3.4.1 数据源 |
| 3.4.2 算法评价指标 |
| 3.4.3 不同核函数性能比较 |
| 3.4.4 异常检测性能对比 |
| 3.5 本章小结 |
| 第四章 基于新型支持度函数的数据质量提高算法 |
| 4.1 引言 |
| 4.2 相关方法 |
| 4.2.1 支持度函数 |
| 4.2.2 动态时间规整 |
| 4.3 新型数据融合算法 |
| 4.3.1 支持度函数改进型算法 |
| 4.3.2 基于DTW的支持度函数 |
| 4.3.3 基于改进DTW的新型支持度函数 |
| 4.3.4 基于DTWS-ISD的数据融合模型 |
| 4.4 新型支持度函数融合算法实验验证 |
| 4.4.1 数据源 |
| 4.4.2 数据分析和评价指标 |
| 4.4.3 算法实现与性能对比 |
| 4.5 本章小结 |
| 第五章 基于EFIG-OSELM的多尺度溶解氧预测方法 |
| 5.1 引言 |
| 5.2 池塘溶解氧数据特性分析 |
| 5.2.1 水体溶解氧变化分析 |
| 5.2.2 溶解氧时间序列特性分析 |
| 5.2.3 水体溶解氧影响因子分析 |
| 5.3 基于EFIG-OSELM的溶解氧预测方法相关理论 |
| 5.3.1 经验模态分解 |
| 5.3.2 模糊熵重构 |
| 5.3.3 改进遗传算法 |
| 5.3.4 极限学习机 |
| 5.3.5 在线贯序极限学习机 |
| 5.4 基于EFIG-OSELM的溶解氧预测模型 |
| 5.4.1 基于改进遗传算法优化OSELM |
| 5.4.2 基于EFIG-OSELM的水产养殖溶解氧预测模型的设计 |
| 5.5 基于EFIG-OSELM预测模型的实验验证 |
| 5.5.1 基于EMD的数据分解 |
| 5.5.2 基于模糊熵的数据重构 |
| 5.5.3 预测模型的评价 |
| 5.5.4 预测算法实现与性能对比 |
| 5.6 本章小结 |
| 第六章 基于分簇策略的优化极限学习机溶解氧预测方法 |
| 6.1 引言 |
| 6.2 水体溶解氧预测相关方法 |
| 6.2.1 因子分析法 |
| 6.2.2 k-medoids聚类方法 |
| 6.2.3 偏最小二乘法 |
| 6.3 CSELM溶解氧预测模型构建 |
| 6.3.1 气象指数定义和评估 |
| 6.3.2 基于k-medoids的实验数据分簇 |
| 6.3.3 PLS-SELM预测模型 |
| 6.3.4 CSELM溶解氧预测模型 |
| 6.4 CSELM预测模型的实验验证 |
| 6.4.1 数据源与性能评价 |
| 6.4.2 算法实现与性能对比 |
| 6.5 本章小结 |
| 第七章 水产养殖水质监测预警系统的设计与实现 |
| 7.1 引言 |
| 7.2 需求分析 |
| 7.2.1 用户需求分析 |
| 7.2.2 功能需求分析 |
| 7.3 系统硬件设计 |
| 7.4 软件设计 |
| 7.4.1 功能模块设计 |
| 7.4.2 数据库设计 |
| 7.5 预警系统实现 |
| 7.5.1 开发与运行环境 |
| 7.5.2 系统实现 |
| 7.6 本章小结 |
| 第八章 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 :作者在攻读博士学位期间发表的论文 |
（5）基于多传感器信息融合的无人小车避障算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 多传感器信息融合技术与应用的研究现状 |
| 1.2.1 多传感器信息融合技术的研究现状 |
| 1.2.2 多传感器信息融合技术的应用研究现状 |
| 1.3 避障技术研究现状与发展趋势 |
| 1.3.1 避障技术研究现状 |
| 1.3.2 避障技术的发展趋势 |
| 1.4 课题研究目的和本文的主要研究内容 |
| 1.4.1 本课题的研究目的 |
| 1.4.2 本文的主要研究内容 |
| 第二章 无人小车的机械结构与控制系统设计 |
| 2.1 机械结构设计 |
| 2.2 运动控制策略 |
| 2.2.1 无人小车的运动学模型 |
| 2.2.2 控制原理分析 |
| 2.2.3 转弯半径分析 |
| 2.3 控制系统设计 |
| 2.3.1 控制系统的总体设计 |
| 2.3.2 硬件模块的选型 |
| 2.4 本章小结 |
| 第三章 多传感器信息融合算法的设计与仿真 |
| 3.1 多传感器信息融合技术的基本内容 |
| 3.1.1 信息融合的技术难点 |
| 3.1.2 信息融合级别 |
| 3.1.3 信息融合结构 |
| 3.1.4 常见的多传感器信息融合算法 |
| 3.2 自适应加权融合算法的设计与仿真 |
| 3.2.1 不同种类传感器的信息融合 |
| 3.2.2 自适应加权信息融合算法 |
| 3.2.3 算法设计及其MATLAB仿真 |
| 3.3 自适应加权多传感器信息融合算法的改进及其MATLAB仿真 |
| 3.4 本章小结 |
| 第四章 基于模糊控制器的避障算法设计与仿真 |
| 4.1 环境障碍物的分布情况分析 |
| 4.2 模糊控制的基本原理 |
| 4.2.1 模糊控制理论简介 |
| 4.2.2 控制算法的组成部分 |
| 4.2.3 模糊控制的优缺点 |
| 4.3 基于模糊控制的避障算法设计 |
| 4.3.1 输入输出参量的确定及模糊化 |
| 4.3.2 制定模糊规则 |
| 4.3.3 反模糊化 |
| 4.4 基于MATLAB的仿真与分析 |
| 4.5 本章小结 |
| 第五章 模糊神经网络算法设计及实验分析 |
| 5.1 模糊神经网络控制技术 |
| 5.1.1 神经网络算法简介 |
| 5.1.2 模糊控制与神经网络的融合方式 |
| 5.2 模糊神经网络算法设计与仿真 |
| 5.2.1 模糊神经网络结构设计 |
| 5.2.2 参数优化过程 |
| 5.2.3 模糊神经网络算法的MATLAB仿真 |
| 5.3 实验与分析 |
| 5.3.1 传感器测距程序设计与实验 |
| 5.3.2 电机控制程序设计 |
| 5.3.3 无人小车避障实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 模糊规则表 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）3D打印技术专业“三教”改革探索（论文提纲范文）
| 引言 |
| 1 3D打印技术专业“三教”面临的突出问题 |
| 1.1 师资团队的教学素养相对偏差 |
| 1.2 3D打印技术专业教材不成体系，资源匮乏 |
| 1.3 教法难以提升学生参与的主动性 |
| 2 3D打印技术应用专业“三教”改革措施 |
| 2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
| 2.1.1 依托有较强影响力的带头人，有效开发名师所具备的引领示范效果 |
| 2.1.2 邀请大师授教，提升人才的技术与技能水准 |
| 2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
| 2.2.1 设计活页式3D打印教材 |
| 2.2.2 灵活使用信息化技术，形成立体化的教学 |
| 2.3 创新推行“三个课堂”教学模式，推进教法改革 |
| 2.3.1 采取线上、线下的混合式教法 |
| 2.3.2 构建与推进更具创新性的“三个课堂”模式 |
（7）移动机器人平面路径跟踪控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 移动机器人及其路径跟踪控制技术研究现状 |
| 1.2.1 移动机器人研究现状 |
| 1.2.2 路径跟踪控制技术研究现状 |
| 1.3 论文研究内容及章节安排 |
| 第二章 移动机器人系统分析 |
| 2.1 移动机器人系统约束条件分析 |
| 2.2 移动机器人运动学模型分析 |
| 2.2.1 坐标系的建立 |
| 2.2.2 运动学方程的建立 |
| 2.3 移动机器人动力学模型分析 |
| 2.4 本章小结 |
| 第三章 移动机器人平面路径跟踪控制方案及路径规划 |
| 3.1 移动机器人运动控制方案 |
| 3.2 移动机器人路径规划 |
| 3.2.1 环境地图构建 |
| 3.2.2 路径规划算法 |
| 3.2.3 仿真实验 |
| 3.3 本章小结 |
| 第四章 滤波与滑模控制融合的路径跟踪控制策略 |
| 4.1 融合控制算法策略 |
| 4.1.1 滤波算法 |
| 4.1.2 稳定性相关理论 |
| 4.1.3 反步控制法 |
| 4.1.4 滑模变结构控制 |
| 4.2 移动机器人参考路径估计 |
| 4.3 控制器设计 |
| 4.3.1 运动学控制器设计 |
| 4.3.2 动力学控制器设计 |
| 4.3.3 系统稳定性分析 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 第五章 神经网络与自适应滑模控制融合的路径跟踪控制策略 |
| 5.1 融合控制算法策略 |
| 5.1.1 自适应控制技术 |
| 5.1.2 函数逼近理论 |
| 5.2 控制器设计 |
| 5.2.1 径向基神经网络 |
| 5.2.2 动力学控制器设计 |
| 5.2.3 系统稳定性分析 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（8）蒸发器水位控制系统的设计与优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 论文选题的背景和意义 |
| 1.1.2 国内外研究现状 |
| 1.2 论文的研究内容和研究方法 |
| 1.3 论文的结构 |
| 第二章 蒸汽发生器水位特性及功能需求分析 |
| 2.1 蒸汽发生器概述 |
| 2.2 蒸汽发生器水位模型特征分析 |
| 2.2.1 蒸发器水位动态方程分析 |
| 2.2.2 基于热工水力实验的水位瞬态分析 |
| 2.2.3 蒸汽发生器水位传递函数分析及仿真 |
| 2.3 蒸汽发生器水位控制的设计需求 |
| 2.3.1 总体功能要求 |
| 2.3.2 测量通道要求 |
| 2.3.3 精度要求 |
| 2.3.4 响应时间要求 |
| 2.3.5 性能要求 |
| 2.4 本章小结 |
| 第三章 蒸汽发生器典型水位控制设计 |
| 3.1 测量通道设计 |
| 3.1.1 蒸发器水位测量 |
| 3.1.2 蒸汽/给水流量测量 |
| 3.1.3 其它测量 |
| 3.2 执行机构设计 |
| 3.2.1 流量调节阀 |
| 3.2.2 主给水泵 |
| 3.3 蒸发器水位控制设计 |
| 3.3.1 控制回路结构原理设计 |
| 3.3.2 高负荷水位控制回路设计 |
| 3.3.3 低负荷水位控制回路设计 |
| 3.3.4 差压转速控制回路设计 |
| 3.4 蒸发器水位控制的仿真与参数整定 |
| 3.4.1 给水泵转速控制器参数整定 |
| 3.4.2 流量控制器参数整定 |
| 3.4.3 水位控制器参数整定 |
| 3.5 本章小结 |
| 第四章 蒸汽发生器水位控制优化 |
| 4.1 蒸发器典型水位控制方案存在的问题及经验反馈 |
| 4.1.1 存在的问题及分析 |
| 4.1.2 经验反馈总结 |
| 4.2 水位整定值优化 |
| 4.2.1 当前水位整定值方案分析 |
| 4.2.2 水位整定值方案优化 |
| 4.3 负荷测量的优化 |
| 4.3.1 当前负荷测量方案的分析 |
| 4.3.2 负荷测量方案优化 |
| 4.4 水位控制回路的优化 |
| 4.4.1 模糊自整定PID控制器结构设计 |
| 4.4.2 模糊自整定PID控制器的实现 |
| 4.4.3 模糊自整定PID控制器的仿真验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要结论 |
| 5.2 研究展望 |
| 参考文献 |
| 符号与标记(附录 1) |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（9）光电跟踪伺服系统摩擦补偿控制及改进KCF跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文符号注释表 |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 光电跟踪系统及相关技术国内外发展现状 |
| 1.2.1 光电跟踪系统的发展现状 |
| 1.2.2 伺服摩擦补偿控制技术发展现状 |
| 1.2.3 目标跟踪技术研究现状 |
| 1.3 光电跟踪系统伺服控制及目标跟踪关键技术及难点 |
| 1.4 本文主要研究内容及安排 |
| 1.5 本章小结 |
| 第2章 光电跟踪原理及转台系统模型分析 |
| 2.1 引言 |
| 2.2 系统简介 |
| 2.2.1 系统工作原理 |
| 2.2.2 系统电视跟踪原理 |
| 2.3 伺服转台结构介绍 |
| 2.4 伺服转台系统机理分析 |
| 2.4.1 伺服转台线性机理分析 |
| 2.4.2 伺服转台非线性机理分析 |
| 2.5 伺服转台非线性系统建模 |
| 2.6 系统跟踪精度分析和跟踪性能要求 |
| 2.6.1 影响跟踪精度因素 |
| 2.6.2 系统跟踪性能要求 |
| 2.7 本章小结 |
| 第3章 伺服转台系统摩擦补偿方法研究 |
| 3.1 引言 |
| 3.2 伺服转台摩擦前馈补偿策略 |
| 3.2.1 常用补偿方法 |
| 3.2.2 PC/104伺服系统控制器 |
| 3.3 LuGre动态摩擦模型及其参数辨识 |
| 3.3.1 参数辨识方法 |
| 3.3.2 参数辨识结果 |
| 3.4 自适应积分反步滑模摩擦补偿控制方法 |
| 3.4.1 反步设计策略 |
| 3.4.2 自适应积分反步滑模控制器设计 |
| 3.4.3 闭环系统稳定性分析 |
| 3.5 鲁棒自适应积分反步摩擦补偿控制方法 |
| 3.5.1 自适应控制概述 |
| 3.5.2 鲁棒自适应积分反步控制器设计 |
| 3.5.3 闭环系统稳定性分析 |
| 3.6 仿真对比实验研究 |
| 3.6.1 恒速跟踪仿真实验与分析 |
| 3.6.2 扰动下恒速跟踪仿真实验与分析 |
| 3.7 本章小结 |
| 第4章 基于改进KCF的目标跟踪方法研究 |
| 4.1 引言 |
| 4.2 自适应搜索窗口阈值法 |
| 4.3 KCF算法原理及分析 |
| 4.3.1 KCF算法的分类器 |
| 4.3.2 快速检测 |
| 4.4 Kalman滤波方法 |
| 4.5 改进KCF跟踪算法原理 |
| 4.6 实验验证与对比分析 |
| 4.6.1 仿真实验环境 |
| 4.6.2 算法评价的指标 |
| 4.6.3 改进KCF算法跟踪性能结果对比 |
| 4.7 本章小结 |
| 第5章 光电跟踪系统实际跟踪控制实验 |
| 5.1 引言 |
| 5.2 光电跟踪系统控制器结构 |
| 5.2.1 伺服转台控制器 |
| 5.2.2 目标跟踪控制器 |
| 5.3 伺服摩擦补偿控制实验 |
| 5.3.1 补偿方法实现过程 |
| 5.3.2 恒速跟踪控制实验 |
| 5.3.3 阶跃跟踪控制实验 |
| 5.3.4 实验及结果分析 |
| 5.4 基于摩擦补偿控制的目标跟踪实验 |
| 5.4.1 实际环境条件 |
| 5.4.2 目标阶跃运动跟踪实验 |
| 5.4.3 实验及结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 本文创新点 |
| 6.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（10）下肢外骨骼关节驱动与控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外外骨骼研究现状 |
| 1.2.1 国外外骨骼研究现状 |
| 1.2.2 国内外骨骼研究现状 |
| 1.3 下肢外骨骼关节驱动与控制技术研究综述 |
| 1.3.1 下肢外骨骼驱动技术研究综述 |
| 1.3.2 下肢外骨骼控制技术研究综述 |
| 1.3.3 永磁同步电机驱动控制技术研究综述 |
| 1.4 本文主要研究内容 |
| 1.5 本文结构安排 |
| 第二章 下肢外骨骼系统整体设计及驱动组成 |
| 2.1 下肢外骨骼系统组成 |
| 2.2 下肢外骨骼系统整体设计 |
| 2.2.1 整体控制结构 |
| 2.2.2 整体控制流程 |
| 2.3 下肢外骨骼驱动与控制策略 |
| 2.3.1 关节电机驱动策略思路 |
| 2.3.2 下肢控制技术策略思路 |
| 2.4 关节驱动组成与直接转矩控制 |
| 2.4.1 PMSM数学模型 |
| 2.4.2 直接转矩控制基本原理 |
| 2.4.3 引入空间矢量脉宽调制的DTC |
| 2.4.4 仿真实现 |
| 2.5 本章小结 |
| 第三章 下肢单关节电机三环驱动控制系统 |
| 3.1 三环控制器设计要求 |
| 3.2 引入双滑模的单关节电机驱动控制 |
| 3.2.1 滑模控制基本原理 |
| 3.2.2 磁链和转矩的super twisting控制器 |
| 3.2.3 速度滑模控制器 |
| 3.2.4 仿真实现 |
| 3.3 引入模糊控制的单关节电机驱动控制 |
| 3.3.1 模糊控制理论 |
| 3.3.2 位置模糊控制器设计 |
| 3.3.3 仿真实现 |
| 3.4 本章小结 |
| 第四章 下肢外骨骼数学建模 |
| 4.1 下肢外骨骼连杆结构与D-H算法 |
| 4.2 下肢外骨骼运动学建模与雅克比矩阵 |
| 4.2.1 下肢外骨骼正运动学建模 |
| 4.2.2 下肢外骨骼逆运动学建模 |
| 4.2.3 雅克比矩阵 |
| 4.3 下肢外骨骼动力学建模 |
| 4.3.1 拉格朗日方程 |
| 4.3.2 动力学建模 |
| 4.4 本章小结 |
| 第五章 下肢外骨骼控制算法设计 |
| 5.1 下肢多关节控制方案 |
| 5.2 下肢PID控制 |
| 5.2.1 外骨骼PID控制 |
| 5.2.2 具有重力补偿的PID控制 |
| 5.2.3 仿真实现 |
| 5.3 下肢在线重力补偿的计算力矩滑模控制 |
| 5.3.1 计算力矩的滑模控制 |
| 5.3.2 在线重力补偿算法 |
| 5.3.3 仿真实现 |
| 5.4 下肢阻抗滑模控制 |
| 5.4.1 阻抗控制 |
| 5.4.2 阻抗滑模设计 |
| 5.4.3 仿真实现 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
四、模糊控制与其它控制技术的融合研究（论文参考文献）
- [1]专利视域下智能网联汽车关键技术分析及产品评价研究[D]. 熊晓琴. 湖南大学, 2020(02)
- [2]面向多船协同的自适应编队控制方法研究[D]. 陆宇. 上海交通大学, 2020(01)
- [3]智能车辆路径跟踪的横向控制研究[D]. 夏雨. 南京林业大学, 2020(01)
- [4]基于无线传感器网络的水质数据流异常检测与预测方法[D]. 施佩. 江南大学, 2020(01)
- [5]基于多传感器信息融合的无人小车避障算法研究[D]. 吕继亮. 华南理工大学, 2020(02)
- [6]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)
- [7]移动机器人平面路径跟踪控制方法研究[D]. 刘杰超. 上海工程技术大学, 2020(04)
- [8]蒸发器水位控制系统的设计与优化[D]. 邓天. 上海交通大学, 2020(01)
- [9]光电跟踪伺服系统摩擦补偿控制及改进KCF跟踪算法研究[D]. 岳凤发. 天津大学, 2019(06)
- [10]下肢外骨骼关节驱动与控制技术研究[D]. 吴健. 电子科技大学, 2019(01)