一、噪声主动控制中的自适应算法和传函识别研究（论文文献综述）
魏强[1]（2021）在《面向康复训练的下肢外骨骼系统集成与主动控制技术研究》文中指出随着社会经济发展及老龄化人口增长,由心脑血管疾病及意外损伤引起的下肢运动功能障碍频发,严重影响了患者个体的日常生活与工作。下肢外骨骼机器人作为能够帮助下肢运动功能障碍人群进行康复治疗的新型康复设备,在提升康复效果、节省人力物力等方面具有优势。目前,下肢外骨骼机器人正逐步转入市场推广,然而在实际应用方面仍存在许多共性问题,如外骨骼系统会给用户造成较大承重负载、人-机运动不协调、控制方案中未融入人体主观运动意图、外骨骼步态多为仿生理论生成不具备人体个性化特征等。以上问题会导致用户在康复训练中参与度低,依从性差,进而影响康复效果。本文针对目前研究中存在的部分共性问题,设计集成了系列化的下肢外骨骼系统,以此为基础面向不同应用对象给出了不同主动控制策略中的关键技术方案,具体如下:（1）针对下肢外骨骼控制中人-机运动不协调问题,从人-机刚度匹配角度设计基于人体变刚度技能传递的下肢外骨骼协同控制方案。首先建立由肌肉活动水平调制的人体关节刚度估计模型,实现由表面肌电（surface electromyography,sEMG）信号对关节刚度的实时估计;然后构建外骨骼动力学与关节可变阻抗模型,采用模糊估计器逼近未知动力学动态参数,同时设计人-机协同控制器,并通过Lyapunov直接法证明了在人-机刚度匹配及动力学模型估计中产生的误差的有界性;最后通过实验开展验证,结果显示了该控制方案的可行性与对人-机协调性提升方面的有效性。（2）针对控制方案中未融入人体主观运动意图问题,提出基于连续运动意图识别的随动下肢外骨骼主动控制方案。首先结合双目相机与OpenPose算法获取人体的三维跟踪信息,解决双目相机获取深度信息时复杂的特征点匹配问题,建立移动辅助架非完整约束下的运动学模型,设计对人体位置实时随动跟踪的速度控制器;其次,设计基于长短时记忆（long short-term memory,LSTM）的神经网络模型用于多通道sEMG信号到关节角度的连续映射,以获取人体运动意图;然后,为判断步行运动模式,提出基于足底力分布特征的步态相位识别方法,设计基于屏障Lyapunov函数的轨迹跟踪控制器,利用屏障Lyapunov函数来确保系统未知非线性项的有界性,从而实现全局渐近跟踪;最后通过实验开展验证,结果显示了整体控制方案的有效性,并通过实验对比结果验证了 LSTM网络模型对关节角度比传统方法预测精度高,以及在设计的轨迹跟踪控制器作用下会有更小的跟踪误差。（3）针对下肢外骨骼步态不具备人体个性化特征问题,设计结合虚拟现实（virtual reality,VR）技术与由脑电（electroencephalogram,EEG）信号解码的外骨骼主动步态生成方案。首先,提出一种基于高斯过程回归（gaussian process regression,GPR）的关键步态参数预测方法,以预测的关键步态参数构造步态轨迹的约束条件,由多项式插值规划获得人体单步个性化步态轨迹。然后,为形成连续运动步态,提出以运动想象下的EEG信号对单步运动分类触发的方法,创新性地结合了 VR技术,避免了利用视觉刺激等诱发手段产生EEG信号而引起的视觉疲劳。一方面,开发以森林、草地为主题环境的VR场景,设置相关标记提示用户进行分类动作的运动想象。另一方面,由共空间模式（common spatial pattern,CSP）算法提取EEG信号特征,基于支持向量机（support vector machine,SVM）对行走/停止运动想象时的EEG信号进行分类。最后,通过实验验证了方案的有效性,结果显示生成的GPR模型对关键步态参数预测误差率为5%左右,同自发运动想象相比VR环境下更容易产生差异性的EEG信号。
刘明[2]（2020）在《复杂地面环境中四轮独立驱动车辆运动控制方法研究》文中研究说明随着轮式车辆应用领域及应用环境的不断拓展,对其灵活性、机动性、地形适应性等方面提出了更高的要求。而传统轮式车辆因自身结构问题及在转向能力、瞬时驱动能力、路面环境适应能力等方面的不足使其无法满足这些需求。因此,集驱动、转向、悬架、制动等于一体的一体化电动轮及其多轮集成与控制技术的研究成为当前智能电驱动车辆领域的研究热点之一。论文围绕基于一体化电动轮构建的四轮独立驱动车辆在复杂地面环境中执行作业任务时,如何感知地面环境信息并通过对信息的准确理解,实现车辆运动、转向、制动等的高性能控制,提高车辆的运动灵活性、机动性、稳定性以及地面适应能力这一亟待解决的问题,开展了复杂地面环境中四轮独立驱动车辆的运动控制方法的研究,主要包括以下几方面的内容:1、为实现车辆在复杂地面环境中稳定、高效地运动,提出了一种基于车体振动信息实现车辆速度自适应调整的方法。该方法利用车体振动信息构建典型地面的 GMM（Gaussian Mixture Model）,基于改进的 EM（Expectation Maximization）算法求解模型参数,高效快速地实现了对任意地形的聚类分析,分析结果与基于地形坡度起伏的模糊控制结合,实现了对车辆运动速度的自适应控制,提高了车辆的运动效率及地面适应性。2、提出了利用图像信息对地面类别进行预判并进行运动规划的方法,解决了单纯利用振动信息无法对地形变化趋势做出准确判断而导致速度调整延迟的问题。采用CNN（Convolution Neural Network）模型,基于多任务学习方法,对地面图像进行类型识别并对地面切换的相对距离进行估计,在车辆进入新地面类型前利用五次多项式运动规划方法对速度进行规划,实现了不同地面类型下速度的平顺过度,进一步提高了车辆运动的稳定性。3、车辆悬架的控制效果会受悬架模型、车体的状态、地面类型等众多因素的影响,考虑到悬架系统的控制是一个连续决策过程,结合之前建立的一体化电动轮悬架模型,提出了基于改进DDPG（Deep Deterministic Policy Gradient）深度强化学习算法的半主动悬架控制策略,充分利用算法的自学习能力自动调整悬架控制参数,提高了悬架的控制性能,通过仿真实验验证了该方法的可行性及优越性。4、针对四轮独立转向车辆转向过程的时变特性及转向模型建立存在的误差干扰等问题,设计了综合鲁棒控制和滑模控制优点的具有强干扰抑制能力及强输入跟踪能力的鲁棒滑模控制器,用于车辆转向给定的跟踪控制,通过控制效果的对比仿真实验,验证了所设计的控制器适合四轮独立转向车辆的转向控制。5、为提高车辆的制动性能,提出了一种基于路面附着系数实时估计的车辆制动控制方法。通过设计的带补偿环节的新型干扰观测器,实现对路面附着系数的估计,为制动过程的滑移率给定提供依据,之后利用改进的FOA（Fruit Fly Optimization Algorithm）算法实现对PID制动控制器参数的优化。制动对比仿真及实验结果表明该控制器在制动性能上优于经典的Bang-Bang控制器以及基于遗传算法和Z-N法整定参数的PID控制器。
迟祥[3]（2020）在《基于sEMG动作识别的桌面式上肢康复机器人控制研究》文中研究说明随着人口老龄化的加剧,由脑卒中引起的上肢运动功能障碍患者的数量大幅增加。目前,利用康复机器人对偏瘫患者进行康复训练已成为国内外研究的热点。然而现有的上肢康复机器人多定位在机械的被动训练上,无法体现患者的运动意图,缺乏针对不同康复阶段的主、被动控制策略研究,降低了患者的主动参与度与康复系统的普遍适用性。为解决上述问题,本文从桌面式上肢康复机器人的系统设计出发,将可反映人体运动意图的表面肌电信号（sEMG）与力信号引入控制系统,分别进行基于sEMG动作识别的被动位置控制策略研究和基于接触力的主动柔顺控制策略研究,并基于搭建的上肢康复机器人实现对本文方法的实验验证。主要工作如下:（1）桌面式上肢康复机器人系统设计。基于人体上肢生理结构特征和机器人实际应用需求,设计了桌面式上肢康复机器人的机械本体与硬件控制系统。针对患肢不同的康复阶段,提出进阶式康复训练方案,在软瘫期采用基于sEMG动作识别的被动康复训练方案,在恢复期采用基于接触力的主动康复训练方案。（2）基于软瘫期健侧上肢sEMG的动作识别技术研究。首先,通过对比分析小波、滤波器+陷波器两种方法对sEMG的去噪效果,确定基于db4小波基的4层小波阈值去噪方法;其次,为解决时、频域等低阶量特征无法表征信号非高斯信息的问题,研究高阶量双谱特征的提取方法,通过DBI指数对构造的联合特征空间分析,得到可分性最好的融合特征DBS+MAV+MPF（DMM）;最后,为实现最优融合特征DMM的准确分类,设计了一种PSO-LM-BPNN分类器,克服了传统LM-BPNN训练时间长、易陷入局部极值的问题,实现4种动作模式的有效识别,平均识别率达到95%。（3）针对软瘫期、恢复期康复训练方案的被动、主动控制策略研究。针对软瘫期进行基于sEMG动作识别的被动位置控制研究,建立目标运动轨迹数学模型,通过改进传统遗传算法中Pc、Pm调整公式,设计了基于改进自适应遗传算法优化PI的位置控制器,提高了控制系统的精确性、稳定性和快速性,可带动患肢沿目标运动轨迹进行自主性被动康复训练。针对恢复期进行基于接触力的主动柔顺控制研究,为实现对患肢力信号的快速、准确跟踪,基于阻抗控制理论设计了新型抗积分饱和PI控制器,通过调节阻尼系数可适用于不同恢复阶段的患者。（4）为验证提出的进阶式康复训练方案及对应控制策略的应用效果,基于搭建的上肢康复机器人平台,分别设计了被动、主动康复训练验证实验。实验结果表明,研制的桌面式上肢康复机器人系统能够实现进阶式的康复训练方案,控制效果较理想,可有效提高患者主动参与度。
陆怡[4]（2020）在《混合动力汽车车内声品质评价预测与控制研究》文中认为混合动力汽车动力系统结构相较于传统燃油车而言复杂程度有所上升,导致整体的振动噪声特性有明显变化,驱动模式根据动力分配控制策略不停切换使得瞬态冲击和高频噪声问题频频出现,车内声品质环境未有改善,特定工况下甚至有所恶化,基于以上诸多因素,本文开展了关于混合动力汽车车内声品质评价与控制的研究工作。具体研究工作如下:首先,探讨了混合动力汽车主要行驶工况下传动系统的动力分配方式。在此基础上,分析并挑选试验工况,通过实车道路试验采集稳态和非稳态工况的声信号,利用分组成对比较法对声样本进行主观评价试验。利用ArtemiS软件计算稳态和非稳态工况下声样本的客观参量,分别与对应烦恼度值作相关性分析,发现非稳态下音调度与烦恼度值相关系数不大,将其从评价预测模型的训练输入量中剔除。其次,搭建基于SVM、LSSVM、FM算法的声品质评价预测模型。分别以稳态和非稳态工况下所测前45组声样本的客观参量和烦恼度值作为训练,进行主观评价结果预测,发现稳态和非稳态工况下均是FM算法模型的预测精度较高,并且相较于稳态而言非稳态下模型的预测精度普遍较低,说明客观参量无法全面反映非稳态工况下声样本的变化特征。针对这一问题,提出了在非稳态工况下利用CEEMD分解样本声信号,挑选与声样本相关程度较高的本征模态函数（IMF）,利用样本熵从IMF中提取信号特征作为模型输入量的解决办法。经过试验表明与以客观参量作为模型输入量的方法相比,前者的模型预测精度更高,更能反映非稳态下声信号变化特征。然后,针对由电机组等部件引发的高频噪声问题,以仿真分析和实车试验两种方式进行被动控制研究。仿真研究通过在CATIA、Hypermesh、Virtual.Lab等软件中搭建车身模型和进行有限元分析的方式来实现。从面密度和厚度两个因素出发,选用PET+PP纤维材料与丁基橡胶阻尼材料组成复合吸声材料,实现对车内声品质的被动控制。经仿真分析和实车试验检验,被动控制后各项客观参量有明显改善,且仿真结果的变化趋势与实车试验基本一致。最后,设计了以FELMS作为核心算法的声品质自适应主动控制系统。基于Matlab/Simulink平台搭建自适应主动控制系统,主要包含Elman结构的动态神经网络、残差滤波器、FIR滤波器、LMS函数包等模块。声品质自适应主动控制系统以响度和尖锐度作为控制量。主动控制后响度、尖锐度和粗糙度三者分别平均下降了9.68sone、0.22acum和0.38asper,可见以声品质控制为目标的主动控制方案取得了良好的效果,具有实用性。
胡士华[5]（2019）在《高速动车组噪声主动控制技术研究》文中提出动车组作为新时代的陆用交通工具,已经融入了人们的生活,高速动车组由于行驶速度高,带来的车内外噪声问题不可忽视,噪声过大不利于乘客的乘坐舒适性,且对车上工作人员及乘客的身体和心理健康都会造成一定损害,严重时甚至危及列车运行安全,寻得一个好的降噪技术来解决高速动车组车内噪声问题变得越来越重要。目前国内动车组噪声控制技术主要以传统方法为主,主要是从车体结构入手,采用吸声、阻尼等无源控制手段,这种方法对中高频噪声效果不错,对低频却难以凑效,因此需要找到一种合适的控噪方法对传统降噪进行补充。论文针对高速动车组噪声控制问题,提出了利用主动降噪法对高速动车组车内噪声进行控制。动车组噪声主动控制技术,并不是有源噪声控制技术在动车组上的简单复制,由于高速动车组噪声系统复杂,需要对国内既有典型高速动车组声源与控制点关联特性进行很深的了解,此外控制系统需具备较强的可靠性及鲁棒性,主动降噪技术已得到许多国家重视,在我国也发展为重要项目。首先对既有高速动车组噪声特性进行分析,选取国内典型的I型、II型高速动车组为研究对象,结合传统被动降噪方式的典型特点和既有降噪效果,确定主动降噪系统应以低于1000Hz的主要频段为主,并明确了中低频段噪声以结构振动辐射和空气声透射相互作用对车内形成影响。然后基于Filtered-X LMS算法、运用Labview图形化软件设计和NI系统硬件,搭建主动控制原理样机,系统中NI平台具有融合自身软件与硬件驱动和兼容的特点,指标参数达到控制系统要求,另外模块化设计使得控制系统具有可扩展性能,能给系统后续的升级维护提供充足的空间。其次对主动降噪系统原理样机分别在实验室内和动车组商务座上进行了对比试验。在实验室内,单频信号作为噪声信号时,降噪效果约为17dB,效果非常明显,当输入动车组采集的信号时降噪效果为10dB,效果依旧明显。动车组商务座降噪试验中,高速动车组行驶速度快,且车内噪声环境具有时变性和复杂性,控制点与参考点它们之间的信号关联性不强,控制前后降噪效果约2.5dB,相比实验室效果较差。最后利用国内某型动车组模拟300km/h和350km/h运行条件下主动控制系统对人头部区域的降噪范围进行了预估,结果显示离降噪目标点越近的区域,降噪效果越好,离目标点越远的区域,降噪效果越差;针对350km/h的噪声信号,接近人工头耳部1cm附近降噪量最高可达约10.4dB,离人工头耳部斜上方12cm处降噪效果几乎消失;针对300km/h的噪声信号,接近人工头耳部1cm附近降噪量最高可达约4.4dB,离人工头耳部斜上方5cm处降噪效果完全消失。
崔龙飞[6]（2019）在《基于钟摆式主-被动悬架的大型喷杆动力学行为与自适应鲁棒控制研究》文中研究说明随着我国土地流转和农业生产的集约化,农业装备正向高效智能化、大型化、环保节约化方向发展,传统背负式喷雾机和小型喷杆喷雾机已逐渐不能满足粮食增产和生态环境保护的需要。大型喷杆喷雾机作业效率高、喷洒均匀,广泛用于农药化肥的喷施,然而作业过程中喷杆运动严重影响了喷雾分布均匀性,降低农药化肥的作用效果。在喷杆与底盘之间增设悬架系统是提高喷杆稳定性与防治效果的重要途径。落后的喷杆悬架技术一直是喷杆喷雾机向大型化发展的“瓶颈”,制约着我国大型喷杆喷雾机的发展。本文围绕大型喷杆动力学行为与控制,开展了钟摆式主被动悬架系统动力学行为建模与参数优化、喷杆运动非线性控制策略、喷杆稳定性评价等三方面的研究,主要研究内容概括下:综合考虑底盘运动耦合、地形坡度变化、运动副摩擦等因素,使用第二类拉格朗日动力学方法建立喷雾机底盘、钟摆式悬架、喷杆系统的数学模型,准确描述基于双钟摆主、被动悬架机构的喷杆动力学行为。揭示阻尼、摩擦、摆长、喷杆质量、转动惯量等因素各参量对喷杆运动行为的影响机理,分析不同的控制参数组合（增益系数、时间常量、悬架构型参数）下喷杆呈现出运动状态,仿真结果显示在被动悬架的基础上增加主动执行器可以提高其低频地形跟踪性能,又不失被动悬架高频隔振性能,并且主动执行器的需要功耗非常低。为了验证悬架动力学模型的准确性,以28 m大型喷杆为研究对象,根据期望的响应特性,为其钟摆式被动悬架设计合适的减振元件,应用六自由度运动平台研究被动悬架系统作用下喷杆的动态行为,配合多通道动态测试系统,测试了喷杆滚转运动和垂向运动的时域、频域响应特性,还着重分析了阻尼、刚度系数对喷杆振动特性的影响规律,验证了钟摆式被动悬架数学模型的仿真结果。由于28 m桁架式喷杆为大柔度、大惯量、弱阻尼结构,加之底盘受到的田间地面激励随机变化,可能与钟摆式悬架发生谐振,造成喷杆损坏,因此需进一步优化配置被动悬架参数,在有限元软件中采用兰索斯法将喷杆作为柔性体处理,将喷雾机底盘、钟摆式悬架、喷杆作为一个多体动力学系统,建立喷杆悬架虚拟样机动力学刚柔耦合模型,通过提拉法进行悬架瞬态响应试验,验证了模型精度。选择悬架的弹性元件刚度系数和阻尼元件的阻尼系数等作为设计变量,以喷杆的水平倾角均方根与垂向振动位移均方根为优化目标,结合最优拉丁超立方试验设计获取试验样本,训练基于径向基函数的神经网络模型代替仿真模型,采用NSGA-Ⅱ多目标遗传算法对悬架动力参数进行寻优,通过合理的确定权重系数,得到悬架刚度、阻尼参数最优解,调整悬架参数并在六自由度运动平台上进行田间运动工况模拟试验。研究为大型喷杆悬架参数优化配置提供理论依据与试验方法。为了提高喷杆对低频地形变化的跟踪精度,在被动悬架研究基础上开展了主动悬架研究,由于喷杆喷雾机作业过程中存受到在地形不平整、载药量变化、药液晃动等不确定性干扰,以及电液主动执行器自身存在诸多非线性等问题,喷杆主动悬架属于一类非线性不确定系统,因此融合结合系统动力学解析建模与参数试验辨识方法,建立了伺服阀控制液压缸非线性模型、液压缸位移与喷杆滚转角模型,设计了基于模型补偿的非线性自适应鲁棒控制算法,有效的镇定了电液主动悬架系统固有的非线性和模型偏差、未知干扰等不确定性。通过搭建喷杆运动电液主动悬架专用的快速控制原型（Rapid Control Prototyping,RCP）平台,确保控制算法与系统硬件顺畅衔接,配合Stewart六自由度运动平台开展了扰动试验和正弦角度跟踪实试验,将自适应鲁棒控制器与PID控制器进行了多种工况的性能对比。理论分析和试验结果表明:存在参数不确定和非线性的情况下,提出的非线性自适应鲁棒控制器可以保证悬架系统的瞬态性能和稳态跟踪精度,实现设定频率范围内地形坡度变化的精确跟踪。钟摆式被动悬架和主动悬架系统理论分析、参数优化和控制算法设计完成以后,采用“V模式”的控制系统开发流程,研制了以DSP为核心的喷杆主动悬架控制终端和人机界面,为了消除地表粗糙度和冠层分布不均噪声的测量噪声,设计滤波、平滑、限幅算法对超声波传感器的信号进行了处理,并采用处理后的超声波传感器数据、惯性传感器数据进行最优加权融合,获得喷杆相对于地面或作物冠层的侧倾角,实现喷杆倾角的主动控制。通过台架试验和田间试验对喷杆主动控制系统的性能进行测试,结果表明增加主动悬架后,被动悬架的低频跟踪性能得到显着改善,原被动悬架共振峰也大大降低。在设计频宽范围内,喷杆倾角稳态跟踪误差小于0.3°,最终通过设计钟摆式主被动悬架系统,实现了底盘高频扰动被动控制和低频地形波动主动跟踪的最佳综合。目前,喷杆悬架性能的田间测试与评价受到测试地形、土壤属性、驾驶熟练度等诸多随机因素的影响,搭建了喷杆悬架性能室内测试系统,包括六自由度底盘运动模拟平台、地形起伏模拟平台及同步触发测控系统。使用修正的霍克利指数和标准差、变异系数等统计指标来描述喷杆悬架系统的稳定性,通过喷杆悬架测试系统先后对28 m喷杆在无悬架、被动悬架、主被动悬架等不同安装模式下的稳定性进行了测试,多组重复测试结果表明该测试系统与评价指标对不同悬架系统有较好的区分度和适用性,研究为大型喷杆悬架性能的测试和评价提供了新方法。
陈辉[7]（2019）在《车内路噪自适应主动控制技术研究》文中进行了进一步梳理随着人们对汽车品质要求的不断提高和汽车市场竞争的日趋激烈,汽车车内噪声逐渐成为用户对汽车乘坐舒适性和产品满意度评价的重要指标。汽车行驶过程中轮胎与路面相互作用引起汽车结构振动产生的噪声是车内低频噪声的重要组成成分,该噪声表现为低频率宽频带噪声,具有随机性和时变性。传统降噪方法如隔声、吸声、减震、密封等方法主要用来降低车内中高频噪声,对低频噪声降噪效果不理想,而噪声主动控制技术能有效降低车内低频噪声,与传统车内降噪手段优势互补。噪声主动控制技术利用声波干涉现象,通过人为引入次级声源,并控制次级声源产生声波与被抵消区域的声波发生干涉,形成声音相消区,进而取得降噪效果。本文研究了车内噪声主动控制系统原理和实现方法,针对车内路面结构噪声的特性,提出了一种新的用于降低车内道路结构噪声的车内路噪自适应主动控制策略。由于车内路面结构噪声与悬架和车身连接点的振动加速度信号具有较强的多重相干性,且车内路噪与结构振动信号之间的传递函数是非线性的,因而车内路噪自适应主动控制策略为:首先采用具有良好非线性映射能力的神经网络方法通过振动信号对车内路噪进行辨识,然后进行控制系统的次级声通道识别和延时补偿,再结合基于FXLMS算法的前馈宽频带噪声主动控制算法对车内路噪进行降噪控制。该控制策略分为三个主要功能模块:车内路噪辨识模块、次级声通道模块和噪声自适应主动控制模块。围绕提出的控制策略,主要完成了以下研究工作:建立了基于BP神经网络算法的车内路噪辨识模型,建立了基于FXLMS算法的前馈宽频带噪声主动控制仿真模型,结合以上模型建立了车内路噪自适应主动控制策略仿真模型,并进一步搭建了车内路噪自适应主动控制硬件在环仿真系统,并进行了车内次级声通道识别。基于同时采集的某乘用车不同匀速行驶工况的悬架与车身连接点处振动加速度信号和驾驶员耳旁噪声信号对所建的模型进行了仿真和试验。软件模型仿真实现降噪频带宽60Hz—100Hz,在与振动加速度信号相干性较高的低频段降噪效果较好,以线性声压级计,噪声峰值频率处降噪约20dB。而硬件在环仿真实现降噪频带宽约为20Hz—80Hz,在此频带内,降噪量主要分布在2dB—10dB,最大降噪量约15dB。分别搭建了基于FXLMS算法的前馈宽频带噪声主动控制硬件在环仿真系统和以振动信号为参考信号的基于FXLMS算法的前馈宽频带噪声主动控制硬件在环仿真系统,并以实际采集数据为基础对所建系统进行了试验,实现降噪频率带宽达300Hz—400Hz,在此频率范围内,频带噪声降噪量主要分布在5dB（A）—20dB（A）区间内,两者最大降噪量都超过25 dB（A）。
王训[8]（2019）在《在轨服务临近飞行动力学与控制研究》文中指出航天器在轨服务已成为航天技术发展的重要趋势之一。利用服务航天器自主执行航天器推进剂补加、部件更换及功能升级、故障航天器的维修、报废航天器的再利用及再制造等服务任务,对于空间资源的可持续开发利用具有重大意义。自主在轨服务过程中,一个核心阶段是服务航天器与目标的近距离相伴飞行,此阶段主要执行对目标的近距离观测及在轨操控。论文以航天器近距离相对运动制导与控制为中心,系统研究了相对运动动力学模型、快速绕飞与相对状态转移的轨迹规划、利用空间环境作用力的运动控制等基础理论问题,并对近距离观测任务和失控翻滚目标抓捕任务过程中涉及到的关键技术开展了研究,旨在为航天器自主在轨服务的工程实现奠定理论与技术基础。首先,对在轨服务近距离相伴飞行的相对运动动力学模型进行了研究,从最基本的运动规律分析,航天器相对运动是由两航天器所受的作用力之差来决定的。基于中心天体引力差和空间环境摄动力差量级大小的分析,提出了临近飞行这一科学概念:航天器近距离相伴飞行,中心天体引力差微弱,仅需通过微小的控制作用便能克服中心天体引力差的影响,实现相对运动在三维空间内的“自由”飞行;同时,当空间环境摄动力差和中心天体引力差量级相当时,相对运动规律的分析需要考虑空间环境摄动的影响,更可利用空间环境摄动辅助相对运动控制。以此为基础,建立了临近飞行动力学模型,同时系统的分析了在轨服务临近飞行控制模型的选取准则。其次,根据在轨服务临近飞行过程中的任务需要,开展了快速绕飞与相对状态转移的轨迹规划研究。通过引入人工引力常数的概念,设计了一种快速绕飞解析制导律,基于该制导律可以使处于任意初始状态的两航天器形成封闭的空间椭圆绕飞构型,并分析了人工引力常数与初始相对状态对绕飞轨迹周期和形状的影响,推导了圆参考轨道下圆构型快速绕飞的燃料消耗。针对相对状态转移的轨迹规划问题,设计了人工势函数制导算法,提出了两种新型的吸引势函数和排斥势函数,可有效确保转移过程中服务航天器与目标的碰撞避免。设计了用于轨迹跟踪的滑模变结构控制律,用以完成空间环境摄动力影响下,服务航天器对规划轨迹的高精度跟踪保持。然后,研究了太阳光压影响下的临近飞行相对运动。当太阳光压差和中心天体引力差量级相当时,太阳光压对临近飞行相对运动具有显着影响。建立了考虑太阳光压的临近飞行动力学模型,当航天器帆板法向指向太阳方向时,求解了圆参考轨道下相对运动的解析解,并与C-W方程的解析解进行对比分析。同时,建立了利用太阳光压辅助推进系统的运动控制策略,并且通过悬停控制详细的对比分析了利用太阳光压辅助的优势,为节约航天器燃料消耗提供了新的技术途径,同时此策略可扩展至其它临近飞行控制任务。最后,针对近距离观测和失控翻滚目标抓捕的抵近机动任务开展了应用研究。基于双目视觉测量,利用设计的自适应滤波器,对非合作航天器的六自由度相对运动状态以及惯量张量比例系数进行了联合识别。构建了地面试验系统,对双目视觉系统进行非合作目标表面特征点连续跟踪,以及基于滤波器进行相对运动状态估计的原理进行了试验验证,得到的结果可为开展在轨操控任务提供信息支撑。同时,针对两类典型复杂构型且姿态翻滚的失效航天器,设计了抵近机动控制策略,将抵近过程分为远距离飞行段和临近飞行段,并分别设计了相应的控制器。针对临近飞行段与目标碰撞避免的任务需求,建立了飞行过程中碰撞避免约束数学模型,基于序列凸优化算法,完成了模型预测控制输入的实时优化求解,使得服务航天器与翻滚目标保持相对稳定的状态,为下一步利用机械臂对目标进行抓捕和操控奠定基础。
黄琦[9]（2018）在《自适应肌电模式识别及假手人机交互控制的研究》文中进行了进一步梳理假手的双向人机接口是当前假手研究的主要瓶颈,其直接决定了使用者的使用体验。假手的双向人机接口包括前向人体动作意图解码通道和后向假手工作信息感觉反馈通道两个部分。如何实现使用者动作意图的可靠解码,如何实现使用者对假手工作信息的直观感知是当前的双向人机接口研究的两大难题。本文从当前双向人机接口的研究现状出发,以基于肌电信号多动作模式识别和电刺激触觉反馈的双向人机接口为研究重点,以解决肌电信号多动作模式识别的可靠性和电刺激触觉反馈的双向通道兼容性等难题为主要研究目标,以期建立一种具备可靠性和反馈直观性的双向生机交互系统,提高假手的感知与控制能力。由于受到电极摘下后佩戴导致的位移变化、不相关肢体的突然抖动、肌肉疲劳、佩戴过程中由于假肢荷载导致的电极轻微位移、环境温湿变化带来的电极皮肤阻抗变化等瞬变或缓变因素的影响,基于肌电信号多动作模式识别的肌电控制方法面临识别成功率随时间增长而逐渐降低的难题。为了解决这一难题,当前的研究者大多采用自适应学习算法,使算法的预测模型能够跟随肌电信号特征的变化而保持一定的可靠性。然而当前的研究缺乏理论基础,在自适应学习算法的设计和评估中,大多基于经验和唯象分析。因此本文基于统计学习理论,提出了自适应学习的识别误分类风险随时间变化的模型,描述了自适应学习算法的解码成功率与算法更新时间、更新频率、预测模型、有监督标记的样本比例等的定量关系,并通过支持向量机构建了一族标准自适应学习算法,用于构建整体评估不同自适应学习算法的量表。基于本文自适应学习的识别误分类风险随时间变化的模型,本文提出了代表性粒子自适应学习策略,其利用肌电信号特征的固有性质,降低了等效无监督标记样本的比例以提高自适应学习算法的识别成功率。为了降低分类器重新训练的计算量以实现算法的在线更新,本文提出了通用增量最小二乘支持向量机和通用增量线性分类器。结合代表性粒子自适应学习策略和通用增量算法,本文构建了代表性粒子自适应学习算法。基于仿真肌电信号长序列证明了该算法可显着提高肌电信号多动作模式识别随时间的稳定性。为了进一步提高肌电信号控制的可靠性,本文比较了基于编码控制的肌电模式识别、基于脑电信号监督的自适应肌电信号识别,以及它们与代表性粒子自适应学习算法相结合的方法的识别效果,以验证自适应学习算法的有效性和肌电信号解码的误分类风险随时间变化的模型的准确性。在构建基于电刺激反馈的双向人机接口的过程中,需要解决电刺激反馈的安全性和双向通道兼容性问题。本文提出了基于电刺激的电场模型的电刺激电极优化设计方案,提出了同心圆双相经皮神经电刺激的电刺激电极构型方式,并分别基于无纺布电极和柔性印刷板电极对优化方案进行验证。设计了具有实时电阻抗测量功能的多通道电刺激器,提出了基于实时电阻抗测量的自适应电刺激参数调节方法,解决了电刺激过程的安全性和空间感知均一性难题。提出了基于动态空间调制的电刺激编码手段,通过感知实验证明了相对于传统的分级频率调制和静态空间调制,该方法动态空具有更高的可靠性、更多的传递模式。为验证双向人机接口的有效性,建立了交互控制实验平台,提出了基于自适应滤波的电刺激噪声消除方法。通过持续时间达到一天的肌电信号采集实验,验证了标准自适应学习算法、以及本文提出的代表性粒子自适应学习算法、面向编码控制的自适应肌电识别算法、和脑电信号监督的肌电信号自适应识别方法在真实肌电信号序列中的有效性,并进一步证明了自适应学习理论的准确性。基于面向自适应肌电模式识别的交互控制实验,验证了识别效果反馈对于自适应学习算法在线肌电模式识别的提升作用,发现了结合电触觉反馈与视觉反馈的识别效果反馈相对于传统的基于视觉反馈的识别效果反馈有更大的提升效果,从而证明了电触觉反馈在交互控制中的有效性。
吴乃龙[10]（2018）在《水下机器人建模与非线性自适应控制研究》文中研究表明水下机器人是人类探索海洋的一种有效工具,其可被用于水下结构物、设施的监测与作业。这对水下机器人的系统运行提出了更加准确与稳定的要求。无论是从系统机理还是从便于实际操控的角度,认识和操控水下机器人并不容易,尤其是水下机器人系统具有强非线性和静不稳定性。水下机器人模型常被用来解释运动和施加在机器人上的力之间的关系,但是目前还没有一种通用的方法可以自动搜索水下机器人模型的结构和参数。考虑到机器人的驱动布置、形态重量和环境要素的影响,水下机器人系统在水下环境进行运动时,模型呈现时变演化特点。水下机器人所处的环境变化快,载体需可携带传感器设备,驱动器具有非线性。这些意想不到的扰动与障碍都会使得控制系统运行变得不稳定。因此,探索性地研究水下机器人的模型与环境识别问题,设计出能够自主适应航行器的非线性、不确定性的控制器,这对水下机器人的理论和实践非常有必要。本文针对水下机器人的建模与控制问题,采用CFD数值计算与系统辨识两种方法对水下机器人进行建模,并基于建模结果对静不平衡水下机器人的非线性控制技术进行研究,以提高水下机器人对本体与环境带来的耦合扰动的自适应性。通过本文的研究,提出了一些有趣的水下机器人系统模型搜索与系统控制方法,并采用大量的理论仿真与实验进行对比验证,为水下机器人的应用研究提供了理论与技术支持。本文的主要贡献如下:（1）针对水下机器人系统的模型结构与参数确定问题,对数据可得的水下机器人本体模型进行识别,提出了可以有效搜索模型和识别水动力参数的辨识方法。文中给出了运动模型方程的基因树表达方法,并提出将符号回归方法用于模型参数辨识与搜索。从符号回归所采用的模型表达树演化过程发现,人类在研究模型时存在的偏见与领域知识限制得以摒除,蕴含在水下机器人运动数据集中的内在关系也被揭示,让数据本身解释了模型。从模型参数和结构两个角度,使用获取的实验数据,建立了精确的数学方程,发现了新的模型结构,为认识与解决机器人的控制问题提供理论基础。（2）考虑到水流环境的重要性,针对水下机器人不同的水流环境,基于鱼类侧线感知水流的机理,提出了可以有效辨识水流工况的预测方法。通过对载体的水流工况进行流体动力学软件计算,使用线性判别分析方法对获得的数据进行压缩与降维。采用支持向量机分类方法训练并测试水流方向感知分类器,将水流估计与惯导融合,从功能角度验证了水下机器人识别水流的能力,为主动利用海洋环境提供认知基础。（3）针对开发高精度控制参考模型代价高的问题,基于水下机器人的几何模型和非线性系统模型,给出了用于确定控制模型参数的求解方法。忽略鲁棒自适应控制考虑的模型不确定项,分别对非初等几何外形与流线型的水下机器人进行建模。采用计算流体软件分别计算航行器流体动力学模型的关键参数:附加质量项和阻尼矩阵项。在航行器系统具有确定理论公式描述时,为便于自适应控制应用,采用泰勒展开方式对运动方程进行了简化。（4）针对水下机器人的有干扰、静不平衡系统的非线性控制问题,基于鲁棒自适应控制框架解决了一般非线性对水下机器人控制性能的影响问题。考虑到水下机器人系统特性（模型不确定性、非线性、各个自由度的耦合性）、环境（盐度、机械冲击）中出现的干扰,给出了鲁棒自适应控制方法的基本框架与稳定性判据。基于射影算子的模型参考自适应控制（MRAC）方法与L1自适应控制方法分别设计控制器,并对具有静不稳定特点的非线性6自由度水下机器人系统进行俯仰控制。控制实验对比发现,L1自适应控制在响应速度和控制稳定效果上更优秀。（5）针对水下机器人的有干扰、静不平衡系统的非线性控制问题,基于鲁棒自适应控制框架解决了特殊非线性对水下机器人控制性能的影响问题。考虑到水下机器人驱动器的输入阈值、死区以及时变延迟特性,分别分析其对鲁棒自适应控制的性能影响。基于模型参考自适应控制和L1自适应控制,设计可优化控制输出的抗饱和补偿器,并将其用于水下机器人控制。文中实现了对静不稳定、6自由度的自治水下机器人的俯仰、深度自由度的控制,验证了带有抗饱和补偿器的鲁棒自适应控制策略的可行性。考虑多种信号噪声与瞬态干扰因素,并将结果与无饱和补偿控制器对比,验证带有驱动补偿的L1自适应控制方法的稳健而快速的控制性能。本文主要展示了在水下机器人的建模与非线性自适应控制方面的理论研究,可以用于多种航行器系统模型的研究中,也可为人类在海洋活动中研究与应用水下运载器提供一种新的视角。
二、噪声主动控制中的自适应算法和传函识别研究（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、噪声主动控制中的自适应算法和传函识别研究（论文提纲范文）
（1）面向康复训练的下肢外骨骼系统集成与主动控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 面向康复训练的下肢外骨骼机器人系统研究现状 |
| 1.2.1 地面行走式下肢外骨骼机器人系统 |
| 1.2.2 减重悬吊式下肢外骨骼机器人系统 |
| 1.3 下肢外骨骼机器人主动控制中关键技术研究现状 |
| 1.3.1 人机状态感知与反馈技术 |
| 1.3.2 人体意图识别技术 |
| 1.3.3 下肢外骨骼控制技术 |
| 1.4 研究现状总结及存在的问题 |
| 1.5 研究内容及章节组织关系 |
| 第2章 下肢外骨骼机器人样机设计及集成 |
| 2.1 引言 |
| 2.2 样机设计需求与设计目标 |
| 2.3 整体样机系统概述 |
| 2.4 感知反馈系统 |
| 2.4.1 关节角度传感器 |
| 2.4.2 足底压力传感器 |
| 2.4.3 惯性测量单元 |
| 2.4.4 双目视觉相机 |
| 2.4.5 生理电信息采集系统 |
| 2.4.6 虚拟现实系统 |
| 2.5 规划控制系统 |
| 2.5.1 规划控制硬件平台 |
| 2.5.2 规划控制算法 |
| 2.6 运动执行系统 |
| 2.6.1 机械结构 |
| 2.6.2 电机及驱动单元 |
| 2.7 本章小结 |
| 第3章 基于人机变刚度技能传递的下肢外骨骼协同控制 |
| 3.1 引言 |
| 3.2 总体系统框架 |
| 3.3 人体下肢关节刚度估计 |
| 3.3.1 笛卡尔空间-关节空间刚度变换 |
| 3.3.2 关节刚度模型参数辨识 |
| 3.4 人-外骨骼机器人系统模型 |
| 3.4.1 下肢外骨骼系统动力学模型 |
| 3.4.2 未知动态动力学参数的模糊估计器 |
| 3.4.3 人机关节阻抗匹配模型 |
| 3.5 控制器设计及其稳定性分析 |
| 3.6 实验设计与结果分析 |
| 3.6.1 信号预处理 |
| 3.6.2 关节刚度模型离线参数辨识与验证 |
| 3.6.3 斜坡步行实验 |
| 3.7 本章小结 |
| 第4章 基于连续运动意图识别的随动下肢外骨骼主动控制 |
| 4.1 引言 |
| 4.2 总统系统框架 |
| 4.3 基于视觉反馈的随动跟踪控制 |
| 4.3.1 基于双目OpenPose的人体三维信息提取 |
| 4.3.2 移动辅助架随动跟踪控制 |
| 4.4 面向连续运动意图估计的LSTM网络设计 |
| 4.4.1 LSTM单元的基本结构 |
| 4.4.2 LSTM网络结构设计 |
| 4.5 基于运动意图的下肢外骨骼步态控制 |
| 4.5.1 基于足底压力分布特征的步态切换策略 |
| 4.5.2 基于屏障Lyapunov函数的轨迹跟踪控制器 |
| 4.6 实验设计与结果分析 |
| 4.6.1 信号采集与预处理 |
| 4.6.2 随动跟踪控制实验 |
| 4.6.3 LSTM网络训练及测试 |
| 4.6.4 连续运动意图识别下的外骨骼步态控制实验 |
| 4.7 本章小结 |
| 第5章 基于VR-EEG运动想象的外骨骼主动步态生成 |
| 5.1 引言 |
| 5.2 运动想象下的VR场景构建 |
| 5.3 基于人体生理特征的步态规划 |
| 5.3.1 基于高斯过程回归的个性化步态参数生成 |
| 5.3.2 参数化行走步态轨迹规划 |
| 5.4 基于EEG信号的行走/停止意图识别 |
| 5.4.1 脑功能分区及EEG信号节律 |
| 5.4.2 EEG信号的特征提取 |
| 5.4.3 基于SVM的EEG分类器 |
| 5.5 实验设计及结果分析 |
| 5.5.1 基于人体生理特征的个性化步态轨迹生成实验 |
| 5.5.2 基于SVM的EEG信号分类及连续步态轨迹生成实验 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.1.1 样机设计及集成 |
| 6.1.2 人机变刚度技能传递及协同控制 |
| 6.1.3 连续意图识别及随动下肢外骨骼主动控制 |
| 6.1.4 VR-EEG运动想象的外骨骼主动步态生成 |
| 6.2 进一步工作展望 |
| 6.2.1 样机设计及集成方面不足 |
| 6.2.2 变刚度技能传递及协同控制方面不足 |
| 6.2.3 连续运动意图识别及随动下肢外骨骼主动控制方面不足 |
| 6.2.4 VR-EEG运动想象的外骨骼主动步态生成方面不足 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（2）复杂地面环境中四轮独立驱动车辆运动控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 中英文专业名词对照表 |
| 第一章 绪论 |
| 1.1 论文选题背景 |
| 1.2 一体化电动车轮及其电动车辆研究现状 |
| 1.3 四轮独立驱动独立转向电动车辆研究现状 |
| 1.4 四轮独立驱动电动车辆相关技术研究现状 |
| 1.4.1 非几何特征地形环境识别技术研究现状 |
| 1.4.2 四轮独立电驱动车辆转向控制技术研究现状 |
| 1.4.3 车辆悬架系统控制技术研究现状 |
| 1.4.4 路面附着系数估计研究现状 |
| 1.5 论文主要研究内容及创新点 |
| 1.6 论文章节安排 |
| 第二章 一体化电动轮及其四轮独立驱动车辆的建模 |
| 2.1 引言 |
| 2.2 一体化电动轮结构及模型构建 |
| 2.3 车辆的动力学建模 |
| 2.3.1 参考坐标系的定义 |
| 2.3.2 车辆质心运动分析 |
| 2.3.3 四轮独立驱动车辆的动力学建模 |
| 2.4 轮胎模型的选择与构建 |
| 2.5 本章小结 |
| 第三章 基于振动信息聚类的四轮独立驱动车辆速度自适应控制 |
| 3.1 引言 |
| 3.2 基于改进GMM的地形聚类分析 |
| 3.2.1 地形特征描述 |
| 3.2.2 地形高斯混合模型GMM |
| 3.2.3 有监督的高斯混合模型参数学习算法 |
| 3.3 车辆速度自适应控制方法 |
| 3.3.1 车辆速度自适应控制器结构 |
| 3.3.2 控制器的设计 |
| 3.3.3 基于小波分析的特征提取 |
| 3.4 典型地形环境下车辆运动速度的确定 |
| 3.5 实验 |
| 3.5.1 实验方法 |
| 3.5.2 改进的GMM性能测试 |
| 3.6 本章小结 |
| 第四章 基于视觉与振动结合的车辆速度自适应控制 |
| 4.1 引言 |
| 4.2 图像分类的常用处理算法与步骤 |
| 4.3 基于改进CNN的地形图像分类 |
| 4.3.1 CNN网络模型结构设计 |
| 4.3.2 基于相似度纠正的多任务算法 |
| 4.4 地面环境改变过程中车辆的运动控制规划 |
| 4.5 实验及分析 |
| 4.5.1 地形图像分类算法验证 |
| 4.5.2 车辆运动规划算法验证 |
| 4.5.3 速度自适应控制实验 |
| 4.6 本章小结 |
| 第五章 基于深度强化学习的四轮独立驱动车辆半主动悬架控制 |
| 5.1 引言 |
| 5.2 车辆悬架模型的构建 |
| 5.3 路面不平度时域模型 |
| 5.4 深度强化学习算法 |
| 5.4.1 深度强化学习算法基础 |
| 5.4.2 DDPG算法原理 |
| 5.5 基于DDPG的车辆半主动悬架控制 |
| 5.5.1 算法架构与网络模型 |
| 5.5.2 基于启发式学习的DDPG算法 |
| 5.6 仿真实验与分析 |
| 5.6.1 仿真环境的搭建与参数设置 |
| 5.6.2 仿真实验 |
| 5.6.3 利用经验样本的DDPG算法学习效率比较 |
| 5.7 本章小结 |
| 第六章 基于鲁棒滑模变结构算法的四轮独立驱动车辆转向控制 |
| 6.1 引言 |
| 6.2 车辆转向稳定性控制目标 |
| 6.2.1 车辆的状态信息与车辆稳定性的关系 |
| 6.2.2 车辆转向稳定性控制目标 |
| 6.3 车辆转向控制模型的构建 |
| 6.4 车辆转向的鲁棒滑模控制 |
| 6.4.1 车辆转向的滑模控制器设计 |
| 6.4.2 车辆转向的鲁棒SMC算法设计 |
| 6.5 仿真实验与分析 |
| 6.6 本章小结 |
| 第七章 路面附着系数实时估计及车辆的制动控制 |
| 7.1 引言 |
| 7.2 基于带补偿环节的干扰观测器实现轮胎与路面附着系数的估计 |
| 7.2.1 干扰观测器的结构设计 |
| 7.2.2 带补偿环节的干扰观测器结构设计 |
| 7.2.3 补偿环节的设计 |
| 7.2.4 仿真实验 |
| 7.3 基于给定滑移率的车辆制动控制结构 |
| 7.4 基于FOA算法的PID控制器参数在线整定方法 |
| 7.4.1 FOA算法 |
| 7.4.2 FOA算法的改进 |
| 7.4.3 基于改进FOA算法的PID控制器设计 |
| 7.5 车辆制动仿真与实验 |
| 7.5.1 车轮制动仿真 |
| 7.5.2 整车制动实验 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士期间获得的专利 |
| 攻读博士学位期间参加的科研项目 |
| 学位论文评阅及答辩情况表 |
（3）基于sEMG动作识别的桌面式上肢康复机器人控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 上肢康复机器人研究现状 |
| 1.2.2 上肢康复机器人控制策略研究现状 |
| 1.2.3 基于sEMG的动作识别技术研究现状 |
| 1.2.4 现存问题分析 |
| 1.3 本文研究的主要内容及章节安排 |
| 第2章 桌面式上肢康复机器人系统设计 |
| 2.1 人体上肢生理结构分析 |
| 2.1.1 人体上肢运动机理 |
| 2.1.2 人体主要尺寸参数 |
| 2.2 上肢康复机器人结构设计 |
| 2.2.1 上肢康复机器人设计要求 |
| 2.2.2 上肢康复机器人机械本体 |
| 2.3 硬件系统设计 |
| 2.3.1 运动控制模块 |
| 2.3.2 传感模块 |
| 2.3.3 通信模块 |
| 2.4 上肢康复训练方案 |
| 2.4.1 基于sEMG动作识别的被动康复训练方案 |
| 2.4.2 基于接触力的主动康复训练方案 |
| 2.5 本章小结 |
| 第3章 基于sEMG的人体上肢动作识别研究 |
| 3.1 sEMG数据采集 |
| 3.1.1 采集动作及肌群的选择 |
| 3.1.2 信号采集实验方案设计 |
| 3.2 sEMG数据预处理 |
| 3.2.1 滤波器与陷波器去噪 |
| 3.2.2 小波阈值去噪 |
| 3.3 sEMG特征提取与融合 |
| 3.3.1 时域、频域特征提取与分析 |
| 3.3.2 双谱特征提取与降维 |
| 3.3.3 特征可分性评价与多特征融合 |
| 3.4 基于PSO-LM-BP神经网络的上肢动作分类 |
| 3.4.1 BP神经网络算法 |
| 3.4.2 PSO-LM优化的BP神经网络 |
| 3.4.3 PSO-LM-BP神经网络分类器设计 |
| 3.4.4 分类器训练与动作识别实验 |
| 3.5 本章小结 |
| 第4章 桌面式上肢康复机器人控制策略研究 |
| 4.1 电机数学模型 |
| 4.2 基于sEMG动作识别的被动位置控制研究 |
| 4.2.1 目标运动轨迹数学模型 |
| 4.2.2 上肢康复机器人位置控制策略 |
| 4.2.3 基于改进自适应遗传算法的PI控制器设计 |
| 4.2.4 仿真分析 |
| 4.3 基于接触力的主动柔顺控制研究 |
| 4.3.1 上肢康复机器人主动柔顺性控制策略 |
| 4.3.2 目标阻抗模型 |
| 4.3.3 新型抗积分饱和PI控制器设计 |
| 4.3.4 仿真分析 |
| 4.4 本章小结 |
| 第5章 桌面式上肢康复机器人样机搭建与实验研究 |
| 5.1 桌面式上肢康复机器人样机 |
| 5.2 基于sEMG动作识别的被动康复训练实验 |
| 5.3 基于接触力的主动康复训练实验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）混合动力汽车车内声品质评价预测与控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 声品质评价方法研究现状 |
| 1.2.2 声品质评价预测模型研究现状 |
| 1.2.3 声品质控制研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 混合动力汽车运行工况与噪声信号采集 |
| 2.1 动力传动系统结构 |
| 2.2 行驶工况分析 |
| 2.3 HEV振动噪声试验 |
| 2.4 本章小结 |
| 第三章 混合动力汽车车内声品质主客观评价研究 |
| 3.1 声品质主观评价 |
| 3.1.1 声信号预处理 |
| 3.1.2 声品质主观评价方法 |
| 3.1.3 主观评价试验数据处理 |
| 3.1.4 主观评价结果及分析 |
| 3.2 声品质客观评价 |
| 3.2.1 声品质客观参量 |
| 3.2.2 客观评价结果及分析 |
| 3.3 客观参量与主观评价相关性分析 |
| 3.4 本章小结 |
| 第四章 声品质评价预测模型研究 |
| 4.1 基于SVM算法的评价预测模型 |
| 4.1.1 SVM算法 |
| 4.1.2 基于SVM算法的声品质评价预测模型 |
| 4.2 基于LSSVM算法的评价预测模型 |
| 4.2.1 LSSVM算法 |
| 4.2.2 基于LSSVM算法的声品质评价预测模型 |
| 4.3 基于FM算法的评价预测模型 |
| 4.3.1 FM算法 |
| 4.3.2 基于FM算法的声品质评价预测模型 |
| 4.4 三种评价预测模型效果对比 |
| 4.5 非稳态工况声信号特征提取 |
| 4.5.1 经验模态分解原理 |
| 4.5.2 声信号特征提取原理 |
| 4.5.3 特征提取方法应用 |
| 4.6 非稳态工况下改进后三种评价预测模型效果对比 |
| 4.7 本章小结 |
| 第五章 车内声品质的被动控制研究 |
| 5.1 仿真分析 |
| 5.1.1 建立车身模型 |
| 5.1.2 车身结构模态分析 |
| 5.1.3 激励导入 |
| 5.1.4 建立声腔模型与声学模态分析 |
| 5.1.5 声学响应分析 |
| 5.2 声品质被动控制 |
| 5.2.1 被动控制技术简述 |
| 5.2.2 吸声材料选取 |
| 5.2.3 吸声材料安装 |
| 5.2.4 被动控制效果对比 |
| 5.3 车内声品质控制效果检验 |
| 5.3.1 声品质控制效果模型检验 |
| 5.3.2 二次主观评价检验 |
| 5.4 本章小结 |
| 第六章 车内声品质的主动控制研究 |
| 6.1 控制系统各部分模块选取 |
| 6.1.1 控制系统类型 |
| 6.1.2 非声信号选取 |
| 6.1.3 构建动态神经网络 |
| 6.2 自适应主动控制系统算法 |
| 6.2.1 最小均方误差算法 |
| 6.2.2 滤波-X最小均方误差算法 |
| 6.3 次级通道建立 |
| 6.4 自适应主动控制系统 |
| 6.4.1 基于FELMS算法的自适应主动控制系统 |
| 6.4.2 搭建控制系统模型 |
| 6.4.3 确定自适应滤波器阶数及收敛因子 |
| 6.5 声品质主动控制效果检验 |
| 6.6 二次主观评价检验 |
| 6.7 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士研究生期间的学术成果 |
| 附录A |
（5）高速动车组噪声主动控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 噪声主动控制概述 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文主要内容 |
| 第二章 噪声及噪声主动控制理论 |
| 2.1 噪声常用基本理论 |
| 2.1.1 响度级与等响曲线 |
| 2.1.2 计权 |
| 2.1.3 等效连续A声级 |
| 2.1.4 混响时间 |
| 2.2 常用频谱分析方法 |
| 2.2.1 FFT分析 |
| 2.2.2 CPB分析 |
| 2.2.3 阶次分析 |
| 2.3 声源相消干涉原理 |
| 2.4 噪声主动控制系统简介 |
| 2.4.1 前馈型 |
| 2.4.2 反馈型 |
| 2.4.3 混合型 |
| 2.5 铁路车内噪声的评价标准 |
| 2.5.1 国内铁路客车车内噪声限值 |
| 2.5.2 国外铁路客车车内噪声限值 |
| 2.6 本章小结 |
| 第三章 高速动车组噪声特性分析 |
| 3.1 动车组车内噪声特性分析 |
| 3.1.1 动车组车内噪声统计 |
| 3.1.2 典型动车组客室噪声特性分析 |
| 3.2 动车组车外噪声特性分析 |
| 3.2.1 典型动车组动车噪声源特性分析 |
| 3.2.2 典型动车组受电弓拖车噪声源特性分析 |
| 3.3 传递路径贡献量分析 |
| 3.4 本章小结 |
| 第四章 噪声主动控制系统的实现 |
| 4.1 算法实现 |
| 4.1.1 最小均方误差滤波器 |
| 4.1.2 LMS算法 |
| 4.1.3 filtered-X LMS方法 |
| 4.2 硬件实现 |
| 4.2.1 系统硬件要求 |
| 4.2.2 系统硬件指标 |
| 4.3 系统控制流程实现 |
| 4.4 样机效果验证 |
| 4.4.1 实验室主动降噪效果验证 |
| 4.4.2 动车组商务座主动降噪效果验证 |
| 4.5 本章小结 |
| 第五章 卧铺动车组噪声主动控制试验分析 |
| 5.1 试验概况 |
| 5.2 试验结果与分析 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 个人简历 在读期间的经历 |
| 致谢 |
（6）基于钟摆式主-被动悬架的大型喷杆动力学行为与自适应鲁棒控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 公式符号表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 喷杆运动与雾滴分布研究现状 |
| 1.2.2 喷杆被动悬架动力学特性研究现状 |
| 1.2.3 喷杆主动悬架控制技术研究现状 |
| 1.2.4 电液伺服系统非线性控制现状 |
| 1.2.5 研究现状分析 |
| 1.3 论文的主要内容 |
| 1.4 章节安排 |
| 1.5 本章小结 |
| 第二章 基于双钟摆主-被动悬架的大型喷杆动力学行为建模与仿真 |
| 2.1 引言 |
| 2.2 双钟摆主-被动悬架描述 |
| 2.3 钟摆式悬架的动力学建模 |
| 2.3.1 被动悬架建模 |
| 2.3.2 主-被动悬架建模 |
| 2.4 主-被动悬架期望的响应特性 |
| 2.5 被动悬架动态响应研究 |
| 2.5.1 被动悬架频响特性分析 |
| 2.5.2 固有频率影响因素分析 |
| 2.5.3 阶跃响应分析 |
| 2.5.4 库伦摩擦影响分析 |
| 2.5.5 被动悬架参数初步确定 |
| 2.6 基于线性控制器的钟摆式悬架主-被动悬架动态响应研究 |
| 2.6.1 主被动悬架经典线性控制方法 |
| 2.6.2 控制器参数对响应特性的影响分析 |
| 2.6.3 悬架摆长对响应特性的影响分析 |
| 2.6.4 执行器功率仿真分析 |
| 2.7 结论 |
| 第三章 基于STEWART六自由度运动平台的喷杆钟摆式被动悬架动力学行为测试与模型验证 |
| 3.1 引言 |
| 3.2 钟摆式被动悬架描述 |
| 3.2.1 三维模型建立与问题描述 |
| 3.2.2 悬架减振元件设计 |
| 3.2.3 喷杆悬架油路设计 |
| 3.3 喷杆被动悬架系统动力学试验 |
| 3.3.1 试验装置与数据采集系统 |
| 3.3.2 瞬态响应试验 |
| 3.3.3 喷杆滚转运动频响特性测试 |
| 3.3.4 垂向振动频响特性测试 |
| 3.4 结论 |
| 第四章 基于遗传算法的钟摆式被动悬架系统参数优化与调校 |
| 4.1 引言 |
| 4.2 喷杆悬架系统刚柔耦合动力学模型 |
| 4.2.1 刚柔耦合动力学系统的建模 |
| 4.2.2 模型验证 |
| 4.2.3 模型输入激励获取 |
| 4.3 基于径向基神经网络函数的悬架近似模型 |
| 4.3.1 设计变量与评价指标 |
| 4.3.2 最优拉丁方试验设计方法 |
| 4.3.3 径向基神经网络近似模型建立与验证 |
| 4.4 基于NSGA-II遗传算法的悬架系统参数优化与验证 |
| 4.4.1 NSGA-II优化算法 |
| 4.4.2 系统集成优化 |
| 4.4.3 优化结果分析 |
| 4.4.4 田间工况复现测试 |
| 4.5 结论 |
| 第五章 大型喷杆钟摆式主动悬架非线性自适应鲁棒控制 |
| 5.1 引言 |
| 5.2 大型喷杆主动悬架及其电液伺服系统建模 |
| 5.2.1 主动悬架频响函数 |
| 5.2.2 主动悬架频响函数参数辨识 |
| 5.2.3 非线性电液伺服系统的建模 |
| 5.3 基于模型补偿的非线性自适应鲁棒控制器设计与仿真 |
| 5.3.1 不连续的参数映射和参数自适应律 |
| 5.3.2 基于模型补偿的自适应鲁棒控制器设计 |
| 5.3.3 主要结论 |
| 5.3.4 控制器稳定性证明 |
| 5.3.5 Simulink仿真分析 |
| 5.4 基于RCP半实物仿真技术的主动悬架控制算法验证平台设计 |
| 5.4.1 钟摆式主-被动悬架系统 |
| 5.4.2 主动液压缸选型 |
| 5.4.3 快速原型控制系统硬件 |
| 5.4.4 实时控制系统软件开发 |
| 5.4.5 RCP试验平台建立 |
| 5.5 控制算法试验验证 |
| 5.5.1 控制器参数设置 |
| 5.5.2 试验与结果分析 |
| 5.6 结论 |
| 第六章 基于DSP的钟摆式主-被动悬架控制器研制与试验 |
| 6.1 引言 |
| 6.2 喷杆悬架控制系统硬件设计 |
| 6.2.1 控制器硬件电路设计 |
| 6.3 控制器软件设计 |
| 6.3.1 控制器主程序 |
| 6.3.2 传感器信号处理算法设计 |
| 6.4 试验与结果分析 |
| 6.4.1 配套28 m大型喷杆钟摆式悬架室内测试 |
| 6.4.2 控制器配套3WPHS-600A喷雾机田间试验 |
| 6.5 结论 |
| 第七章 大型喷杆主-被动悬架性能室内测试与评价方法研究 |
| 7.1 引言 |
| 7.2 喷杆三种安装方式简介 |
| 7.3 测试系统设计 |
| 7.3.1 六自由度运动模拟平台 |
| 7.3.2 地形起伏模拟平台 |
| 7.4 测试信号采集 |
| 7.4.1 底盘运动测量 |
| 7.4.2 地形起伏轮廓信号 |
| 7.5 喷杆悬架性能评价指标 |
| 7.6 喷杆悬架性能测试与评价 |
| 7.6.1 钟摆式被动悬架系统测试与评价 |
| 7.6.2 钟摆式主-被动悬架系统测试与评价 |
| 7.7 结论 |
| 第八章 结论与展望 |
| 8.1 全文总结 |
| 8.2 论文的主要创新点 |
| 8.3 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文与参加的科研工作 |
| 一、发表的论文 |
| 二、科研工作 |
| 三、获奖情况 |
| 四、申请专利 |
（7）车内路噪自适应主动控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 车内路噪主动控制研究背景及意义 |
| 1.2 车内噪声主动控制研究概况 |
| 1.3 车内路噪主动控制研究进展和现状 |
| 1.4 本文主要研究内容 |
| 第二章 车内路噪控制方法研究 |
| 2.1 车内噪声主动控制原理 |
| 2.1.1 噪声主动控制声学机理 |
| 2.1.2 车内噪声主动控制分析 |
| 2.2 噪声主动控制算法 |
| 2.2.1 噪声主动控制系统基本框架 |
| 2.2.2 自适应滤波器 |
| 2.2.3 基于LMS算法的自适应滤波器 |
| 2.2.4 滤波-X LMS算法 |
| 2.2.5 带遗忘因子的FXLMS算法 |
| 2.2.6 考虑声反馈的FXLMS算法 |
| 2.3 神经网络预测方法 |
| 2.4 本章小结 |
| 第三章 车内路噪主动控制策略 |
| 3.1 车内路噪特性分析 |
| 3.2 车内路噪控制策略 |
| 3.3 基于神经网络的车内路噪辨识 |
| 3.4 次级声通道辨识 |
| 3.4.1 次级声通道离线辨识 |
| 3.4.2 次级声通道在线辨识 |
| 3.5 本章小结 |
| 第四章 车内路噪主动控制建模仿真及策略优化 |
| 4.1 车内路噪主动控制建模 |
| 4.2 车内路噪主动控制仿真分析 |
| 4.3 车内路噪主动控制优化与分析 |
| 4.4 本章小结 |
| 第五章 车内路噪主动控制试验 |
| 5.1 硬件在环仿真平台搭建 |
| 5.2 硬件在环建模与仿真试验 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）在轨服务临近飞行动力学与控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 在轨服务任务需求 |
| 1.1.2 临近飞行概念及内涵 |
| 1.1.3 在轨服务临近飞行运动模式 |
| 1.1.4 本文的研究目的 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 自主在轨服务航天器发展现状 |
| 1.2.2 相对运动动力学模型 |
| 1.2.3 近距离相对运动制导与控制 |
| 1.3 论文研究内容和组织架构 |
| 第二章 临近飞行相对运动动力学模型 |
| 2.1 引言 |
| 2.2 临近飞行动力学建模及误差分析 |
| 2.2.1 坐标系定义及相对运动描述 |
| 2.2.2 球形地球引力差建模及分析 |
| 2.2.3 摄动力差建模及分析 |
| 2.2.4 临近飞行动力学模型 |
| 2.3 临近飞行动力学模型适用度准则 |
| 2.3.1 在轨服务临近飞行控制模型选取 |
| 2.3.2 模型选取的数值仿真及结果讨论 |
| 2.4 本章小结 |
| 第三章 连续推力临近飞行轨迹规划与控制 |
| 3.1 引言 |
| 3.2 快速绕飞轨迹规划 |
| 3.2.1 快速绕飞解析制导律设计 |
| 3.2.2 绕飞周期分析 |
| 3.2.3 最小偏心率绕飞轨迹设计 |
| 3.2.4 空间圆快速绕飞轨迹设计 |
| 3.2.5 燃耗计算与可行性分析 |
| 3.3 期望位置转移轨迹规划与控制 |
| 3.3.1 人工势函数轨迹规划原理 |
| 3.3.2 改进的排斥和吸引势函数设计 |
| 3.3.3 滑模变结构轨迹跟踪控制 |
| 3.3.4 数值仿真 |
| 3.3.5 仿真结果分析与讨论 |
| 3.4 本章小结 |
| 第四章 考虑太阳光压的临近飞行相对运动及控制 |
| 4.1 引言 |
| 4.2 考虑太阳光压的临近飞行相对运动规律 |
| 4.2.1 圆参考轨道相对运动解析解 |
| 4.2.2 数值仿真验证 |
| 4.3 利用太阳光压辅助的相对运动控制 |
| 4.3.1 太阳光压辅助控制动力学模型 |
| 4.3.2 太阳光压辅助控制策略设计 |
| 4.3.3 数值仿真 |
| 4.3.4 仿真结果分析与讨论 |
| 4.4 本章小结 |
| 第五章 基于双目视觉测量的非合作航天器特性识别 |
| 5.1 引言 |
| 5.2 数学描述 |
| 5.2.1 坐标系统 |
| 5.2.2 姿轨耦合动力学模型 |
| 5.2.3 双目视觉观测模型 |
| 5.3 基于自适应无迹卡尔曼滤波器的目标惯性参数识别 |
| 5.3.1 利用智能优化算法的初始状态确定 |
| 5.3.2 状态方程和观测方程 |
| 5.3.3 自适应无迹卡尔曼滤波器设计 |
| 5.4 数值仿真及结果分析 |
| 5.4.1 初始状态确定结果分析 |
| 5.4.2 相对运动状态与质量特性联合识别结果分析 |
| 5.4.3 滤波器鲁棒性分析 |
| 5.5 地面试验验证及结果分析 |
| 5.5.1 地面试验系统的总体方案 |
| 5.5.2 非合作目标表面特征点匹配及跟踪试验 |
| 5.5.3 相对运动状态估计及结果分析 |
| 5.6 本章小结 |
| 第六章 失控翻滚航天器抓捕任务抵近机动策略与控制 |
| 6.1 引言 |
| 6.2 抵近机动策略分析与建模 |
| 6.2.1 目标特性分析与建模 |
| 6.2.2 控制策略分析与建模 |
| 6.2.3 远距离飞行阶段控制器设计 |
| 6.3 临近飞行段控制器设计 |
| 6.3.1 状态变量预测 |
| 6.3.2 优化指标及不等式约束建模 |
| 6.3.3 基于序列凸优化的控制器求解 |
| 6.4 数值仿真及结果分析 |
| 6.4.1 远距离飞行段运动控制 |
| 6.4.2 临近飞行段运动控制 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 论文主要工作总结 |
| 7.2 进一步工作的展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）自适应肌电模式识别及假手人机交互控制的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 基于自适应肌电模式识别的假手控制研究综述 |
| 1.2.1 假手的肌电控制研究综述 |
| 1.2.2 肌电模式识别的可靠性研究综述 |
| 1.2.3 自适应肌电模式识别研究综述 |
| 1.2.4 自适应学习理论和算法研究综述 |
| 1.3 假手的双向人机交互系统综述 |
| 1.3.1 典型的假手双向人机交互系统 |
| 1.3.2 假手双向人机交互的感觉反馈系统研究综述 |
| 1.3.3 基于电刺激触觉反馈的假手感觉反馈系统研究综述 |
| 1.4 本文的主要研究内容 |
| 第2章 自适应肌电模式识别的误分类风险变化分析 |
| 2.1 引言 |
| 2.2 肌电模式识别的一般分析方法 |
| 2.3 非自适应肌电模式识别的误分类风险变化分析 |
| 2.3.1 概念偏移的度量 |
| 2.3.2 非自适应学习的误分类风险变化 |
| 2.4 自适应肌电模式识别的误分类风险变化分析 |
| 2.4.1 自适应模式识别的形式化 |
| 2.4.2 理想自适应学习的误分类风险 |
| 2.4.3 非理想自适应学习的误分类风险 |
| 2.5 肌电模式识别的误分类风险变化趋势分析 |
| 2.6 基于肌电信号仿真序列的误分类风险分析验证 |
| 2.6.1 肌电信号数据的采集 |
| 2.6.2 基于无概念偏移肌电信号序列的验证 |
| 2.6.3 基于固定概念偏移速率肌电信号序列的验证 |
| 2.6.4 基于支持向量机的标准自适应学习算法 |
| 2.6.5 实验结果及数据分析 |
| 2.7 本章小结 |
| 第3章 基于自适应学习的肌电模式识别方法 |
| 3.1 引言 |
| 3.2 基于误分类风险分析的肌电模式识别方法的设计准则 |
| 3.3 基于代表性粒子自适应学习算法(RPAC)的自适应肌电模式识别 |
| 3.3.1 代表性粒子自适应学习策略(RPALS)的提出 |
| 3.3.2 通用增量LS-SVM算法及其RPAC算法 |
| 3.3.3 通用增量LDA算法及其RPAC算法 |
| 3.3.4 RPAC算法的参数选择 |
| 3.3.5 基于肌电信号仿真序列的RPAC算法验证 |
| 3.4 基于编码控制的自适应肌电模式识别 |
| 3.4.1 基于编码的肌电信号控制方法 |
| 3.4.2 肌电信号触发事件的自适应肌电模式识别 |
| 3.5 基于脑电监督信息的自适应肌电模式识别 |
| 3.5.1 皮层-肌肉同步活动的检测 |
| 3.5.2 脑电信号监督信息的提取 |
| 3.5.3 脑电信号监督的肌电自适应识别方法 |
| 3.6 本章小结 |
| 第4章 面向人机交互控制的阵列式电刺激反馈系统 |
| 4.1 引言 |
| 4.2 基于双向通道兼容性的电刺激电极的优化设计 |
| 4.2.1 电刺激过程的电刺激噪声传播模型 |
| 4.2.2 基于有限元仿真的模型验证 |
| 4.2.3 基于无纺布电极的模型验证与电极参数选择 |
| 4.2.4 基于柔性印刷电路电极的模型验证与电极参数选择 |
| 4.3 具有实时皮肤阻抗测量功能的多通道电刺激器设计 |
| 4.3.1 多通道电刺激器的硬件结构 |
| 4.3.2 基于皮肤阻抗反馈的自适应电刺激控制方法 |
| 4.4 电刺激波形时空频编码的感知 |
| 4.4.1 分级频率调制的感知 |
| 4.4.2 静态空间调制的感知 |
| 4.4.3 动态空间调制的感知 |
| 4.5 小结 |
| 第5章 假手双向人机接口与交互控制的验证实验 |
| 5.1 引言 |
| 5.2 假手双向人机接口及交互控制实验平台的搭建 |
| 5.3 肌电模式识别误分类风险分析方法的验证 |
| 5.3.1 全天肌电信号的采集与组织 |
| 5.3.2 误分类风险分析研究的验证结果 |
| 5.3.3 实验结果分析 |
| 5.4 自适应肌电模式识别方法的验证 |
| 5.4.1 RPAC算法的多运动模式识别验证实验 |
| 5.4.2 编码控制算法的验证实验 |
| 5.4.3 脑电信号监督的肌电信号自适应学习算法的验证实验 |
| 5.4.4 自适应识别方法的总结 |
| 5.5 面向自适应肌电模式在线识别的交互控制实验 |
| 5.5.1 自适应肌电模式在线识别中的交互自适应性原理 |
| 5.5.2 交互自适应性的验证实验 |
| 5.5.3 基于交互自适应性的假手控制效果验证实验 |
| 5.5.4 交互控制实验结果分析 |
| 5.6 小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（10）水下机器人建模与非线性自适应控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下机器人系统建模研究现状 |
| 1.2.1 水下机器人的动力学运动学建模 |
| 1.2.2 数据驱动的系统建模 |
| 1.3 非线性自适应控制现状与水下机器人控制特性 |
| 1.3.1 鲁棒自适应控制的研究进展 |
| 1.3.2 驱动器饱和补偿问题的研究进展 |
| 1.4 本文主要研究内容与拟解决的关键问题 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 拟解决的关键性问题 |
| 1.4.3 本文的研究路线图 |
| 1.5 本章小结 |
| 第二章 水下机器人系统模型 |
| 2.1 引言 |
| 2.2 运动系统数学描述 |
| 2.2.1 水下机器人的运动学 |
| 2.2.2 水下机器人的动力学模型 |
| 2.2.3 不同类型的水下机器人模型 |
| 2.3 推进器布置与推力控制向量 |
| 2.3.1 推进器布置 |
| 2.3.2 推力控制向量 |
| 2.4 本章小结 |
| 第三章 数据驱动的水下机器人本体与环境模型辨识 |
| 3.1 引言 |
| 3.2 水下机器人模型搜索与参数辨识 |
| 3.2.1 系统模型的结构、参数与系统建模 |
| 3.2.2 基于Levenberg-Marquardt方法的参数辨识 |
| 3.2.3 基于遗传算法的参数辨识 |
| 3.2.4 基于符号回归技术的水下机器人模型搜索 |
| 3.2.5 结果与分析 |
| 3.3 水流环境识别 |
| 3.3.1 基于支持向量机的水下机器人水流环境辨识 |
| 3.3.2 结果与分析 |
| 3.4 本章小结 |
| 第四章 控制导向的水下机器人模型建立 |
| 4.1 引言 |
| 4.2 基于几何模型的水下机器人模型建立 |
| 4.2.1 经验计算法 |
| 4.2.2 基于CFD的数值计算法 |
| 4.2.3 结果与分析 |
| 4.3 基于泰勒公式简化的水下机器人模型建立 |
| 4.4 本章小结 |
| 第五章 水下机器人的鲁棒自适应控制 |
| 5.1 引言 |
| 5.2 水下机器人的系统控制特性 |
| 5.2.1 水下机器人的系统非线性 |
| 5.2.2 水下机器人模型不确定性 |
| 5.3 鲁棒自适应控制框架 |
| 5.3.1 Lyapunov稳定性 |
| 5.3.2 状态模型参考自适应控制 |
| 5.3.3 自适应控制的不稳定问题 |
| 5.4 鲁棒模型参考自适应控制 |
| 5.4.1 基于射影理论的模型参考自适应控制 |
| 5.4.2 L1自适应控制 |
| 5.4.3 水下机器人控制结果与分析 |
| 5.5 本章小结 |
| 第六章 水下机器人的驱动补偿控制 |
| 6.1 引言 |
| 6.2 水下机器人的驱动器非线性 |
| 6.2.1 输入阈值 |
| 6.2.2 死区 |
| 6.2.3 时间延迟 |
| 6.3 现代补偿器 |
| 6.3.1 基于Riccati方程的抗饱和补偿器 |
| 6.4 带有驱动补偿的鲁棒自适应控制 |
| 6.4.1 带有补偿器的模型参考自适应控制 |
| 6.4.2 带有补偿器的L1自适应控制 |
| 6.4.3 水下机器人控制结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
四、噪声主动控制中的自适应算法和传函识别研究（论文参考文献）
- [1]面向康复训练的下肢外骨骼系统集成与主动控制技术研究[D]. 魏强. 中国科学技术大学, 2021
- [2]复杂地面环境中四轮独立驱动车辆运动控制方法研究[D]. 刘明. 山东大学, 2020
- [3]基于sEMG动作识别的桌面式上肢康复机器人控制研究[D]. 迟祥. 曲阜师范大学, 2020(01)
- [4]混合动力汽车车内声品质评价预测与控制研究[D]. 陆怡. 江苏大学, 2020(02)
- [5]高速动车组噪声主动控制技术研究[D]. 胡士华. 华东交通大学, 2019(04)
- [6]基于钟摆式主-被动悬架的大型喷杆动力学行为与自适应鲁棒控制研究[D]. 崔龙飞. 江苏大学, 2019(03)
- [7]车内路噪自适应主动控制技术研究[D]. 陈辉. 吉林大学, 2019(11)
- [8]在轨服务临近飞行动力学与控制研究[D]. 王训. 国防科技大学, 2019(01)
- [9]自适应肌电模式识别及假手人机交互控制的研究[D]. 黄琦. 哈尔滨工业大学, 2018(01)
- [10]水下机器人建模与非线性自适应控制研究[D]. 吴乃龙. 上海交通大学, 2018(01)