学习控制

摘要： 空间非合作目标一般具有结构复杂、质量特性未知、姿态机动能力不明等特点,这导致组合体航天器姿态动力学呈现出高度非线性和强耦合特性,且难以对其进行在轨精确辨识。针对组合体航天器姿态接管过程中目标信息不完全、精确辨识困难等问题,本文考虑目标存在姿态机动能力的任务场景,提出了一种基于稀疏高斯过程回归(GPR)的数据驱动姿态接管控制策略。首先,从系统运行数据中提取、凝炼模型未知部分的输入/输出映射关系,构建数据驱动的概率化模型以代替无法快速准确建立的参数辨识模型,并根据该数据驱动模型设计变增益反馈控制策略,证明了系统状态概率意义上的Lyapunov稳定性和有界性;其次,考虑到在轨任务的实时性、星载计算机的计算资源有限等因素,该算法可在保证控制精度的同时显著减轻学习算法的计算压力;最后,数值仿真验证了本文所提出控制方法的有效性与实用价值。

摘要： 针对具有时变延迟和干扰的非线性系统,利用函数分解将未知参数分离,然后分别辨识;通过构造Lyapunov-Krasovskii函数消除时变延迟的影响,由Lyapunov函数设计周期参数自适应律,得到了一种自适应学习控制策略,使得在L^(2)_(T)-范数下系统的跟踪误差渐近收敛于零且闭环系统的所有信号是有界的;数值仿真证明了该算法的可行性和有效性.

摘要： 本文讨论了二阶系统在任意初态偏差下的自适应控制问题,借助学习控制及其初始修正的思想,提出了两种带有修正初态偏差功能的自适应控制策略:一阶吸引子控制器和零阶吸引子控制器.两种控制器都是将整个控制过程分成若干个等长时间的子过程,在每个子过程中控制算法都会进行误差校正和参数学习.其中,一阶吸引子控制器在每个子过程中同时修正所有状态偏差;而零阶吸引子控制器在每个子过程中先修正高阶状态偏差,再修正低阶状态偏差.并且两种控制器在控制过程中,都利用反正切函数对控制量进行连续化处理,解决了控制过程中的颤振问题.最后,通过计算机仿真验证了算法的有效性.

摘要： 自主学习品质是衡量学生是否学会学习的重要尺度,也是影响学业成就的关键因素.为探明初中生自主学习品质的维度,对学生学习品质发展水平做出准确诊断,采用初中生自主学习品质调查问卷对学生自主学习品质进行调查.研究发现:初中生自主学习品质总体中等偏下,呈正态分布,随着年级的上升,学生自主学习品质有逐渐弱化的趋势;县城民办学校学生的自主学习品质明显强于县城公办和乡镇学校学生,城乡公办学校学生的自主学习品质整体上差异不显著.帮助学生形成积极的自主学习品质,需给予学生更多积极的学习情绪体验,减少单一的机械性作业,对学生的学习过程与学习结果进行精细化诊断,同时强化学生自主学习特别是认知策略与元认知策略的培养.

摘要： 自主学习品质是衡量学生是否学会学习的重要尺度,也是影响学业成就的关键因素。为探明初中生自主学习品质的维度,对学生学习品质发展水平做出准确诊断,采用初中生自主学习品质调查问卷对学生自主学习品质进行调查。研究发现:初中生自主学习品质总体中等偏下,呈正态分布,随着年级的上升,学生自主学习品质有逐渐弱化的趋势;县城民办学校学生的自主学习品质明显强于县城公办和乡镇学校学生,城乡公办学校学生的自主学习品质整体上差异不显著。帮助学生形成积极的自主学习品质,需给予学生更多积极的学习情绪体验,减少单一的机械性作业,对学生的学习过程与学习结果进行精细化诊断,同时强化学生自主学习特别是认知策略与元认知策略的培养。

摘要： 本文从智能的起源与目标开始讨论,重新梳理人工智能史前的历史进程.在此背景之下,回顾智能控制从学习控制到平行控制的演化过程,进而展望未来的控制智能从平行智能到知识自动化的可能发展途径.前事不忘,后事之师,谨以此文纪念傅京孙与萨里迪斯教授开创并推动"智能控制"这一多学科交叉研究领域五十周年和二位开拓者诞辰九十周年.

摘要： 针对任意初态下带有扰动的线性定常系统,提出了相应的控制算法.该算法将受控过程分成无穷个子过程,系统利用上一子过程的输入输出信息来调节当前过程的输入,以期获得更好的控制效果.在控制过程中,基于迭代学习控制思想,借助初始修正手段,可使系统的跟踪误差达到任意小,且当系统无扰动时,在指定区间内可实现完全跟踪.最后,通过仿真算例,验证了算法的有效性.

摘要： 针对重卷机组中张力控制系统存在参数时变、非线性等问题,引起张力控制模型仿真的复杂性,为简化实际应用中神经网络控制器构建的复杂性,本文结合Matlab、VC++工具建立了一种可视化调节界面用以获得神经网络控制器.通过实际输出曲线同期望轨迹的误差对控制输入进行可视化调节,利用学习控制对控制输入做更进一步的优化,进而训练得到期望的神经网络控制器.为克服单纯采用神经网络控制造成的稳态误差,设计了切换策略用以实现不同偏差作用下神经网络控制器同PI控制器之间的切换.通过仿真验证了该方法的有效性.

摘要： 20世纪60年代,学习控制开启了人类探究复杂系统控制的新途径,基于人工智能技术的智能控制随之兴起.本文以智能控制为主线,阐述其由学习控制向平行控制发展的历程.本文首先介绍学习控制的基本思想,描述了智能机器的架构设计与运行机理.随着信息科技的进步,基于数据的计算智能方法随之出现.对此,本文进一步简述了基于计算智能的学习控制方法,并以自适应动态规划方法为切入点分析非线性动态系统自学习优化问题的求解过程.最后,针对工程复杂性与社会复杂性互相耦合的复杂系统控制问题,阐述了基于平行控制的学习与优化方法求解思路,分析其在求解复杂系统优化控制问题方面的优势.智能控制思想经历了学习控制、计算智能控制到平行控制的演化过程,可以看出平行控制是实现复杂系统知识自动化的有效方法.

摘要： This paper investigates the formation control of wheeled mobile robots(WMR)with unknown information under nonholonomic constraints.Firstly,based on the leader-follower method and the virtual structure method,the forma-tion control is transformed into the problem that the followers track their virtual leader. Secondly,a radial basis function neural network(RBF NN)is used to learning the unknown information(closed-loop system dynamics)of WMR,and a stable adaptive RBF NN controller and the stable adaptive tuning law of RBF NN parameters are derived in the sense of the Lyapunov stability theory.According to deterministic learning,a partial persistent excitation(PE)condition of some inter-nal signals in the closed-loop system is satisfied in the control process of tracking a recurrent reference trajectory,and an accurate approximation of the unknown closed-loop system dynamics is achieved by the RBF NN parameters convergence to their optimal weights. Finally,a RBF NN learning controller which effectively utilizes the learned knowledge without re-adapting the RBF NN parameters is proposed to achieve the closed-loop stability and improve the control performance, and simulation studies are included to demonstrate the correctness and effectiveness of the proposed approach.%本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航-跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.

摘要： 讨论线性非最小相位系统实现输出轨迹跟踪的学习控制方法。期望输出跟踪是有限时间区间上的轨迹或为周期轨迹。控制器设计时，通过输出重定义以使非最小相位系统的零动态变成渐近稳定特性。分别采用了迭代学习和重复学习的方法设计控制器，理论分析表明两种方法都能保证学习系统的稳定性和收敛性。数值仿真验证了文中给出的学习控制系统的跟踪性能。

摘要： 本文提出将工业中进行重复任务的工业机器人控制应用于康复工程中智能假肢控制.采用变增益迭代学习率的学习控制,实现对固定步速下呈周期性变化的正常步行姿态的逼近.通过仿真实验,表明具有变增益学习率的学习控制具有收敛快,可靠性高等特点,对于推动我国康复医学工程发展具有重要的意义.

摘要： 研究基于神经网络结构的机器人全局路径规划算法中步长参数的在线自适应调节问题,提出了一种线性再励学习与预测学习控制相结合的路径规划算法,实现了步长参数的在线自适应调节,并提高了路径规划收敛速度.通过仿真实验,表明了所给出的自适应变步长算法的有效性.

摘要： 根据神经网络的特点,提出了基于CMAC网络的伺服系统在线学习控制方案,并给出了其再励学习算法.在某单轴速率/位置转台上的成功使用验证了该方法的可行性.

摘要： 分析了机器人学习当中需要解决的问题,提出了机器人模仿学习的方法.对5自由度机械手臂进行了运动学分析,并利用所建模型结合机器人模仿学习方法的思想,利用视觉系统控制机器手模仿示教者手臂的运动行为,对机器人模仿学习方法进行了试验研究.

摘要： 针对膝上假肢位置控制中存在的非线性和不确定性特性,基于Hebbian学习算法,通过人体下肢建模,提出了一种应用于智能假肢的控制策略,从而达到对该时变非线性系统的实时跟踪控制.仿真结果表明该控制器具有良好的跟踪精度、较强的自适应能力和鲁棒性.

摘要： 随着世界各国海洋开发战略和军事战略的发展，水下机器人作为海洋开发的平台和现代水中兵器的裁体，技术研究重点既延续了自冷战以来对巡航速度性能的追求，又扩展了冷战后对机动和自治性能的关注。受鱼类游动启发的仿生水下机器人应运而生，它采用集推进与操控于一体的新型水下推进技术，有望从自治性、机动性、隐蔽性等方面有效地补充传 统水下推进器。 本文阐述了尾鳍、波动鳍、胸鳍三类模式仿生水下推进器的既有成果和发展概况，从仿生学角度分析了该领域面临的主要挑战。针对既有仿生水下机器人以模仿鱼类外在运动形式为主的现状，提出仿生流场适应性控制方法，借鉴鱼类不断调整致动策略顺应流场环境的基本技能，将仿生水下机器人研究从模仿鱼类运动形式向揭示流场适应性机制深入，提高仿生水下机器人对水流环境的适应性和相容性。立足于现有技术水平，阐述了仿生水下机器人流场适应性控制的内涵，提出了基于内部状态感知和基于外部流场信息感知的两类研究思路，探索了从“形仿”提升到“神 仿”的新思路，为各类仿生水下机器人的性能改进提供新途径。结合研究组在仿生波动鳍推进领域的研究成果，给出仿生水下推进器流场适应性控制的应用实例。因受流场信息感知和流场重构技术的限制，基于外部流场信息感知的方法尚待研究，引入迭代学习方法，采用基于内部状态感知的仿生流场适应性控制方法，有效改善了仿生波动鳍的波动推进性能，典型参数下，仿生波动鳍波动推进速度可提高近40％。

摘要： 随着世界各国海洋开发战略和军事战略的发展，水下机器人作为海洋开发的平台和现代水中兵器的裁体，技术研究重点既延续了自冷战以来对巡航速度性能的追求，又扩展了冷战后对机动和自治性能的关注。受鱼类游动启发的仿生水下机器人应运而生，它采用集推进与操控于一体的新型水下推进技术，有望从自治性、机动性、隐蔽性等方面有效地补充传 统水下推进器。 本文阐述了尾鳍、波动鳍、胸鳍三类模式仿生水下推进器的既有成果和发展概况，从仿生学角度分析了该领域面临的主要挑战。针对既有仿生水下机器人以模仿鱼类外在运动形式为主的现状，提出仿生流场适应性控制方法，借鉴鱼类不断调整致动策略顺应流场环境的基本技能，将仿生水下机器人研究从模仿鱼类运动形式向揭示流场适应性机制深入，提高仿生水下机器人对水流环境的适应性和相容性。立足于现有技术水平，阐述了仿生水下机器人流场适应性控制的内涵，提出了基于内部状态感知和基于外部流场信息感知的两类研究思路，探索了从“形仿”提升到“神 仿”的新思路，为各类仿生水下机器人的性能改进提供新途径。结合研究组在仿生波动鳍推进领域的研究成果，给出仿生水下推进器流场适应性控制的应用实例。因受流场信息感知和流场重构技术的限制，基于外部流场信息感知的方法尚待研究，引入迭代学习方法，采用基于内部状态感知的仿生流场适应性控制方法，有效改善了仿生波动鳍的波动推进性能，典型参数下，仿生波动鳍波动推进速度可提高近40％。

摘要： 随着世界各国海洋开发战略和军事战略的发展，水下机器人作为海洋开发的平台和现代水中兵器的裁体，技术研究重点既延续了自冷战以来对巡航速度性能的追求，又扩展了冷战后对机动和自治性能的关注。受鱼类游动启发的仿生水下机器人应运而生，它采用集推进与操控于一体的新型水下推进技术，有望从自治性、机动性、隐蔽性等方面有效地补充传 统水下推进器。 本文阐述了尾鳍、波动鳍、胸鳍三类模式仿生水下推进器的既有成果和发展概况，从仿生学角度分析了该领域面临的主要挑战。针对既有仿生水下机器人以模仿鱼类外在运动形式为主的现状，提出仿生流场适应性控制方法，借鉴鱼类不断调整致动策略顺应流场环境的基本技能，将仿生水下机器人研究从模仿鱼类运动形式向揭示流场适应性机制深入，提高仿生水下机器人对水流环境的适应性和相容性。立足于现有技术水平，阐述了仿生水下机器人流场适应性控制的内涵，提出了基于内部状态感知和基于外部流场信息感知的两类研究思路，探索了从“形仿”提升到“神 仿”的新思路，为各类仿生水下机器人的性能改进提供新途径。结合研究组在仿生波动鳍推进领域的研究成果，给出仿生水下推进器流场适应性控制的应用实例。因受流场信息感知和流场重构技术的限制，基于外部流场信息感知的方法尚待研究，引入迭代学习方法，采用基于内部状态感知的仿生流场适应性控制方法，有效改善了仿生波动鳍的波动推进性能，典型参数下，仿生波动鳍波动推进速度可提高近40％。

摘要： 随着世界各国海洋开发战略和军事战略的发展，水下机器人作为海洋开发的平台和现代水中兵器的裁体，技术研究重点既延续了自冷战以来对巡航速度性能的追求，又扩展了冷战后对机动和自治性能的关注。受鱼类游动启发的仿生水下机器人应运而生，它采用集推进与操控于一体的新型水下推进技术，有望从自治性、机动性、隐蔽性等方面有效地补充传 统水下推进器。 本文阐述了尾鳍、波动鳍、胸鳍三类模式仿生水下推进器的既有成果和发展概况，从仿生学角度分析了该领域面临的主要挑战。针对既有仿生水下机器人以模仿鱼类外在运动形式为主的现状，提出仿生流场适应性控制方法，借鉴鱼类不断调整致动策略顺应流场环境的基本技能，将仿生水下机器人研究从模仿鱼类运动形式向揭示流场适应性机制深入，提高仿生水下机器人对水流环境的适应性和相容性。立足于现有技术水平，阐述了仿生水下机器人流场适应性控制的内涵，提出了基于内部状态感知和基于外部流场信息感知的两类研究思路，探索了从“形仿”提升到“神 仿”的新思路，为各类仿生水下机器人的性能改进提供新途径。结合研究组在仿生波动鳍推进领域的研究成果，给出仿生水下推进器流场适应性控制的应用实例。因受流场信息感知和流场重构技术的限制，基于外部流场信息感知的方法尚待研究，引入迭代学习方法，采用基于内部状态感知的仿生流场适应性控制方法，有效改善了仿生波动鳍的波动推进性能，典型参数下，仿生波动鳍波动推进速度可提高近40％。

摘要： 取得部取得从控制对象观测到的、表示解释变量与目标变量的组合的多个观测数据。教师用学习部基于由取得部取得的多个观测数据，对用于根据解释变量输出目标变量的模型执行学习，生成学习完毕的教师用模型。学习用数据生成部通过对由教师用学习部生成的教师用模型输入规定的解释变量，取得针对规定的解释变量的规定的目标变量，生成规定的解释变量和规定的目标变量的组合作为用于对决策树模型执行学习的学习用数据。

摘要： 机器人控制模型学习装置(10)对于以表示在动态环境中向目的地自主行驶的机器人的状态的状态信息为输入而从包括介入环境的介入行动的多个行动中选择并输出与机器人的状态对应的行动的机器人控制模型，将执行了介入行动的介入次数作为负的报酬对该机器人控制模型进行强化学习。

摘要： 多设备协同控制装置(1)具备：服务充足度计算部(12)，从配置于同一物理空间上的传感器设备(2)获取传感器信息，转换为服务充足度；目标控制量计算部(100)，通过将服务充足度作为输入值并执行学习装置的运算处理，将每个执行器设备(3)的执行器控制量获取为输出值；以及执行器控制部(13)，将作为输出值得到的执行器控制量转换为与执行器设备(3)分别对应的控制命令并分别发送至该执行器设备(3)，由此执行控制命令。

摘要： 本发明提供一种用以实施可充分发挥预测模型的性能的预测控制的技术。本发明的一方面的控制系统根据用于构建预测模型的学习用数据集中的与指令值有关的第二数据的分布，来推定指令值可取的数值范围，并以扩大由针对给予对象装置的指令值而预先设定的第一阈值所规定的第一容许范围的方式，基于所推定的数值范围来决定针对给予对象装置的指令值的第二阈值。而且，控制系统在运用阶段中，根据来自预测模型的输出值，在由所决定的第二阈值所规定的第二容许范围内，决定给予对象装置的指令值，并基于所决定的指令值来控制对象装置的动作。

摘要： 提供一种车辆用控制装置及控制系统、车辆用学习装置及学习方法、车辆用控制方法以及存储介质。更新处理通过将车辆的状态、在电子设备的操作中所使用了的行动变量的值以及与该操作对应的奖励作为向预先确定的更新映射的输入，对关系规定数据进行更新。奖励算出处理基于通过取得处理取得的车辆的状态，在车辆的特性满足基准的情况下，与车辆的特性不满足基准的情况相比，给与较大的奖励。宽松处理使车辆的劣化程度大的情况下的基准比车辆的劣化程度小的情况下下的基准宽松。

摘要： 提供车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统、电子控制单元的制造方法以及输出参数算出装置，使用神经网络高精度地预测在时间序列上发生的现象。车辆用驱动装置的控制装置(60)具备使用利用了神经网络的已学习模型算出车辆的输出参数的运算部(81)和基于由运算部算出的输出参数控制搭载于车辆的车辆用驱动装置的控制部(82)。神经网络包括被输入第1时间点的车辆的第1输入参数的第1输入层、被输入第1时间点之后的第2时间点的车辆的第2输入参数的第2输入层、被输入第1输入层的输出的第1隐层、被输入与第1隐层的输出相关的值和第2输入层的输出的第2隐层、以及对输出参数进行输出的输出层。

摘要： 提供车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统、电子控制单元的制造方法以及输出参数算出装置，在硬件的设计值被用作神经网络的输入参数的情况下，提高输出参数的预测精度。车辆用驱动装置的控制装置(60)具备使用利用了神经网络的已学习模型算出车辆的输出参数的运算部(81)、和基于由运算部算出的输出参数控制搭载于车辆的车辆用驱动装置的控制部(82)。神经网络包括被输入车辆用驱动装置的设计值以外的车辆的输入参数的第1输入层、被输入设计值的第2输入层、被输入第1输入层的输出的第1隐层、被输入第2输入层的输出的第2隐层和输出输出参数的输出层，且构成为第2隐层比第1隐层接近输出层。

摘要： 本发明的学习模型生成方法包括对行动模型进行机器学习并输出被进行了机器学习的行动模型的步骤，行动模型是以将表示工艺的操作状态或设备的运转状态的一个以上的观测量的历史数据进行了图像化得到的图像数据为输入数据，以基于历史数据而由操作员决定的工艺或设备的操作量为输出数据，操作员决定工艺或设备的操作量的行动模型。

摘要： 本发明提供了一种多功能学习控制装置的控制电路及学习方法，通过超声波传感装置感知人体与本装置之间的距离，一旦姿势不正确，控制面板就会控制扬声器发出语音提醒使用者校正姿势；学习时间设定按钮则是根据使用者的学习计划设定，一旦学习时间到，装置也会发出提醒语音，同时装置也控制切断灯具的插座的电源，使得灯具熄灭，强迫使用者停止学习，放松眼睛，这样就能有效的从多个方面解决近视眼产生的诱因，有效的预防近视。

摘要： 本发明提供了一种多功能学习控制装置的控制电路及学习方法，通过超声波传感装置感知人体与本装置之间的距离，一旦姿势不正确，控制面板就会控制扬声器发出语音提醒使用者校正姿势；学习时间设定按钮则是根据使用者的学习计划设定，一旦学习时间到，装置也会发出提醒语音，同时装置也控制切断灯具的插座的电源，使得灯具熄灭，强迫使用者停止学习，放松眼睛，这样就能有效的从多个方面解决近视眼产生的诱因，有效的预防近视。