简介：探讨了漂浮基空间机械臂系统在轨捕获参数未知目标卫星后组合体航天器的镇定控制问题.首先在耦合空间机械臂系统捕获目标卫星操作过程动量、冲量的传递的基础上,建立了适用于漂浮基空间机械臂系统在轨捕获漂浮卫星控制系统设计的组合体航天器数学模型.利用该模型,设计了一种基于模糊高斯基神经网络的非奇异Terminal滑模控制算法.提出的控制算法不仅不要求系统动力学方程关于惯性参数呈线性函数关系,而且也不需要预知系统惯性参数;由于利用神经网络的自学习能力修正模糊控制的控制规则和隶属函数,这样在系统参数识别中,模糊神经网络可减少模糊规则数,更适应于空间机械臂系统在轨捕获的实际应用.最后通过仿真试验对比结果验证了所提出的控制算法的有效性.

简介：提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.

简介：利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型，通过数值模拟的方法，提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学．结果发现，当耦合项中不含时滞时，适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优，即适中的参数异质性能够诱导神经元网络的共振响应，而且异质性诱导共振对耦合强度具有鲁棒性．更重要的是，耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响．当时滞约为信号周期的整数倍时，神经元网络能够周期性地出现共振现象，即适当的耦合时滞能够诱导神经元网络的多重共振，而且这种现象在异质性参数的适当范围内都能明显出现．