搜索结果: 1-15 共查到“知识库 控制科学与技术”相关记录6781条 . 查询时间(1.812 秒)
车辆自主驾驶的弹性事件触发控制方法及系统(图)
自主驾驶 弹性事件 触发 控制方法
2024/10/29
江西农业工程职业学院机电工程学院专业设置(图)
江西农业工程职业学院 机电工程学院 专业设置
2024/7/1
江西农业工程职业学院——机电工程学院是在原樟树农业学校工科专业科的基础上发展起来的,从1940年到现在,已有79年的办学基础和办学经验,为社会培养了上万名专业技术人才。目前机电工程学院开设有:机电一体化技术、机器人应用技术、电子信息工程技术、模具设计与制造(富士康模具工程师班)、数控技术(电气控制与自动化方向)、汽车检测与维修、农业装备应用技术等6个专业和专业方向。
喷杆自平衡控制系统(图)
喷杆 自平衡 控制系统
2024/9/4
基于数字处方图的种肥变量播施控制系统(图)
数字处方图 种肥变量 播施 控制系统
2024/9/4
天津科技大学人工智能学院计算机视觉与自动驾驶团队介绍(图)
计算机视觉 自动驾驶
2024/8/11
燕山大学机械工程学院获国家级奖励项目(图)
燕山大学 机械工程 国家级 奖励项目
2024/3/7
针对轧机机电液垂扭耦合系统存在耦合振动问题,提出一种基于耦合反步法的轧机垂扭耦合振动抑制控制策略.首先考虑轧机传动系统、液压系统与辊系机械间的相互影响,根据动力学定理,建立轧机机电液垂扭耦合振动数学模型.其次考虑到轧机耦合垂振系统和耦合扭振系统间存在状态耦合关系,利用耦合反步法,解决了振动控制器设计中存在的相互嵌套问题。
机械臂变长度误差跟踪迭代学习控制
迭代学习控制 误差跟踪 变迭代长度 机械臂
2024/1/16
针对任意初始状态下机械臂轨迹跟踪问题,提出一种变长度误差跟踪迭代学习控制(Iterative learning control,ILC)方法.首先,构造不依赖于期望轨迹的双曲余弦型期望误差轨迹,放宽经典迭代学习控制初始状态要求严格一致的条件.由于该误差轨迹只需设置一个常数项,因而能够有效减少计算量,使得期望误差轨迹的设计更为简单.其次,考虑机械臂运行区间随迭代次数变化的问题,构建虚拟误差变量补偿机...
2023年度自动化领域(F03)国家自然科学基金项目申请与资助情况综述
自然科学基金 自动化 年度总结
2024/1/16
本文对2023年度国家自然科学基金委员会自动化领域(申请代码F03)下的面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目的申请与资助情况进行了统计分析,并对面上项目和青年科学基金的项目申请与资助依托单位、申请代码分布等情况进行详细分析,介绍了本领域按科学问题属性分类的评审试点和“负责任、讲信誉、计贡献”评审机制试点工作,最后进行了总结和展望。
中值互补集合经验模态分解
模态分裂 中值算子 互补白噪声 互补集合经验模式分解
2024/1/16
针对经验模态分解(Empirical mode decomposition,EMD)系列方法存在的模态分裂(Mode splitting,MS)问题,提出中值互补集合经验模态分解(Median complementary ensemble EMD,MCEEMD)算法.通过概率模型量化互补集合经验模态分解(Complementary ensemble EMD,CEEMD)的MS问题,证明了使用中值算...
智能网联电动汽车节能优化控制研究进展与展望
智能网联 电动汽车 节能 优化控制
2024/1/16
提升纯电动汽车整车能效、降低百公里耗电量,是我国新能源汽车产业发展的重大需求.智能网联背景下,V2X(Vehicle to everything)网联信息以及激光雷达、毫米波雷达、摄像头、定位及导航装置等各类车载传感器,为智能网联电动汽车(Connected automated electric vehicle,CAEV)提供了全方位的信息交互、共享和状态感知能力,赋予了其巨大的节能优化潜力。
基于扩展PI抗扰补偿器的高精度时间同步控制
扩展PI抗扰补偿器 零极点优化/时间同步 网络控制系统 周期性扰动
2024/1/16
高精度时间同步是任务关键型工业网络控制系统的核心支撑技术,针对工业环境中普遍存在周期性振动等扰动信号导致晶振频率漂移,影响时间同步精度的问题,基于扩展比例积分(Proportional integral,PI)观测器,提出一种新型的抗扰补偿器结构,用于消除周期性扰动的影响,并构建了相应的精细抗干扰反馈控制方法,用于实现高精度时间同步。
基于滚动时域强化学习的智能车辆侧向控制算法
滚动时域 强化学习 智能汽车 侧向控制
2024/1/16
针对智能车辆的高精度侧向控制问题,提出一种基于滚动时域强化学习(Receding horizon reinforcement learning,RHRL)的侧向控制方法.车辆的侧向控制量由前馈和反馈两部分构成,前馈控制量由参考路径的曲率以及动力学模型直接计算得出;而反馈控制量通过采用滚动时域强化学习算法求解最优跟踪控制问题得到。