轧制控制过程中轧辊偏心信号是影响带钢厚度精度的重要因素.针对该类问题,将基于设定记忆长度的在线反向传播算法用于对偏心信号的检测.通过与普通在线反向传播算法在检测性能上的对比表明:该方法具有学习收敛速度快,抗噪声能力强等特点,可有效使变幅、变相和变频的偏心信号引起的厚度波动减少95%左右,从而准确地补偿由偏心信号引起的厚度偏差,提高轧钢过程中的带钢厚度精度

通过本课程的学习，使学生建立线性离散系统控制理论的基本概念，掌握线性离散系统分析和设计的一般规律。使学生能够利用脉冲传递函数对离散系统的稳定性、稳态误差、动态性能进行分析，实现对离散系统的设计。本课程还要求学生掌握非线性控制系统的基本内容，掌握非线性控制系统的特点，非线性特性的线性化，非线性特性对系统的影响，利用相平面法及描述函数法对非线性系统进行分析。本课程的学习将为后续课程的学习打好基础，也为学生以后从事实际工作和科研奠定一定的理论基础。教学重点、难点：1、线性离散系统控制理论的基本概念，信号的离散化与信号保持器，Z变换定理。2、闭环脉冲传递函数的求取，系统动、静态特性的分析。3、离散系统的设计（串联模拟校正，最少拍系统的设计）。4、非线性控制系统的特点，非线性特性的线性化，非线性特性对系统的影响。5、非线性系统的描述函数分析；6、相轨迹的绘制与分析。奇点及奇线的分析与确定，自激振荡存在性及自振参数的确定

本章应重点理解PN结的单向导电性，三极管的电流控制特点；掌握半导体二极管、三极管的模型；能利用三极管的直流、交流小信号模型分析简单的三极管应用电路；深入理解放大的实质及利用三极管构成小信号放大器的一般原则；掌握三极管放大电路的三种基本组态及其特性，进而理解工程实用放大器电路组成原理及特点；理解场效应管的电压控制特点，对照三极管理解场效应管的外特性、模型及其应用

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性

测量的基本知识(包括误差、信号描述、测量装置的基本特性） 传感器技术（包括常用传感器原理） 信号处理技术（包括模拟和数字信号处理方法） 课程主要内容 常用参量的测试（包括应力应变、力、振动、温度和流量） 综合试验（包括机械量的动态测量和控制） 本章学习要求： 1.掌握测试技术的概念及研究内容 2.了解测试技术的地位与作用 3.了解测试技术的应用情况 4.掌握测试系统的基本构成 5 .了解测试技术的发展动态 6.了解主要测试仪器生产厂商 第一讲 测试技术绪论 2.1、测量的基本知识 2.2、静动态试验数据的描述 2.3、测量系统的基本特性 第二章 测量技术 第二章 测量与测试信号分析的基础（信号的描述与分析） 第三章 测试系统的基本特性 第四章、测试系统特性 第四章 传感器技术 第五章 模拟信号调制、滤波和模数转换 第七章 信号处理初步 第四章 常见参量的测试

本文论述了用改进的快速富里叶变换方法和最小二乘方法分析、估算在冷轧过程中由轧辊偏心引起的周期性变化信号。并以此信号为依据,控制轧钢机的压下系统,实现对偏心的动态补偿。最后介绍了清除由于分析、估算中的误差给偏心补偿带来的影响的措施

本文介绍了弧焊机器人在进行\V\型坡口对接焊或角接焊时,为了跟踪焊缝轨迹而进行的焊缝位置检测方法-电流检测法.通过对焊接电流信号的数字处理,提取了反映焊枪与焊缝相对位置的特征信号,定时向机器人控制器提供修正信号,从而使固定在机器人手臂上的焊枪准确地跟踪焊缝

构建了以FPGA为核心芯片的高速图像采集与处理系统,图形采集频率可达13.5MHz.在该系统中,采用了视频A/D芯片SAA7111A将电视信号转换成数字信号,并由FPGA作为控制器将数字信号存入SRAM中,以便进行处理,提取有用数据;系统还采用了EZUSB2131Q芯片来进行处理后的数据与PC机的传输

现代电力电子设备对非平稳、时变电压信号十分敏感,基于此提出了一种网侧电压异常检测与预报的方法,通过对网侧电压信号进行实时检测,向相关电力电子设备的控制电路发送网侧电压异常预报信号.为消除电压信号中的常规噪声干扰,首先采用线性跟踪微分器对网侧电压信号进行滤波,在此基础上,通过引入小波变换模极大值法检测奇异点,对滤波后的信号进行电压突变点的判断,目标是准确预报出电网电压中可能对电力电子设备造成危害的异常点.仿真与实验结果表明,基于线性跟踪微分器的小波信号检测能够实时准确地获得理想信号的最佳逼近,提高了网侧电压故障检测速度,通过实时的检测与分析,该方法能够为电力电子设备提供具有参考价值的预报信号