根据电压型PWM整流器在同步旋转dq坐标系中建立的整流器功率控制数学模型,基于功率前馈解耦,解决了有功功率和无功功率互为耦合问题.为克服整流器电流控制策略、直接功率控制策略及非线性控制策略的不足,提出了采用功率内环、直流电压平方外环电压型PWM整流器的新控制策略.由于采用直流电压平方外环,提高了整流器直流电压跟踪和功率跟踪能力,使系统具有响应快、稳定性好、抗负载扰动能力强及结构简单的优点.给出了系统控制器的设计方法.通过正常负载及负载扰动情况下的计算机仿真,证明了新控制策略的可行性

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

阐述了用新型AMSLER高频疲劳试验机,结合计算机控制测定材料门槛值△Kth的新方法.该方法通过在恒应力比R下疲劳一定周次后,频率下降不超过某一特定值,从而得到门槛值△Kth

（1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址的内容形成各种所需的动作。 （2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数神经元都受到抑制

(1） 产生的背景 (a) 更好的映射非线性函数 (b) 模拟人类神经系统,分工合作 (c) 在控制中,克服“时间交叉” (Temporal Crosstalk) 现象

对一种新型的四足变结构机器人进行了运动学分析.首先建模分析了单条腿的运动速度;然后综合考虑机器人车身本体的运动和变形以及四条腿的运动状态,对机器人整体进行了运动学分析,提出并建立了机器人的全局速度方程;最后将全局速度方程应用到机器人的速度分解控制中,使该控制方法的应用领域从串联机器人扩展到多足移动(串并混联)机器人,并以变结构四足机器人的车身原地收缩运动为例,验证了这种方法的可行性

神经元网络的特点： （1）非线性 （2）分布处理 （3）学习并行和自适应 （4）数据融合 （5）适用于多变量系统 （6）便于硬件实现

原理：从小脑活动只获取启发 （1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址的内容形成各种所需的动作。 （2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数神经元都受到抑制

(1）非线性 (2）分布处理 (3）学习并行和自适应 (4）数据融合 (5）适用于多变量系统 (6）便于硬件实现

模块（组合）网络 （1） 产生的背景 （a) 更好的映射非线性函数 （b) 模拟人类神经系统,分工合作 （c) 在控制中,克服“时间交叉”(Temporal Crosstalk) 现象