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：以两对边简支另两对边自由的功能梯度材料板为研究对象,首先建立了考虑材料物性参数与温度相关的、在热/机械载荷共同作用下的几何非线性动力学方程,采用渐进摄动法对系统在1：1内共振-主参数共振-1/2亚谐共振情况下的非线性动力学行为进行了摄动分析,得到系统的四自由度平均方程,并对平均方程进行数值计算,分析外激励对系统非线性动力学行为的影响,发现在一定条件下通过改变外激励可以改变系统的运动形式,产生混沌运动.另外,第二阶模态的幅值远比第一阶模态的幅值大,这应该是两阶模态耦合产生内共振的结果,因此,研究该类结构的非线性动力学行为时不应该只考虑一阶模态,而应考虑到前两阶甚至更多阶模态的相互作用,以便于更好地利用或控制其运动形式.

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．