机电专业论文英语翻译文献

[1]ROVITHAKIS G A. Stable adaptive neuro-control design via Lyapunov function derivative estimation [ J ]. Automatica, 2001 37 (8):1213- 1221.[2]王源,胡寿松,吴庆宪.一类非线性系统的自组织模糊CMAC神经网络重构跟踪控制[J].控制理论与应用,2003,20(1):70-77.(WANG Yuan, HU Shousong, WU Qingxian. Adaptive reconfigurable tracking control of a class of nonlinear systems based on self-organizing fuzzy CMAC neural networks [ J ]. Control Theory & Applications, 2003,20(1 ) :70 - 77. )[3]LEWIS F L, YESILDIREK A, LIU K. Multilayer neural net robot controller:structure and stability proofs [ J]. IEEE Trans on Neural Networks, 1996,7(2) :388 - 399.[4]金波,俞亚新.一种自适应CMAC神经元网络控制器及其在水轮调速器中的应用[J].控制理论与应用,2002,19(6):905-908.( JIN Bo, YU Yaxin. Adaptive CMAC controller for hydraulic turbine speed governor [ J ]. Control Theory & Applications, 2002, 19 (6):905 - 908. )[5]CHEN F C, KHALIL H K. Adaptive control of nonlinear systems using neural networks [J]. Int J Control, 1992,55(6): 1299 - 1317.[6]牛玉刚,邹云,杨成梧.基于神经网络的一类非线性系统自适应跟踪控制[J].控制理论与应用,2001,18(3):461-464.( NIU Yugang, ZOU Yun, YANG Chengwu. Neural network-based adaptive tracking control for a class of nonlinear systems [ J]. Control Theory & Application, 2001,18 ( 3 ): 461 - 464. )[7]李翔,陈增强,袁著祉.非最小相位非线性系统的简单递归神经网络控制[J].控制理论与应用,2001,18(3):456-460.(LI Xiang,CHEN Zengqiang, YUAN Zhuzhi. Simple recurrent neural network control for non-minimum phase nonlinear system [ J ]. Control Theory &Application ,2001,18(3) :456 - 460. )[8]CHEN S, BILLINGS S A, GRANT P M. Recursive hybrid algorithm for nonlinear system identification using radial basis function networks [J]. Int J Control, 1992,55(5): 1050 - 1070.[9]BROWN M, HARRIS C J. Neurofuzzy Adaptive Modeling and Control [M].Hertfordshire: Prentice Hall International (UK) Limited,1994.[10]LIN C T, LEE G C S. Neural Fuzzy Systems-A Neuro-fuzzy Synergism to Intelligent Systems [M].New York: Prentice Hall Inc. ,A Simon & Schuster Company, 1996.[11]GE S S, LEE T H, HARRIS C J. Adaptive Neural Network Control of Robotic Manipulators [ M]. Singapore: World Scientific, 1998.[12]孙富春,孙增圻,张钹.机械手神经网络稳定自适应控制的理论与方法[M].北京:高等教育出版社,2004.(SUN Fuchun, SUN Zengqi, ZHANG Bo. Theory and Approaches for Stable Adaptive Control of Robotic Manipulators Using Neural Networks [M]. Beijing: Higher Education Press,2004. )[13]WIDROW B. The original adaptive neural net broom-balancer[ C ]//Proc of IEEE Int Symposium on Circuits and Systems. Piscataway,NJ:IEEE Press, 1987:351 - 357.[14]ALBUS J S.New approach to manipulator control:the cerebellar model articulation controller (CMAC) [ J]. J of Dynamics Systems,Measurement and Control, 1975,97 ( 3 ): 220 - 227.[15]HOPFIELD J J, TANK D W. Computing with neural circuits: A model [ J]. Science, 1986,233:625 - 633.[16]RUMELHART D E, MCCLELLAND J L. Parallel Distributed Processing : Explorations in the Microstructure of Cognition [ M]. Cambridge, MA: MIT Press, 1986.[17]WANG Jeen-Shing, LEE G C S. Self-adaptive recurrent neuro-fuzzy control of an autonomous underwater vehicle [ J ]. IEEE Trans on Robotics and Automation, 2003,19 ( 2 ): 283 - 295.[18]DIAO Yixin, PASSINO K M. Adaptive neural/fuzzy control for interpolated nonlinear systems [ J ]. IEEE Trans on Fuzzy Systems,2002,10(5) :582 - 595.[19]达飞鹏,宋文忠.基于模糊神经网络的滑模控制[J].控制理论与应用,2000:17(1):128-132.(DA Feipeng,SONG Wenzhong. Sliding mode control based on the fuzzy neural networks [ J ]. Control Theory & Applications, 2000,17(1):128- 132.)[20]DENG Hui, SUN Fuchun, SUN Zengqi. Observer-based adaptive controller design of flexible manipulators using time-delay neurofuzzy networks [J]. J of Intelligent and Robotic Systems,2002,34(34) :453 - 466.[21]LIU Huaping, SUN Fuchun, HE Kezhong, et al. Controller design and stability analysis for fuzzy singularly perturbed systems [ J]. Acta Automatica Sinica ,2003,29(4) :494 - 500.[22]胡寿松,周川,胡维礼.基神经网络的模型跟随鲁棒自适应控制[J].自动化学报,2000,26(5):623-629.(HU Shousong, ZHOU Chuan, HU Weili. Model-following robust adaptive control based on neural networks [ J ]. Acta Automatica Sinica ,2000,26(5) :623 - 629. )[23]PARTRICIA Melin, OSCAR Castrilio. Intelligent adaptive control of non-linear dynamical systems with a hybrid neuro-fuzzy-genetic approach [C]//Proc of IEEE Int Conf on Systems, Man, and Cybernetics. Piscataway,NJ: IEEE Press, 2001:1508 - 1513.[24]LEE Ching-hung,LIN Yu-hing,LAI Wei-yu. Systems identification using type-2 fuzzy neural network (type-2 FNN) systems [C]//Proc of 2003 IEEE Int Symposium on Computational Intelligence in Robotics and Automation. Piscataway, NJ: IEEE Press, 2003:1264 -1269.[25]PARTRICIA M, OSCAR C. A new method for adaptive model-based control of nonlinear plants using type-2 fuzzy logic and neural networks [C]//Proc of IEEE Int Conf on Fuzzy Systems. Piscataway,NJ: IEEE Press, 2003: 420 - 425.[26]MENDELAND J M, BOB John R I. Type-2 fuzzy sets made simple [J]. IEEE Trans on Fuzzy Systems,2002,10(2): 117 - 127.[27]Ezhov A A, Khromov A G, Berman G P. Analog quantum neuron for functions approximation [ C ]//Proc of Int Joint Conf on Neural Networks. Piscataway,NJ: IEEE Press, 2001,2:1577 - 1582.[28]SANNER R M, SLOTINE J J E. Stable adaptive control and recursive identification using radial Gaussian networks [ C ]//Proc of IEEE Conf on Decision and Control. Piscataway, NJ: IEEE Press,1991:2116-2123.[29]POLYCARPOU M M, IOANNOU P S. Identification and control of nonlinear systems using neural network models: design and stability analysis EE-Report 91 - 09 - 01 [ R ]. Los Angeles: University of Southem California, 1991.[30]SANCHEZ E N, BERNAL M A. Adaptive recurrent neural control for nonlinear system tracking [ J ]. IEEE Trans on Systems, Man,and Cybernetics, Part B: Cybernetics, 2000,30( 6 ): 886 - 889.[31]SUN Fuchun, LI HanXiong, LI Lei. Robot discrete adaptive control based on dynamic inversion using dynamical neural networks [ J ].Automatica, 2002,38 ( 11 ): 1977 - 1983.[32]SANNER R M, SLOTINE J J E. Structurally dynamic wavelet networks for the adaptive control of uncertain robotic systems [ C ]//Proc of the 34 th IEEE Conf on Decision and Control. Piscataway,NJ: IEEE Press, 1995: 2460 - 2467.[33]POLYCARPOU M M. Stable adaptive neural control scheme for nonlinear systems [ J]. IEEE Trans on Automatic Control, 1996,41(3) :447 - 451.[34]SUN Fuchun, SUN Zengqi, WOO Pengyun. Neural network-based adaptive controller design of robot manipulators with an observer [ J]. IEEE Trans on Neural Networks ,2001,12( 1 ) :54 - 67.[35]NARENDRA K S, PARTHASARATHY K. Identification and control of dynamical systems using neural networks [ J ]. IEEE Trans on Neural Networks, 1990,1(1) :4 - 27.[36]ROVITHAKIS G A. Tracking control of multi - input affine nonlinear dynamical systems with unknown nonlinearities using dynamical neural networks [ J]. IEEE Trans on Systems, Man, and Cybernetics-Part B: Cybernetics, 1999,29(2): 179 - 189.[37]GE S S, LI G Y, LEE T H. Adaptive NN control for a class of strictfeedback discrete-time nonlinear systems [ J ]. Automatica, 2003,39(5) :807 - 819.[38]JAGANNATHAN S, LEWIS F L. Multilayer discrete-time neural-net controller with guaranteed performance [ J ]. IEEE Trans on Neural Networks, 1996,7 ( 1 ): 107 - 130.[39]SUN Fuchun, SUN Zengqi, WOO Pengyan, Stable neural networkbased adaptive control for sampled-data nonlinear systems [ J]. IEEE Trans on Neural Networks, 1998,9(5) :956 - 968.[40]CHENG C M, REES N W. Stability analysis of fuzzy multivariable systems: vector Lyapunov function approach [ J]. IEE Proceeding of Control Theory, 1997,144(5) :403 - 412.[41]SUN Fuchun, SUN Zengqi, FENG Gang. An adaptive fuzzy controller based on sliding mode for robot manipulators [ J ]. IEEE Trans on Systems, Man, and Cybernetics- Part B: Cybernetics,1999,29(5) :661 - 667.[42]TANAKA K, WANG H O. Fuzzy Control Systems Design and Analysis-A Linear Matrix Inequality Approach [M] .New York:John Wiley & Sons, Inc. ,2001.[43]TANIGUCHI T, TANAKA K, WANG H O. Fuzzy descriptor systems and nonlinear model following control [ J ]. IEEE Trans on Fuzzy Systems, 2000,8 (4): 442 - 452.[44]WU S J, LIN C T. Optimal fuzzy controller design: local concept [J] .IEEE Trans on Fuzzy Systems,2000,8(2): 171 - 185.[45]WU S J, LIN C T. Discrete-time optimal fuzzy controller design:global concept approach [ J]. IEEE Trans on Fuzzy Systems, 2002,10(1) :21 - 38.[46]CAO S G, REES N W, FENG G. H∞ control of uncertain fuzzy continuous - time systems [ J ]. Fuzzy Sets and Systems, 2000,115 (2):171 - 190.

电火花加工( EDM )普遍进行了液体介质. 它是一种热过程中材料去除连续放电之间发生的一个电极 工件神色介质流体. 每放电ionizes局部血浆运河,那里温度变得非常高(高达1000◦三) 领导与融合沸腾金属既面临材料[1] . 利用液态一直被视为必不可少的稳定性和效率的过程中, 因为它是已知的液体作为冷却介质中的放电间隙和拆除并冲水 加工出碎片的工作差距. 因此,它扮演的一个最重要作用的材料去除机理. 电火花,是一个有益的加工方法. 它具有很大的优势,在加工工件形状特殊或难加工材料,如塑料模具, 冲模,硬质合金材料和工程材料〔2,3〕. 现在它已广泛应用于制造工程. 尽管他们广泛使用在工业今天,电火花有一些缺点. 其中最严重的缺点是,它可能会导致环境的污染[4] . 据悉,电火花可产生废弃物介质液体,它是非常有害的, 我们应该尽量避免让融入周围的环境. 在另一方面,液体介质一般煤油为基础油, 它会分解并释放有害气( CO和CH4 )在电火花 这将会伤害到健康的运营. 环保原因 绿法电火花未经污染已成为一个热门研究课题,在最近字. 电火花天然气是一种新的加工方法是由邦枝在1997年[5] . 在该方法中,电火花加工是实现天然气代替煤油基础油,使污染降低. 在这种新方法的出现,全世界感到震惊. 把它当作一个最重要的方法具有良好的前景. 但是这种方法有一个致命的弱点,缺乏稳定及低材料去除率( MRR值) . 为克服人手不足的电火花加工气,一种新的方法,超声波振动电火花加工( uedm )在天然气, 在此基础上开发. （用翻译软件）

Abstract— Cobots是连续地使用机器人的类 开发高保真度可编程序的variable传输 constraint表面。 Cobots消耗很少电能 ，既使当提供高产力量和他们的传输横跨各种各样是非常有效率的transmission比率。 Cobotic传输也有能力 to作为闸或变得完全地自由。 设计 Cobotic手控制器的and表现，最近a developed六程度自由触觉显示，被回顾。 This设备说明高力学范围和低功率 consumption可达成由cobots。 彻底的比较 the一个cobotic系统的出力效率对常规 提供electro-mechanical系统。机器人技术的Three关键要求使用为 prosthetics和修复是低重量，低功率 consumption和安全。 我们提出cobotic技术作为a 可能论及所有这些问题的transmission建筑学。 Cobots是运用nonholonomic限制的机器人 of 操纵 轮子 关连 相对 速度 mechanism链接。 cobotic传输连续地是a variable传输(CVT)在正面和阴性之间 ratios， 并且 能 关连 二 平移 速度， 二 rotational速度或者对平移的旋转的速度 velocity [1]。 我们最近介绍了Cobotic手 Controller (图 1)， a 供给动力的六程度自由 cobot和描述它的能力作为一个触觉接口[2， 3]。 通过本文路线，我们显示出， mechanical 建筑学 并且 传输 使用 在 Cobotic手控制器地址全部三在上面 机器人学的mentioned要求的弭补科和 rehabilitation.

Electric Automation 电气自动化ELECTRIC AUTOMATION DEVICE AND METHOD FOR ADJUSTING THE FUNCTIONS OF THE ELECTRIC AUTOMATION DEVICE The invention relates to an electric automation device comprising a control unit that is controlled by a computer. In order to create an automation device that can be set to predefined functions in a particularly flexible manner while requiring less testing, a computer hardware component (2) is provided with control software comprising a basic functional area which includes an operating system (3), a device driver (4), and communication modules (5) so as to form a basic automation device (1) while the basic automation device (1) is complemented with any application modules (7a, 7b, 7c, 8, 9) that can be connected to the basic functional area via a software interface (6) in order to obtain the automation device. The invention also relates to a method for producing or adjusting the functions of such an electric automation device. 电气自动化专业介绍一、专业概况 随着高新技术的发展和生产自动化程度的提高，我国国民经济发展，正在和继续需要大批技术应用型实用人才。电气自动化技术是现代制造技术中不可缺少的重要技术门类，也是一个国家科技实力乃至综合竞争力的综合反映，在工业发展中具有前导地位。电气自动化技术，集机、电、计算机、信息处理等多学科于一体，是多学科相互交叉、渗透、结系淖酆涎Э疲�诠�窬�媒ㄉ柚姓加兄匾�牡匚弧R虼耍�梢运档缙�远��际跏嵌ヌ炝⒌氐氖乱担�枪�窬�梅⒄购腿嗣裆�钏�教岣叩奈镏侍跫�� ?br> （一）、培养目标本专业培养德、智、体、美、劳全面发展，具有良好职业道德和综合业务素质，具备较强的创新意识和创业能力，掌握电气自动化技术、计算机控制技术的基础理论，能在生产、建设、管理、服务第一线从事常用电气自动化设备、常用电气设备、供配电系统和装置、计算机控制系统、PLC控制系统的安装、调试、运行和维护的实用型高技能专门人才。 （二）、培养要求及职业能力分析 1、培养要求：本专业主要学习电气自动化的专业技术知识，应具有较强的本专业技术应用能力。 2、职业能力分析 （1）具有良好的身体素质、职业道德和人文素质，较强的语言文字表达能力和一定的社会交往能力及继续学习能力。 （2）具有较强的用英语进行人际和人机交流能力，具有阅读和翻译本专业有关英文资料的能力。 （3）具有较强的在信息化社会中工作、学习、生活所必备的计算机应用能力；熟练使用电子电气CAD软件；掌握一门程序设计语言。 （4）具有分析和测试常见的电工电子线路，能设计一般电工电子应用线路，能熟练使用常规电工电子仪器、仪表，具有熟练的电工基本操作技能。 （5）熟悉常用低压电器的基本原理及使用；能熟练阅读电气控制线路的原理图与接线图；具有对常规电气设备、供配电设备等电气控制系统进行安装、调试、维护能力。 （6）具有正确选用、安装、调试、维护电力电子装置和典型交、直流调速系统的能力。 （7）具有熟练的可编程控制器应用能力。 （8）具有以嵌入式计算机数字控制技术为核心的新技术基本应用能力，对相应控制系统具有调试维护能力。 （9）具有对一般的机械零件图、产品装配图与机械、液压和气压传动系统回路的识读能力，了解常用机械设备的结构特点及工艺过程，了解常见的机械和电气的配合关系。 （10）了解企业管理的基本知识，具有一定的质量意识。 （三）、课程设置 课程设置共分五部分：公共必修课、专业必修课、专业限定选修课、专业选修课及公共选修课。 1、公共必修课包括：思想道德修养、法律基础、邓小平理论、马克思主义哲学、体育、英语、高等数学、计算机操作基础等。 2、专业必修课包括：电工基础、模拟电子技术、数字电子技术、电机及拖动基础、机械制图及公差、机械工程基础、嵌入式计算机原理及应用、C语言程序设计、自动检测与转换技术、现代电力电子技术、可编程序控制器应用、自动控制原理与系统、C语言、工厂电气控制技术、电子电气CAD、变配电技术、变频调速原理与应用、工业控制网络、DSP原理与应用及专业英语等。其中主干课程为：电工基础、模拟电子技术、数字电子技术、电机及拖动基础、嵌入式计算机原理及应用、自动检测与转换技术、现代电力电子技术、可编程序控制器应用、自动控制原理与系统等。 3、专业限选课包括：计算机控制技术、工业自动化仪表、控制电机、智能控制等。 4专业任选课包括：电工电子工艺、多媒体技术、楼宇自动化、计算机系统仿真、计算机维修、程序设计（VB）等。 5、公共选修课包括：包括两个能力模块：经济管理科学类和人文与社会科学类。 （四）、实践教学环节 1、专业主要实践教学包括：电工实验、模拟电子技术实验、数字电子技术实验、电机与电力拖动实验、可编程序控制器应用实验、嵌入式计算机原理实验、现代电力电子技术实验、电工基础课程设计、电子技术课程设计、嵌入式计算机原理课程设计、可编程序控制器应用课程设计、自控系统课程设计、综合系统实训、金工实习、电工电子实习、专业参观、综合生产实习、毕业设计等。 2、非专业实践教学包括：入学教育、军训、暑期社会实践、社团活动、体育活动、文艺活动等。 （五）、职业技能证书 本专业证书包含三个方面： 1、公共必修证书：PET、计算机一级证书。 2、专业必修证书：CAD初级、维修电工中级。 3、任选证书：CET四级证书、计算机三级证书(单片机方向）、CAD中级证书、维修电工高级证书、气液电控制技术。 （六）、本专业师资力量 学院拥有一支学术造诣高、教学经验丰富、实践能力强的师资队伍。电气自动化技术专业现有师资26人，其中副高职称以上有17人，“双师型”教师10人。能够满足公共基础课、专业基础课和专业课的理论及实践教学的需要。 二、职业前景 1、对口行业 电气自动化技术是传统而具有新内涵的专业，本专业培养拥护党的基本路线，德、智、体、美等全面发展，具备从事电气自动化技术所需要的理论知识和职业技术能力，主要在生产、建设、服务和管理等第一线工作的高级技术应用性专门人才。本专业的毕业生可就职于国防、航天、航空、航海、铁道、机械、轻工、化工、电子、电力、电信、钢铁、石油、矿山、煤炭、地质、勘测等广泛的工业、农业、科学研究领域，也可就职于现代物流及现代服务业。 2、就业前景 在上海市经济委员会的《上海制造业战略升级的行动纲要》中指出：加快推动制造业的战略升级是贯彻党的十六大精神，坚定地走新型工业化道路，实现向制造业强国转变的国家战略需要，也是上海建立新型产业体系，提高城市综合竞争力，坚持“四个中心”的客观要求。上海制造业战略升级的重点包括：高新技术产业重点发展电子信息和现代生物与现代医药制造业；交通运输设备制造业重点发展汽车、轨道交通、船舶、民用飞机；装备制造业重点发展大型成套设备、电站设备、新能源和新型环保设备制造业；原材料制造业重点发展石油化工和精细化工、精品钢材制造业；生产性服务业重点发展制造业物流、技术服务等产业；大力发展就业广、清洁型的都市型工业。根据电气自动化的内涵，上述产业无不包含电气自动化技术，同时也对电气自动化技术专业的人才提出了更高的要求。据上海市政府组织的《面向新世纪上海紧缺人才需求趋势与开发研究对策》的报告显示，复合型技术人才是紧缺的专业人才，而电气自动化技术专业是培养复合型技术人才的有效载体。可以预见在未来数年内，电气自动化专业毕业生就业前景良好。