飞行控制律设计中非线性动态逆方法的应用探讨

动态逆是一种精确反馈线性化的方法,因其能够有效地消除系统的非线性因素而被广泛应用到飞行控制律设计之中。因此,对飞行控制律设计中非线性动态逆方法的应用进行探讨,有着重要的意义。本文先对动态逆方法做一个概述,然后再在此基础上具体对非线性动态逆方法在飞行控制律设计中的应用进行分析,以此来为业内人士提供相关的参考依据。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

现代金融区域辐射力研究——基于长沙对湖南省内其他市州辐射力的实证检验

对于Buck变换器系统，考虑到实际应用中负载变动引起系统参数的不确定性，且不确定性上界无法测量的情况，本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题，为了避免普通滑模控制跟踪误差渐进收敛的问题，改善其动态响应速度和稳态性能，本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器，并通过Simulink仿真验证这种方法的可行性。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

采摘机械臂的自适应神经网络滑模控制

针对采摘机械臂的位置终端的精确控制问题,提出了一种将自适应神经网络与滑模控制相结合的控制策略.首先通过神经网络来估计系统模型中的不确定性,提出了一种具有神经网络补偿作用的滑模控制器,基于李雅普诺夫稳定性理论证明了闭环系统的稳定性,并改善了系统的动态性能.仿真试验表明,该控制方法能够有效地削弱抖振现象,具有很好的鲁棒性和动态特性.     

基于优化动态小波神经网络的网络安全态势评估

为了分析网络威胁的演化趋势,并探讨安全态势的自主感知和调控问题,将动态小波神经网络融入模型的设计,提出一种基于优化动态小波神经网络的网络安全态势评估,增强网络安全系统的层间交互和认知能力。仿真实验结果表明:基于优化动态小波神经网络的网络安全态势评估及方法能够态势提取异质安全数据,动态感知威胁的演化趋势,并具有一定的自主调控能力,达到了态势评估的研究目的,为监控和管理网络提供了新的方法和手段。     

一种新的电液伺服系统神经网络自适应控制

提出一种基于直接模型参考的神经网络与滑模变结构控制相结合的神经网络自适应控制方法并对电液伺服系统进行控制,仿真结果表明用该控制方法的控制系统能实现较高粗度的控制,且具有较强的鲁棒性和自适应能力,具应用价值。     

基于神经网络PID的无人机自适应变量喷雾系统的设计与试验

【目的】针对传统植保无人机在定量喷施作业时由于飞行速度的变化造成施药不均匀以及传统控制算法无法满足无人机变量喷雾系统所需的实时性和稳定性等问题,设计一种基于神经网络PID的自适应无人机变量喷雾系统。【方法】采用风压变送器测出无人机的飞行速度,根据速度采用脉宽调制(PWM)方法进行自适应变量喷雾,同步用流量传感器测出实际喷雾流量,融合BP神经网络PID控制算法调节喷雾流量。由MATLAB构建BP神经网络PID控制算法,并与PID、模糊PID和神经元PID对比及分析;田间试验过程中,对比分析无人机定量喷雾与随飞行速度改变的变量喷雾效果,采用水敏纸获取雾滴沉积量分布,分别从整体区域、飞行方向和喷杆方向评价沉积量分布的均匀性。【结果】算法仿真对比试验结果表明,与PID、模糊PID和神经元PID相比,BP神经网络PID阶跃响应上升时间分别少28.57%、84.73%和31.03%,正弦跟踪平均误差分别小63.01%、87.03%和0.58%,方波跟踪平均误差分别小74.00%、79.53%和6.80%,鲁棒性强,无静差,超调量为1.20%;喷雾对比试验结果表明,本系统能够根据飞行速度自适应调节喷雾流量,实际流量与目标流量的平均偏差为8.43%,水敏纸扫描结果表明总体区域雾滴沉积量的变异系数对比定量喷雾平均降低26.25%,喷杆方向平均降低18.79%。【结论】该研究结果可为农业航空变量喷雾技术的应用提供理论基础。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视.对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求.由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证.仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势.     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

总线型粒子群神经网络谷物干燥机控制系统设计

针对谷物干燥过程存在本构非线性、多参数、大滞后等特点,采用Elman神经网络对干燥过程进行建模,并融合自适应粒子群优化算法设计了谷物干燥机智能控制系统,同时给出了系统测试结果。系统硬件设计采用上位工控机实现建模和优化算法,热风温度、谷物含水率等采用C8051F020单片机通过总线方式进行采集,系统控制参数由工控机计算优化获得并通过串口传送给单片机,并由其控制相应变频器和电动风阀等执行机构。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。