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。     

基于反步法的农业采摘机器人移动路径跟踪控制研究

为实现农业采摘机器人路径跟踪控制,基于李雅普诺夫稳定性理论设计了一种反步法控制器。通过调节控制器参数抵消了机器人误差模型中的部分未知非线性项,简化了控制器的设计形式。利用神经网络对模型未知项和外界干扰进行估计,设计鲁棒自适应控制器在线补偿设计的神经网络的估计误差,提高了神经网络的学习精度。仿真试验结果表明,设计的控制器可实现采摘机器人在存在外界干扰作用下对期望路径的精确跟踪。     

DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

低轨无拖曳卫星的自适应神经网络控制器设计

低轨无拖曳(Drag-free)卫星为相对论的验证、引力波探测以及地球重力场的测量提供了低干扰的试验环境。目前已有的工作主要对无拖曳卫星模型进行线性化,然后进行控制器设计,此种方法忽略了无拖曳卫星控制系统的非线性环节,因此降低了控制器的精度。本文将基于Lyapunov稳定性理论和自适应反步控制,直接针对无拖曳卫星控制系统的非线性模型进行分析,设计一种自适应神经网络控制器。针对系统建模过程中的线性化和未建模动态,利用RBF神经网络对非线性项进行拟合和补偿,建立自适应神经网络权值自适应律,保证闭环系统具有较好的鲁棒稳定性能和抗干扰性能,实现无拖曳卫星控制系统的设计要求。仿真结果表明控制器的有效性,满足了无拖曳卫星的控制精度要求。     

下垂控制微电网容错运行的弹性控制框架

提出了一种下垂控制微电网客错运行的弹性控制框架,该框架以一种经济有效的方式实现功率控制.针对微电网中考虑非线性滤波电感的功率控制问题,提出了一种无传感器控制策略.首先,提出了一种虚拟通量模型用来估算输出电压信号,以取消实际电压传感器;然后,分析了非线性滤波电感对电压估计精度的影响,提出了一种基于鲁棒观测器的VF方法来消除这种影响.此外,通过在功率控制和电压控制回路中引入电压估计,提出了一种基于鲁棒观测器的无电压传感器下垂控制方法.仿真结果表明,所提出的控制策略能够在不使用电压传感器的情况下实现理想的功率控制性能.该控制器具有较好地抑制非线性电感影响的能力,提高了系统的可靠性,降低了微电网的设计成本.     

一类不确定非完整系统的鲁棒自适应衰减问题

研究了一类具有外扰的不确定链式非完整系统自适应H∞控制问题.基于state-scaling变换技巧和反推设计方法构造自适应H∞控制器,使闭环系统的干扰输入在L2增益下对系统输出的影响任意小,并且在无外部干扰时,系统是稳定的,实现了非完整系统的鲁棒自适应控制的现有结论在干扰输入情况下的推广.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合，设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识，采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单，有效的非线性控制作用，又具有神经网络的自学习，自适应能力。     

基于PSO的BTT飞行器鲁棒解耦控制设计

提出BTT飞行器的一种鲁棒解耦控制方法。针对飞行器具有非线性、强耦合、多输入多输出（MIM0）等特点,从飞行器数学模型分析通道间耦合产生的原因,并采用Gershgorin圆的方式,定量的分析系统的对角优势度;然后利用粒子群优化算法（PSO）得到小偏差线性模型的鲁棒解耦矩阵,使得系统满足对角优势的性质;最后设计鲁棒控制器,经仿真结果验证表明,该解耦方式的控制效果良好,并具有较强的工程应用价值。     

基于模糊神经网络的履带式机器人自适应滑模控制

针对履带机器人这一结构不稳定性、参数不确定性的非线性系统,本文结合神经网络理论与滑模控制,提出了基于模糊神经网络的自适应滑模控制,对不确定非线性系统的控制问题设计了控制器。本文首先建立了履带式机器人的运动学模型,以自适应滑模控制理论为基础,构建了等效控制器,依据模糊神经网络理论基础构建切换控制器,在保证控制器全局稳定性和收敛性的同时,同时获得抑制系统抖振。仿真验证了利用神经网络对履带式机器人这一非线性系s统具有较强的自适应性和鲁棒性。并且具有快速响应和较强的跟踪性能的特点。     

一种基于数据驱动的系统建模方法

提出了一种基于数据驱动的系统建模方法,采用减法聚类和模糊C-均值聚类相结合的模糊聚类算法进行前件RBF网络辨识,自适应地获得精确的聚类个数和隶属度参数;用BP算法训练后件网络的权值,从而仅利用输入输出数据,就建立了T-S模糊神经网络模型,在该过程中充分利用了BP神经网络和RBF神经网络的优点。最后用该模型对一个非线性系统进行辨识,用MATLAB进行仿真,结果表明,该方法具有可行性。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

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。     

模糊神经网络的真空木材碳化设备控制系统设计与仿真

针对目前真空木材碳化设备的控制系统具有大滞后、强耦合、时变性以及难以建立精确数学模型等特点,提出了一种模糊神经网络算法的真空木材碳化设备控制系统。通过对输入输出变量、论域及隶属函数的选择,设计出真空木材碳化设备控制器;再将神经网络与模糊控制系统相结合,得到模糊神经控制网络。对模糊神经网络控制器的算法进行了分析;在Matlab环境下编写控制器的程序,用Simulink进行仿真实验。结果表明:模糊神经网络控制器的真空木材碳化设备输出的温度曲线,稳态误差为0、最大偏移量为1℃、调节时间约为8 s、超调量为2%;湿度曲线在6 s时即可达到稳定,稳态误差为0、最大偏差为1%、超调量为4%;加入扰动后,误差能被快速消除,温湿度的波动幅度相对减小,系统的稳定性更强。模糊神经网络控制器,可减小调节时间、消除误差、提高控制精度,具有很好的鲁棒性。将二者结合设计出的模糊神经网络控制器,具有自适应、学习、识别和模糊信息处理等功能,在处理大规模复杂的模糊应用问题方面具有更好的控制效果。     

基于神经网络的自适应模糊控制器

提出了一种基于神经网络的自适应模糊控制器。控制器由一个模糊神经网络和一个人工神经网络组成,具有自适应和自学习能力,计算机仿真实验证明了这种控制器的有效性,控制性能优于常规的模糊控制。     

基于T-S 模型的神经网络在小陇山森林健康评价中的应用

综合考虑T-S模型的精确性及快速性和BP神经网络的自适应能力,提出了基于T-S模型的模糊神经网络的森林健康评价模型,并利用MATLAB7.5编写程序。以小陇山油松林为例,进行计算,将结果呈送给多位小陇山林业专家,专家们对评价结果均满意。     

基于模糊神经网络的保鲜冷库节能研究

为了克服冷库空调系统的设备频繁启停和系统节能效率不高的问题,针对保鲜冷库制冷系统提出了基于Elman神经网络的模糊控制算法的优化改造,采用不同的温度偏差作为模糊控制系统的输入量,模糊控制规则由Elman神经网络在线学习实时生成,调控优化制冷系统的运行状态。试验数据表明,改进的保鲜冷库系统节能效果明显,提高了运行的平稳性,基本克服了压缩机频繁启动的问题。     

基于Zigbee网络的中华绒螯蟹养殖中溶氧量智能控制系统研究与应用

随着信息技术和规模化水产养殖的发展,传统的养殖模式将会逐渐被智能水产养殖所取代。构建了基于Zigbee的中华绒螯蟹养殖中溶氧量的智能控制系统,并着重研究了蟹塘的增氧控制算法,针对溶氧量变化的非线性、大滞后、不确定、大惯性等特点,提出了模糊RBF神经网络改进的PID控制策略,并通过Matlab进行模糊RBF神经网络控制器与常规PID控制器和模糊PID控制器进行仿真对比,同时在某中华绒螯蟹养殖基地进行模糊PID控制器和模糊RBF神经网络控制器进行应用实验对比,证明了模糊RBF控制器能够更好地满足中华绒螯蟹养殖溶氧量的控制要求。     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

神经网络自适应控制在攻击直升机中的应用

研究了神经网络自适应控制在直升机飞行控制系统中的应用。首先将直升机姿态角系统划分为快慢回路 ,并分别采用动态逆方法进行设计 ;针对动态逆方法的优点和不足 ,提出了小波神经网络自适应逆控制方案 ,把BP小波神经网络和基于李亚普诺夫稳定的小波神经网络分别应用于直升机飞行控制系统中 ;最后对典型机动飞行进行了仿真 ,说明小波神经网络方法应用的正确性和有效性。仿真结果证明 ,本文采用的小波神经网络自适应控制方法效果好 ,具有工程应用价值