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。     

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。     

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。     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

木材干燥模糊自适应滑模控制器设计

依据模糊理论解除木材干燥窑温度和平衡含水率间的强耦合关系,在建立木材干燥模型基础上,设计木材干燥模糊自适应滑模控制器;应用仿真和木材干燥试验,对比分析传统PID控制器、滑模控制器、模糊自适应滑模控制器的控制性能和干燥质量的差异.结果表明:模糊自适应滑模控制器具有较好的控制性能和干燥效果.与传统PID控制器、滑模控制器相比,木材干燥模糊自适应滑模控制器的最大超调量更小、响应时间更短,并且在相同的干燥基准时的干燥时间更短、能耗更低.木材干燥模糊自适应滑模控制器有效地提高了木材干燥系统的性能,降低了能源消耗.     

STATCOM的变结构神经网络模糊控制研究

提出了STATCOM用于维持接入点母线电压稳定的控制策略,根据控制策略设计了STATCOM的变结构神经网络模糊控制器.在设计控制器时,通过专家经验法和模糊规则自生成法对模糊规则知识库进行了初始化;通过变结构神经网络对模糊规则进行在线调整,增强了控制器的自学习、自适应能力;采用了基于语言变量优化匹配的原则对模糊逻辑推理进行优化,减少模糊推理的计算量,提高运算速度.数字仿真结果验证了该控制方法的有效性和正确性.     

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。     

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.     

基于模糊神经网络的电控发动机诊断专家系统的研究

发动机出现故障的机率较高,一般占整车故障的40%左右。研究发动机故障诊断专家系统,可以及时、准确进行故障定位,提高工作效率。但是传统专家系统存在推理效率低、自学习能力差等缺点。本研究将模糊逻辑和传统神经网络相结合形成模糊神经网络,建立了模糊神经网络(FNN)故障诊断模型,并将该模型应用于发动机故障诊断,优势互补,提高了专家系统的推理效率和自学习能力,其性能高于传统的BP网络。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

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。     

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。     

铁观音茶烘焙机温度小超调模糊-PID控制

针对模糊控制的不足和PID控制的缺点,提出铁观音茶烘焙机模糊-PID分段控制策略,综合了模糊控制和PID控制的优点,对传统模糊控制方法与PID参数整定进行了改进,使得系统在小超调的情况下获得最短的温度调节时间.仿真与试验结果表明该控制器设计方法简单实用,具有良好的控制效果.