发动机神经网络自适应PID转速控制

为提高发动机怠速控制的准确性,解决非线性、复杂的系统控制问题,详细介绍发动机模型建立方法、转速神经控制的结构和神经网络的形式,并将神经网络同PID控制很好的结合起来,以有效解决发动机转速控制问题。     

半主动空气悬架神经网络的自适应控制

针对半主动空气悬架这种时变的、非线性复杂系统,提出基于神经网络的自适应控制策略,设计了神经网络辨识器和控制器。仿真计算表明,神经网络自适应控制的半主动空气悬架具有明显的减振效果。为了验证仿真效果,还进行了台架试验,研究结果表明车身振动幅度可下降30％左右。仿真和试验研究均表明,所提控制策略是正确的和有效的。     

汽车防抱死制动系统神经网络自适应控制

针对汽车ABS系统在冰雪等湿滑不平的路面上制动效能下降的情况,本文在对ABS制动特性进行分析的基础上,建立了其数学模型,提出了一种基于神经网络的汽车ABS系统自适应控制方案。控制器由标称控制律和补偿控制律组成,并在Matlab/Simulink环境中进行仿真模拟。为检验控制策略合理性和控制软件可行性以及自主设计ECU的可靠性,进行了装车对比试验。理论分析和仿真计算、试验结果均证明:本文提出的控制策略具有更好的控制效果和鲁棒性,汽车在不良路面上的制动效能也得到明显改善。     

基于神经网络的AMT离合器自适应温度补偿控制

采用电－液控制的机械式自动变速器（AMT）控制品质受液压油温度的影响很大，克服液压系统温度对AMT离合器工作过程的影响是AMT产品化进程的一项重要工作。本文应用神经网络辨识的方法建立了无脉宽调制离合器接合过程模型及离合器分离过程温度－压力补偿模型，并在此基础上提出了基于神经网络的离合器自适应温度补偿控制方法。试验证明，该控制方法是有效可行的。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.     

馈能悬架自适应离线神经网络逆控制

在馈能悬架系统馈能回路中引入Boost/Buck型DC-DC变换器,将DC-DC变换器的非线性数学模型描述为稳态分量和扰动分量之和,设计了自适应离线神经网络逆控制器。控制器由离线神经网络逆控制器和自适应控制器组成,离线神经网络逆控制器产生直流变换器的稳态输入,并利用变换器的稳态分量产生训练离线神经网络逆控制器的样本,自适应控制器产生补偿系统参数变化和不确定性扰动的动态输入。在此基础上,对控制器的性能进行了快速控制原型试验验证。最后,对馈能悬架进行了仿真研究。结果表明,自适应离线神经网络逆控制器能够使电动机电磁阻尼力较好地跟踪理想力,改善车辆的舒适性和平顺性,并有效地回收部分悬架振动能量,实现自供能控制。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿。由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析。仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性。     

改进BP算法的轮胎侧向力神经网络模型

用改进的误差反向传播 (BP)算法建立了轮胎侧向力的数学模型 ,研究了模型精度与网络结构、训练方法之间的关系。结果表明 ,该算法克服了传统BP算法网络收敛速度慢及易陷入局部极小点的两个缺点 ,能较精确地对轮胎侧向力进行建模     

自适应滴头的控制体受力分析

为分析自适应滴头的自动调流功效,研究了自适应滴头控制体的弹性调节膜原始尺寸和装配后的预变形挠度,进行了弹性调节膜的综合受力分析,并运用力学的作用应力、挠度和有效面积以及接触面的密封比压等理论分析与计算方法,得出控制合力对接触面的实际密封比压。结果表明：自适应滴头弹性膜片在装配变形挠度产生的预紧力和土壤负压20 kPa等控制分力的共同作用下,产生的最小实际密封比压为0.61 MPa,而计算的理论密封比压也为0.61 MPa,符合两个接触面正向压紧密封需要的“实际密封比压不小于理论密封比压”条件,足以维持滴头的初始断水模式,并处于止水、通水的临界状态。当土壤继续干旱、土壤负压微微变大到21 kPa以上时,实际密封比压降至0.54 MPa,远小于理论密封比压,滴头即开始滴水,进入自动调节通水状态,有效地实现了自动调流功效。     

神经网络理论在轮胎力学建模中的应用

神经网络理论在轮胎力学建模中的应用崔胜民轮胎力学特性的精确描述是研究车辆运动性能的基础，但目前使用的模型难以精确描述多工况下的轮胎力学特性。最近发展起来的人工神经网络理论为建立精确的轮胎力学特性模型提供了一个有力工具。本文简要介绍人工神经网络中的ＢＰ...     

电动助力转向与主动悬架模糊神经网络集成控制

在建立汽车电动助力转向和主动悬架系统的集成模型基础上,利用神经网络自适应学习功能推导集成系统模糊控制规律,设计了模糊神经网络控制策略,对转向行驶工况下的集成系统进行了大量的计算分析。研究结果表明,采用所提出的集成控制策略能有效地实现对汽车平顺性、操纵稳定性、安全性的集成优化,从而使得整车动力学性能得到较大改善。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

基于自定义神经网络的EPS助力特性研究

对电动助力转向(EPS)系统的助力特性进行了分析,并利用搭建的自定义神经网络模型对助力特性曲线进行预描,在MATLAB中得到的仿真结果是一组非常理想的助力曲线。这表明该自定义网络能有效预测EPS的助力特性,同时也为后期的回正控制策略研究提供了思路。     

农作物缺素症状诊断的正则化模糊神经网络模型

针对农作物冠层图像颜色特征与缺素症状之间的模糊性和不确定性,利用模糊逻辑能够完整地表达领域推理规则和神经网络的自适应性,提出一种正则化的自适应模糊神经网络作为作物营养诊断分类决策模型。该模型能充分利用专家先验知识给出的"if-then"规则,完善网络的推理结构,并给出了网络规则层节点的自适应选取方法和相应的反向传播学习算法。通过对大豆缺素症状诊断试验表明,该模型速度快且稳定,精度接近100%,具有良好的适应性和实用性。     

基于BP神经网络的高速开关阀多级电压控制策略

为了提高液压系统控制精度,通过分析几种常用驱动策略下阀芯的动态特性以及进油口压力对动态特性的影响,提出了一种可适应进油口压力变化的多级电压激励驱动策略,与常用的双电压激励策略相比具有更好的动态特性,阀芯开启、关闭时间分别降至2. 2、1. 7 ms,线圈热功率降低了68. 5%。设计了一种通过PWM调制、可输出0～60 V之间任一电压的驱动电路。采用BP神经网络对PID参数进行整定,可实现液压缸位移的精确控制。在自适应电压激励与BP神经网络联合控制策略下,恒流量液压系统液压缸位移误差在-0. 3～0. 3 mm之间,变流量液压系统液压缸位移误差在-0. 5～0. 5 mm之间。