基于灰色预测的孵化改进模糊控制系统

针对孵化过程具有的非线性、不稳定性、大滞后和多干扰等特征,提出了一种基于灰色预测的孵化改进模糊控制方法。灰色预测主要是通过预测孵化参数方便后续控制,而改进的模糊控制方法引入比例环节,克服了传统模糊控制器结构上的不足,能够较好地适应具有大延迟特性的对象。仿真结果表明了该方法的优越性和有效性。     

禽蛋孵化过程组合预测研究

针对孵化过程是一个具有高度非线性、大滞后、时变特性且强耦合性的农业生产过程,提出了一种基于灰色预测和联想记忆神经网络的组合预测方法.该模型首先利用灰色预测模型和联想记忆神经网络分别对焦炉禽蛋孵化过程温、湿度进行预测,然后采用方差-协方差优选组合预测法对2种单一模型的预测结果进行加权集成,以获得较为准确的预测精度,实现孵化过程温度和湿度的有效预测.运行结果表明,组合预测模型均方根相对偏差为0.9％.     

联合收获机喂入量灰色预测模糊PID控制

针对联合收获机控制系统的非线性、复杂性,将灰色预测理论和模糊PID控制设计思想相融合,建立了灰色预测数学模型,设计了灰色预测模糊PID控制器,并将其应用于喂入量的控制.仿真表明,灰色预测模糊PID控制算法可以提高传统PID控制和模糊PID控制的质量及鲁棒性,改善系统性能,获得较好的控制效果.     

基于补偿模糊神经网络的氧乐果合成控制研究

针对氧乐果合成反应过程温度具有时变、延时等非线性特性,研究了补偿模糊神经网络控制系统。首先确定了补偿模糊神经网络的初始结构和初始参数,再通过动态调整补偿的改进BP算法来调整参数,实现温度的实时控制。仿真结果表明:补偿模糊神经网络控制系统收敛速度快、适应性强,在温度控制方面取得了比较满意的控制效果。     

基于自适应预测控制的PEMFC动态特性研究

质子交换膜燃料电池(PEMFC)是具有多参数影响的复杂系统,针对其时变、非线性及不确定性导致其输出动态特性难以控制的问题,设计了自适应预测控制器。该控制器以PEMFC系统的神经网络模型作为预测模型,充分利用神经网络对非线性系统的拟合能力,并在控制过程中实时对神经网络连接权值、阈值进行优化,实现自适应预测的滚动优化,保证了控制器对PEMFC控制的实时性;在控制过程中将输出电压分别反馈至自适应模型及预测控制前端,以提高系统的响应速度和控制精度。验证结果表明:基于自适应预测的控制方法具有较强的鲁棒性,学习能力强,控制精度高,并具有自适应能力,对质子交换膜燃料电池输出动态特性的稳定性具有较好的控制效果。     

灰色预测模糊PID灌溉控制技术开发

针对节水自动灌溉中的水肥比例调节和灌溉精度低的控制问题,设计了基于PID控制、模糊控制和灰色预测控制相结合的控制算法,在PID控制的基础上,通过模糊规则进行模糊推理,查询模糊矩阵表进行参数自整定,从而实时调整PID各项参数,加入多因素灰色预测MGM(1,n)解决时滞现象,进行有效的预测作物的需水量,达到对系统的精确灌溉控制。运行测试:该系统与常规PID控制相比,超调量降低了14.68%,系统的调节时间减少了86.62%;比较模糊PID控制,超调量略上升了1.9%,同时调节时间减少了77.71%;并验证了其在水肥浓度和肥量精量控制中,系统响应速度快和实时性好,稳定,大幅度提高了水肥灌溉效果。     

基于模糊神经网络的磁悬浮球位置控制研究

为了实现磁悬浮球系统高精度位置控制,提出一种基于模糊神经网络补偿PID控制的磁悬浮球系统位置控制新方法,该控制系统由模糊神经网络辨识器、PID控制器和模糊神经网络控制器组成。模糊神经网络辨识器基于PID控制器所提供的训练数据,建立控制系统误差与控制量之间的动态模型并将网络辨识参数实时传递至模糊神经网络控制器,模糊神经网络控制器基于实时辨识模型计算得到当前周期的补偿控制量,实现对PID控制的在线动态补偿,避免了离线训练过程,且无需建立精确的数学模型。方波信号仿真和实验结果表明:模糊神经网络补偿控制精度分别由PID控制的0.014 2 mm和0.221 1 mm提升至0.006 8 mm和0.073 9 mm,控制系统具有良好动态性能。     

河川径流预测方法比较研究

通过实际算例分析比较了灰色预测模型、小波分析法、小波神经网络和模糊神经网络河川径流预测方法,结果表明：灰色预测模型和小波分析法预测结果误差比较大且分布不均匀,小波神经网络和模糊神经网络预测结果明显好于灰色预测模型和小波分析法。     

基于递阶遗传算法优化的交通流预测

及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。     

基于神经网络的柴油机共轨系统轨压控制方法

通过系统建模仿真的方法研究了柴油机高压共轨系统轨压控制方法,提出采用神经网络模糊PID控制可以提高轨压的控制精度和系统响应性.在Matlah/Simulink环境下进行了模糊PID控制和神经网络模糊PID控制的仿真比较,证实了神经网络模糊PID控制方法使得系统控制精度、响应时间、扰动抑制、鲁棒特性都明显优于模糊PID控制方法.     

基于灰色蚁群组合预测的生物质气化炉双闭环控制

针对生物质气化炉处理过程中存在非线性、大时滞性、不稳定性和负荷干扰特点,提出了一种基于灰色蚁群组合预测双闭环控制算法。首先采用灰色算法建立气化炉温度预测模型,然后考虑可能的扰动,引入蚁群算法对灰色模型进行优化,在此基础上对炉温进行控制;最后引入基于变论域模糊控制算法,利用模糊规则对气化炉一次风量进行控制,在保证炉温稳定的情况下,降低可燃气体含氧量。仿真和现场运行结果表明了方法的有效性和先进性。     

加工精度动态损失趋势预测的研究

在大批量的机械加工过程中，由于影响加工精度的因素较多，目前尚难以建立加工精度动态损失的精确数学模型。本研究以柱塞套内孔加工为例，分别探讨了应用时间序列分析，灰色系统理论及人工神经网络原理等手段建立加工精度动态损失数学模型的方法，并通过实例对各种建模精度进行了分析比较。     

神经网络和模糊逻辑在农业机械制造中的应用

农业机械制造技术与一般机械制造技术相比,具有特殊性。如今大多数农机企业的技术跟不上先进机械制造技术的发展,农业机械制造技术比较落后。为此,将动态神经网络和模糊逻辑技术应用在农业机械加工制造中,能够很好地预测和控制工件的尺寸与形状,大大提高了加工精度。为此,以农业机械的轴类零件为例,建立了纵向磨削的Elman动态神经网络尺寸预测模型,采用论域自调整策略和模糊自适应控制理论,建立了纵向磨削的自适应控制模型,选择工作台的进给速度作为控制变量。仿真和实验结果表明,所建立的神经网络尺寸预测模型和模糊自适应控制模型是正确的。     

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。     

基于遗传算法的模糊神经网络温室温度控制器

为了创造适合作物生长的环境,针对温室系统的特点提出了一种新的基于遗传算法的模糊神经网络控制器,利用遗传算法训练模糊神经网络模型,并采用此模糊神经网络控制器控制温室温度系统.运用该方法对温室温度控制系统进行了Matlab 仿真,结果表明:采用遗传模糊神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量.     

在线自动对靶喷雾控制系统研究

为了提高喷雾装置的自动对靶精度,实现流量控制的实时自动化调节过程,提出了一种基于二值化图像分割和微波测距的自动对靶喷雾控制系统。该系统利用植物叶间灰度的动态阈值来调控电磁阀,实现了实时变流量喷雾过程。为了提高微波测距的精度和图像二值化过程的效率及鲁棒性,使用了神经网络算法对测距误差进行修正,采用了动态阈值方法对图像的二值化进行迭代计算。最后,对实时自动对靶喷雾控制系统进行了测试,由测试结果可以看出:采用神经网络和动态阈值二值化方法可以大大提升控制系统的精度,提高了喷雾的效率和准确性,为现代化农药喷雾技术的研究提供了理论参考。     

车辆半主动悬架非线性控制方法的研究

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性,建立了车辆半主动悬架非线性动力学模型。应用微分几何非线性控制,经过适当的非线性状态和反馈变换,实现半主动悬架非线性系统的精确线性化,并对系统实施非线性状态反馈控制;根据预定的控制目标及模糊控制策略调节控制参数,设计模糊控制器,对悬架系统进行了控制仿真研究;利用神经网络模式识别能力对输入数据处理辨别,设计控制网络层,从而达到提高悬架工作性能,改善车辆行驶舒适性的目的。将3种非线性控制方法的仿真结果进行分析比较表明：经模糊控制或神经网络控制的悬架冲击响应小、振动强度低,比微分几何控制能获得更优异的性能。