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。     

液压伺服系统模型参考法自适应控制

液压伺服系统在现代工业控制过程中得到了越来越广泛的应用。随着科学技术的不断发展,对液压伺服系统特性的要求也越来越严格,所以近些年来发展了液压伺服系统的自适应控制。本文较详细地介绍了液压伺服模型参考自适应控制(简称MRAC)系统的结构、数学描述及特点。讨论了液压伺服MRAC系统自适应律的不同推导方法。用实例重点介绍了用POPOV超稳定理论设计液压伺服MRAC系统的步骤与技巧。     

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。     

一类非线性系统的一种混合控制方法

对一类非线性系统进行简化处理,将系统在平衡点处进行线性处理,在此基础上提出了一种基于模糊控制与改进型PID控制的混合控制算法。人为设定一偏差阀值e0,在系统偏差小于e0时使用改进型PID控制算法,在偏差大于e0时使用模糊控制算法,能够较好地实现对一类非线性系统的控制。     

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。     

复杂系统的自适应预测控制模型及其仿真

针对贫信息，不确定性系统存在的不确定性，随机干扰以及系统特征参数随工作环境的变化而变化的特点，将具有广阔发展前景的灰色系统理论和广义预测控制理论结合起来，提出了一种新型的计算机控制策略：灰色广义预测控制算法（GGPC），所做的工作主要有：提出单变量单步GGPC算法，并在Matlab环境下对其进行了仿真研究，仿真结果表明，该GGPC算法适用于线性系统以及非线性系统，具有较强的抗干扰能力，有较好的鲁棒性以及自适应能力，通过调整参数，可以获得非常\蝗动态和静态性能。图2表9     

一类云杉蚜虫与其天敌相互作用模型的自适应模糊控制

针对一类云杉蚜虫与其天敌的相互作用模型,引入一种具有生物特性的模糊自适应控制器。根据参数的自适应律,调整控制系统参数,使天敌-害虫的种群密度渐进地跟踪理想轨迹,保证了该系统的稳定性;计算机仿真说明了控制效果,为生态系统的持续平衡发展提供了理论依据。     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

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。     

一种自适应的流媒体拥塞控制系统研究

在端到端视频单播结构中,结合实时传输协议RTP的特性,设计了一种基于发送端的流媒体拥塞控制系统,并提出一种自适应速率控制算法来避免网络拥塞的发生,试验表明该算法能够有效地保证视频流的实时传输,并能提高多媒体的传输质量。     

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.     

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。     

基于不完全微分的模糊自适应PID算法速度优化控制系统设计

为提高平地机行走作业速度的控制性能,协调解决外界干扰信号对系统造成的影响以及行走作业速度精度滞后和不稳定性问题、将一阶惯性环节加入模糊自适应PID控制器的微分环节中,采用单片机作为行走作业速度的控制中心,提出了基于不完全微分的模糊自适应PID算法速度优化控制系统.最后通过Matlab的Simulink仿真软件,分别将不带PID控制、PID控制和不完全微分模糊自适应PID控制3种方式用于对人为给定速度干扰信号的控制仿真测试,验证了不完全微分模糊自适应PID算法的有效性和可靠性.     

CNC机床伺服系统模糊控制研究

在模糊参数自适应PID控制的基础上，提出了具体算法，在MK6340/3五坐标数控群钻磨床上的大量试验表明，该方法可用于高速、高精度、实时性强的数字伺服系统。     

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。     

自适应半主动悬架系统控制策略

建立了一种自适应半主动悬架的控制策略,能更好地权衡舒适性、操纵稳定性和安全性.首先建立集成了考虑悬架限位的阻尼连续变化(CVD)天棚控制算法的整车模型,并在不同路面和车速下进行仿真分析,建立由悬架动行程均方值估计路面不平度等级的方法;其次,提出一种考虑路面不平度等级的自适应型半主动悬架控制策略;然后采用遗传算法对不同工况下的控制参数进行离线优化;最后将优化后的控制参数用于在线控制,并与传统的被动悬架以及天棚控制的半主动悬架进行对比分析.仿真结果表明：汽车在复杂工况行驶时能有效识别路况信息并进行控制模式切换;在Comfort模式时能有效提高汽车平顺性;在Sport模式时能有效提高汽车的行驶稳定性;在Safe模式时能有效提高汽车行驶安全性.