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。     

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。     

基于边界层模糊调节的液压系统准滑模变结构控制

提出一种基于边界层模糊调节的准滑模变结构控制方法.基于滑模开关函数及其变化量,设计一个二维边界层模糊调节器,根据滑模开关平面状态的变化动态调整滑模边界层的宽度.应用于液压位置系统的控制实验结果表明,所提出的控制方法能保证液压系统响应速度,提高控制精度,削弱抖振,较好地协调了变结构控制鲁棒性与平滑控制抖振之间的矛盾.     

现代金融区域辐射力研究——基于长沙对湖南省内其他市州辐射力的实证检验

对于Buck变换器系统，考虑到实际应用中负载变动引起系统参数的不确定性，且不确定性上界无法测量的情况，本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题，为了避免普通滑模控制跟踪误差渐进收敛的问题，改善其动态响应速度和稳态性能，本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器，并通过Simulink仿真验证这种方法的可行性。     

一类非线性不确定中立延迟系统的鲁棒自适应滑模控制

针对一类非线性不确定中立型时变时滞系统的鲁棒镇定问题,利用Lyapunov稳定性理论,提出了一种能渐近稳定系统的自适应无记忆滑模控制器.基于滑模控制技术,确保了该控制器能驱赶系统状态达到事先指定的滑动超平面,从而获得预期的动态性能.一旦系统动态达到滑动运动阶段,系统对不确定是不敏感的.自适应技术的应用克服了不确定的未知上界,使可达条件能被满足.最后,仿真例子证明了该无记忆自适应滑模控制器的有效性,从而保证了闭环系统的全局渐近稳定性.     

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。     

基于改进型偏差耦合结构的多电机同步控制

针对现有的多电机同步控制方案难以满足高精度控制的要求和不能实现比例同步控制的局限性,提出一种带PI补偿控制的改进型偏差耦合控制结构,可适用于多电机完全同步和比例同步控制.针对永磁同步电动机非线性和强耦合特性,设计了自适应模糊滑模变结构控制器来实现永磁同步电动机的跟踪控制.建立了4台永磁同步电动机的同步控制仿真模型,仿真实验表明,所提出的多电机同步控制结构相对于带固定增益补偿的控制结构具有更高的同步控制精度.与PID和常规滑模控制算法相比,自适应模糊滑模控制策略具有更高的同步稳定性和更强的鲁棒性.     

基于NNDO滑模反步法的中密度纤维板板厚控制研究

针对中密度纤维板板厚纠偏位置伺服系统存在参数的不确定性以及系统外部的干扰等因素引起的板厚偏差问题,提出了一种基于NNDO的滑模反步控制方法。结果表明:加入NNDO的滑模反步控制可以实现对位置信号的快速跟踪,跟踪误差的收敛速度也更快,减弱了滑模反步控制器的控制输入抖振问题,改善了闭环系统的动态性能和对于干扰的鲁棒性,提高了控制器的控制性能。     

基于新型动态积分滑模的运载火箭姿态控制

运载火箭在飞行过程中面临着参数变化范围大、外界干扰复杂的飞行环境，传统的控制方法已经很难满足姿态控制系统的要求。本文将传统的动态滑模和积分滑模综合起来，尝试一种新型的动态积分滑模控制策略律。仿真结果表明，在存在系统参数摄动和外部干扰的情况下，该法很好的消除了抖振，取得较理想的控制效果。     

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     

基于神经网络逆复合控制器的MDF施胶系统的控制设计

根据神经网络逆控制原理,提出了一种新的中密度纤维板(MDF)施胶系统控制器设计方法。将MDF施胶系统作为被控对象,利用静态神经网络和若干积分器组成的动态神经网络构造出被控系统的逆系统,该逆系统与被控系统串接在一起所组成的系统是伪线性的。通过将PID控制器与神经网络逆系统结合在一起,构建出神经网络逆复合控制器。仿真结果表明:神经网络逆复合控制器能使系统获得优良的跟踪性和抗干扰能力,可以很好地实现对MDF施胶系统的控制目的。     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

孵化过程的模糊神经网络控制系统设计及应用

针对家禽孵化过程的复杂动态特点,设计了家禽孵化模糊神经网络控制系统,试验结果表明,该系统能够较好地实现孵化主要参数的稳定。     

动态神经网络的隐节点增删算法研究

在前人关于动态结构神经网络研究的基础上,提出了一种综合性质的隐节点增删算法：由训练过程的均方差和误差衰减率来确定神经元的增删时刻,并采用矩阵分析的方法研究隐节点输出间的线性相关性,动态删除多余的隐节点,计算机仿真结果表明,采用该方法动态增删隐节点是有效的。     

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。     

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。     

基于神经网络PID的工程车辆4参数自动换挡控制

工程车辆4参数自动换挡的模型具有非线性、慢时变特性。自动换挡的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据车辆动态特性的变化,自动重新整定PID参数,从而改善了工程车辆自动换挡的操纵性能和鲁棒性。     

基于正交基函数对向传播过程神经网络的语音识别方法

针对特定人孤立词识别任务,传统的语音识别系统中构造的神经网络模型主要采用BP神经网络和径向基函数网络,为了解决这两种神经网络构造下的语音识别系统对训练样本需求量较大和识别率较低问题,提出了一种基于正交基函数展开的混合学习算法,并应用于语音识别中,同时与传统的BP神经网络、径向基函数网络进行了比较.仿真结果表明,采用对向...