用模糊神经网络实现结构的主动控制

本文利用模糊联想记忆神经网络作为控制器，对任意初始状态的结构自由振动进行主动控制。控制过程中无须知晓结构振动的数学模型且对过程参数不敏感。数值仿真的结果表明，该控制器具有较强的适应能力和良好的稳定性，结构受控后振动衰减迅速，且控制器结构简单。     

基于Sugeno型模糊神经网络的空间杆系结构的压电驱动器主动控制

基于自主研发的压电主动杆件的振动控制特性,采用主动杆件两端节点的相对位移和相对速度作为输入以及控制电流作为输出,设计了空间杆系结构的Sugeno型模糊神经网络控制系统。首先通过LQR方法对结构进行控制产生训练数据样本,再利用神经网络的自适应学习功能进行模糊划分及产生模糊规则,最后利用模糊系统的推理能力对空间杆系结构模型进行基于地震响应的主动控制仿真,同时与基于经验的Mamdani型模糊推理规则进行仿真对比。仿真结果表明两种模糊推理模型对结构模型的控制都能达到良好效果,但是由于Sugeno型模糊推理的计算简单,其仿真速度比Mamdani型模糊推理快几十倍,而且省去了人为的经验总结过程,因而采用Sugeno型模糊神经网络控制器更能满足工程应用的要求。     

基于T-S型模糊神经网络的空间结构GMM作动器主动控制

基于自主研发的超磁致伸缩材料(Giant Magnetostrictive Material,GMM)作动器的主动控制特性,应用T-S(Takagi-Sugeno)型模糊神经网络设计了主动控制系统,该系统以GMM作动器两端节点的相对速度和相对位移作为输入,计算输出控制电流。通过神经网络的自适应学习功能进行模糊划分及生成模糊规则,利用模糊系统的推理能力对空间结构模型进行基于地震响应的主动控制仿真,同时与标准型模糊神经网络系统进行仿真对比。结果表明,二者对空间结构模型的主动控制都能达到良好效果,基于T-S型模糊神经网络推理简单,其仿真速度远快于标准型。因此,采用T-S型模糊神经网络对空间结构进行主动控制更能满足工程应用需求。     

气辅注塑成型注气压力的模糊神经网络控制研究

针对气辅注塑成形的注气压力精确控制要求,设计了具有５层结构的模糊神经网络控制器和控制算 法,利用神经网络的学习能力实现对模糊逻辑规则的优化,改善了系统的适应性。对系统３段压力控制的仿真 分析,验证了模糊神经网络控制模型的可行性,控制效果良好。     

模糊神经网络在高层建筑横风向振动控制中的应用研究

提出了模糊神经网络方法控制高层建筑横风向风振反应。通过观测部分楼层加速度和控制力输出，建立了模糊神经网络控制器，解决了传统控制中有限的传感器数目对系统振动状态估计的困难．利用模糊神经网络控制器预测结构的控制行为，消除了闭环控制系统中存在的时滞。利用模糊神经网络控制器的自学习能力来确定模糊规则和语言变量隶属函数，解决了土木工程复杂结构模糊控制中，难于依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。模糊神经网络方法的优势在于算法自身的鲁棒性，处理结构非线性、参数不确定性及时变等问题的能力。通过对基准建筑的刚度不确定性分析，讨论了模糊神经网络控制器的鲁棒性。仿真分析表明，模糊神经网络控制策略能有效地抑制高层建筑的横风向风振反应，控制效果略优于LQG控制，而拥有LQG控制不具备的诸多优点。     

柔性结构的模糊主动振动控制研究

针对柔性结构在不同激振信号下的振动抑制问题，研究了如何应用模糊控制理论实现柔性结构的主动控制，提出了一种基于连续模糊判决函数的模糊ＰＤ主动振动控制方法，对悬臂梁分别在瞬态、正弦及随机激振下的模糊ＰＤ主动振动控制进行了仿真研究。结果表明：模糊ＰＤ控制对上述三种激振信号的振动均有明显的抑制作用。由于模糊ＰＤ主动振动控制对结构的不依赖性，该方法对难以建模的大型柔性结构的主动振动控制具有实际意义。     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

智能磁流变(MR)阻尼器半主动控制的研究

提出了一种基于磁流变(MR)阻尼器的结构智能半主动控制方法。利用模糊神经网络辨识出能真正反映磁流变阻尼器动力特性的智能辨识模型，在此基础上提出一种基于最佳逼近Bang—Bang主动控制的智能半主动控制算法，从而使得MR阻尼器在每一控制瞬时始终处于最大耗能状态，有效地减小了结构在地震作用下的位移与加速度响应。算例仿真验证了所提方法的有效性与实用性。     

空调系统神经模糊控制器——结构和算法

提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。     

考虑SSI影响的结构神经网络控制

本文将人工神经网络控制应用于地基上建筑结构地震反应的主动控制中。通过训练神经控制器ＮＮＣ（Ｎｅｕｒａｌ－ｎｅｔｗｏｒｋ Ｃｏｎｔｒｏｌｅｒ）和神经模仿器ＮＮＥ（Ｎｅｕｒａｌ－ｎｅｔｗｏｒｋ Ｅｍｕｌａｔｏｒ）和神经模仿器（Ｎｅｕｒａｌ－ｎｅｔｗｏｒｋ Ｅｍｕｌａｔｏｒ），实现结构的主动控制。算例表明，神经网络控制系统能够有效地控制结构的地震反应，且在训练神经网络时应考虑土－结构支力相互作用（ＳＳＩ     

广义随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络缺乏自适应性，引入广义高斯函数和广义随机模糊神经网络，使系统中隶属函数具有自适应性；并对参数进行遗传退火算法优化，使系统具有最佳结构和参数。以随机混沌时间序列为例进行仿真预测分析，结果表明广义随机模糊神经网络能够更好地预测原随机混沌时间序列，精度良好，具有抗噪声干扰能力．     

基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络－－类模糊神经网络，并以基于多项式系的类模糊神经网络为例作了讨论。该网络具有隐层少，运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制，给出了类模糊神经网络控制的选择记忆算法，并证明了这种算法的收敛性，这一类非线性系统的在线控制问题得以初步解决。     

人工神经网络对结构主动控制中时迟的调整

以ＢＰ神经网络为基础,研究了神经网络对结构主动控制中时迟的调整。合理选取神经网络的输入及隐含层单元数后,通过训练让它具有一定的映射能力,以使能根据结构过去的状态预测出其将来时刻的状态,为结构主动控制中信号的测量、传输与计算及伺服机构施力过程等提供了一个可以等待的时间差,从而减小乃至消除了结构主动控制中时迟的影响。最后,运用这种方法完成了对南京电视塔的实时风振预测控制．     

基于神经网络的悬臂梁在线辨识与振动主动控制

针对压电悬臂梁结构进行了基于神经网络在线辨识的振动主动控制研究。设计了基于NARMA-L2神经网络模型的在线辨识器和振动主动控制器,分析了神经网络各层的输入输出结构,建立了神经网络权值和阈值调整公式。在此基础之上,进行了外扰激励为单频和扫频信号时系统的在线辨识和振动主动控制实验,结果表明：该控制系统对悬臂梁的振动响应有较好的抑制作用和较强的鲁棒性。     

一类自适应模糊神经解耦混合控制器的研究

将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明,该控制方法对非线性时变系统有较好的控制效果。将该算法应用于电控天然气发动机空燃比控制中,利用宽域空燃比传感技术,通过调整喷射脉宽控制发动机的空燃比,取得了良好的控制效果。     

模糊神经网络在电磁铸造液柱成形控制中的应用

电磁铸造的液柱成形性控制是工艺成败及获得合理的形状铸锭的关键，稳定、合适的液柱高反映了各种工艺参数的良好配合，采用基于模糊理神经网络预测方法，通过对铸造系统电信电信号的踊跃，进行模糊模式识别，预测液高度，结果表明，基于模糊神经网络的控制系统使得过程中液柱高度更加稳定，有利于电磁铸工艺过程的顺利进行，使铸锭的表面质量得到的改善。     

遗传算法—神经网络结构控制系统研究

提出了将遗传算法及神经网络应用于结构主动控制的新方法。该方法利用遗传算法在线计算控制力,利用神经网络模拟结构的动力特性,从而代替结构进行动力分析。该系统充分发挥了遗传算法及神经网络各自的特点,是非常具有发展前途的新型的主动控制系统。     

利用模糊神经网络的汽车主动悬架与EPS集成控制

在基于转向的主动悬架整车动力学模型基础上,引入EPS模型、轮胎模型和路面输入模型,应用模糊神经网络控制方法,设计汽车主动悬架与EPS集成控制系统及其控制策略,集成控制器根据车身姿态的变化,动态调节主动悬架系统的作动器作用力和EPS的助力转矩,进行转向盘转角角阶越输入的仿真计算和分析,结果表明,相对于不加控制的悬架和转向系统,基于模糊神经网络的主动悬架与EPS集成控制系统的质心垂直加速度峰值和标准差分别下降40.94 %和26.06 %,整车横摆角速度峰值和标准差分别下降6.24 %和48.15 %,有效抑制车身的振动,提高汽车的行驶平顺性和操纵稳定性。     

无菌包装预热系统温度控制方法研究

目的为了提高无菌砖包设备预热系统温度控制精度,设计一种温度控制器。方法基于模糊神经网络算法设计一种温度控制器。在预热系统硬件结构的基础上,建立被控对象数学模型。利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊神经网络的PID控制策略,以实现对PID参数的实时在线整定。结果试验结果表明,与其他方法相比,所述控制方法能够将温度超调从2.6℃减小到0.9℃,稳态偏差从±1℃减小到±0.4℃。结论该方法能够满足预热系统温度控制需求。     

基于智能算法的高层建筑非线性地震反应的MR阻尼器半主动控制

研究了第三阶段结构振动控制的Benchmark问题;设计了基于模糊神经网络的控制器模型;采用磁流变(MR)阻尼器作为控制装置,对一座20层Benchmark建筑结构进行了非线性地震反应的数值仿真分析。首先,通过神经网络对足尺MR阻尼器进行了动力特性的辨识;其次,在设计模糊神经网络控制器时,提出了分区控制的设计思路。将智能控制器半主动控制下的仿真结果与样本LQG控制进行了对比分析。结果表明:提出的智能控制器能有效抑制高层建筑结构的非线性地震反应;与样本LQG控制相比,由于智能控制器的内在鲁棒性和对结构非线性反应控制的稳定性,在非线性结构的振动控制中有很大的应用潜力。