基于多层前馈BP网络的非线性逆系统自学习控制

提出的基于神经网络的非线性逆系统自学习控制方案运用逆动力学的基本思想，在系统模型未知的情况下，构造了神经网络一致的控制器和辨识器。运用自适应变步长冲量BP学习算法实现了网络辨识器对系统逆动力学模型的动态辨识，并通过网络辨识器向网络控制器在线动态传递更新权值的方法使神经网络控制器产生期望控制量。使得整个神经网络控制系统具有了自学习、自适应的控制能力。     

电液比例阀控系统的自学习模糊控制的研究

本文针对电液比例阀控系统实时控制性能差，系统具有严重时变性等特点提出了采用自学习模糊控制作为控制策略，构成闭环控制系统的控制方法，自学习模糊控制实际上是一种能自己修正控制规则的模糊控制器，这种控制器运用的线寻优技术，实现自学习方式并实时修正模糊控制策略，仿真和实验研究表明该控制方式具有实时性能好，响应快的优点。     

基于BP网络的非线性系统无模型误差自学习控制

针对未知非线性系统提出了一种基于BP神经网络的无模型误差自学习控制方案，其控制思想是利用BP网络及其冲量BP算法实现对系统输入输出量的速度辨识，同时构造了误差控制器，并通过速度辨识学习器向误差控制器动态传递更新权阵，以实现对未知非线性系统的自学习、自适应无模型控制。作者在matlab6．0平台下进行了仿真实验，其仿真结果令人满意。     

新型轮胎中央充放气系统设计

针对特种车辆对轮胎气压控制的要求以及传统轮胎中央充放气系：统在实际使用中暴露出的问题,提出了一个新型轮胎中央充放气系统的设计方案,详细地介绍了控制器的硬件设计和不同：型号的车辆轮胎通过自学习寻找充放气时间的软件实现。实验表明所设计的系统抗污染能力明显增强,其控制器能显著缩短中央充放气系统自学习时间,系统的控制精度和系统的可靠性得到提高。     

电液位置伺服系统的模糊CMAC神经网络控制研究

本文提出了一种模糊ＣＭＡＣ神经网络的结构和算法。该网络通过权系数的在线学习,实现修正模糊逻辑。将此网络作为前馈补偿单元,与ＰＤ控制器一志构成一种自学习控制器,并对带有未知负载干扰的某电液位置系统进行动态仿真。结果表明,该控制器具有强的鲁棒性以及良好的跟踪特性。     

粉煤灰恒压输送滑模控制系统研究

为了克服PID控制器的缺点,有效抑制状态变量的超调问题,加快系统的控制速度,增强系统的抗干扰性,针对粉煤灰恒压输送系统提出了一种自学习滑模控制方法。设计了一种非线性光滑函数,并将其应用于自抗扰控制器、跟踪微分器及滑模趋近律的设计。鉴于进一步提高系统的自适应控制能力,使用了最速下降法对滑模控制器的增益参数进行自学习镇定。仿真与实验结果表明:该方法不仅响应速度快、控制精度高,而且有效抑制和消除了系统抖振和超调现象。     

神经网络在线自学习跟踪控制及其在伺服系统中的应用

针对传统自适应和自校正控制中存在的问题，提出一种基于神经网络的在线自学习控制方法，既做到了对象模型的在线辨识和控制器的在线设计，又避免了神经网络控制方法通常存在的实时控制的困难，使复杂系统的在线学习控制成为可能。仿真表明该方法具有良好的鲁棒性和控制精度。     

一类优化自学习控制器及其在气动伺服系统中的应用

本文通过引入Ｌ２空间范数指标，将常规比全产控制器发展为具有加权矩阵的最优自学习控制器，并给出了相应学习控制律收敛性的严格证明，同时将它用于气动伺服系统位置跟踪，仿真和实践表明，利用此法可使控制系统更加平滑地跟踪系统期望输出。     

电液力伺服系统参数自整定模糊PID控制器设计

针对飞机结构强度试验中常用的电液力伺服系统,讨论了系统组成和数学模型。利用MATLAB设计参数自整定模糊PID控制器以克服系统非线性和负载扰动的影响;通过系统辨识建模的方法,采用预报误差法得到系统ARMAX参数模型辨识结果;以辨识结果为对象对设计的参数自整定模糊PID控制器进行Simulink仿真。结果表明:相比常规PID控制器,采用参数自整定模糊PID控制器进行控制,系统具有更好的稳态精度、快速性和鲁棒性。     

电液伺服结构加载系统的神经网络直接自适应输出跟踪控制

本文利用神经网络的学习能力和非线性映射能力研究了电液加载系统的神经网络直接自适应输出跟踪控制方法，控制器是由一个具有反馈动力学的多层前馈神经网络及其学习算法组成。该控制器不需要被控对象的先验知识，也不依赖于被控对象的辨识模型，能快速跟踪对象的动力学行为，具有良好的自适应性和动态输出跟踪响应性能。     

基于遗传算法的液压油温监控系统自学习控制器设计

在介绍数控机床液压油温监控系统的基础上,设计了以单片机为核心的基于遗传算法的自学习控制器,此控制器,一方面时检测样本的指标函数值,并根据遗传算法自动调整参数;另一方面,增加了一个信息库,使遗传算法具有记忆功能,从而提高获得最优参数的速度。     

基于遗传算法的模糊神经网络控制器在GTAW中的应用

GTAW(钨极气体保护电弧焊)是一种能够很好控制线能量，进行高质量薄板焊接的方法。焊接过程是一个复杂的、多参数耦合的高度的非线性系统，在实际焊接过程中难以实现实时、有效的在线控制。模糊控制吸收了人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、普遍性强，适合并行处理和应用范围广的优点。作者将三者有机地结合起来，在模糊神经网络控制器的基础上利用了改进的遗传算法，并分析了其网络结构和离线学习的方法，协调利用三者的优势设计了一种新型的模糊控制器，并使之用于脉冲GTAW仿真中，结果证明了该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性。     

参数自调整模糊控制器设计及其Matlab仿真

为提高弧焊焊缝跟踪系统的动态性能和稳态精度,设计了参数自调整模糊控制器.介绍了弧焊焊缝跟踪系统的结构,在此基础上根据二维模糊控制器的结构组成,设计了参数自调整模糊控制器结构.在大量试验和对焊缝跟踪系统理论分析的基础上选择了其论域;选择了进行模糊化处理的量化因子与比例因子;设计参数调整器.其次,建立系统仿真模型.编写C ...     

基于神经网络的磁轴承自适应控制器

研究机床电主轴上采用的主动磁轴承系统的建模,设计了基于RBF神经网络的自适应PID控制器.该控制器可根据磁轴承的运行情况进行在线自学习和自校正,避免了PID控制器参数整定困难且无法及时改变的缺点.基于某磁轴承系统的仿真和实验研究表明,该RBF-PID控制器能很好地抑制转子振动,满足控制要求.     

基于模糊神经网络的扫雷犁自动定深控制系统的研究

针对某武器系统要求能对扫雷犁进行自动定深的要求,采用BP神经网络对扫雷犁电液伺服控制系统进行系统辨识,采用模糊逻辑与神经网络构造系统的自学习模糊神经网络智能控制器,并实现控制器的离线优化和在线学习.仿真试验和实际系统的使用结果表明所设计的智能控制器可以使系统具有良好的动、静态性能,实现了扫雷犁入土深度±10mm误差范围的精确控制.     

电液伺服协调加载系统的神经网络自学习PSD控制

从电液伺服协调加载系统的特点出发，提出一种基于神经网络在线自学习ＰＳＤ控制方法。该方法简单，实用，便于在线实现。控制器无须事先训练，参数选取极具一般性，适用范围广，控制精度高且鲁棒性强，采用这一方法实现了对某大型电液伺服结构试验装置的协调加载控制，控制品质优良。     

数控双动挤压机的计算机控制系统

本文介绍了数控双动挤压机的计算机控制系统,说明了该控制系统所实现的各项功能,讨论了系统的硬件结构和软件功能,并着重讨论了将带自调整因子的模糊控制器用于同步控制的原理和方法。     

轧机独立传动系统的PID与状态观测组合控制

为了提高轧机多电机传动系统的同步性,提出了参数自学习PID与状态观测的组合控制方法,分析了轧机主传动系统的工作原理,建立了电机-轧辊的二质量旋转体模型。设计了参数自学习PID控制的同步控制器,基于BP神经网络进行参数自学习,实现了实时的最佳PID控制。为了消除传动轴扭振引起的系统震荡,设计了状态观测器,对轧辊转矩进行预先估计和补偿;同时,将状态观测值进行反馈,实现极点配置,获得了期望的极点位置和控制性能。经验证,与单独使用参数自学习PID控制器相比,组合控制器在启动阶段的调节时间降低了81.8%;在受扰阶段的最大同步误差降低了87.4%,调节时间减少了29.3%。以上数据说明PID与状态观测的组合控制器能够实现较好的同步控制效果,且抗干扰能力较好。     

电液位置伺服系统的高精度神经网络控制研究

提出了一种采用CMAC神经网络的自学习控制器,以解决具有参数不确定和时变外扰动的电液位置伺服系统的高精度控制问题,该控制器采用动态误差作为CMAC的激励信号,从而使基于CMAC的控制器跟踪连续变化的信号成为可能。仿真结果证明了该控制器不仅是有效的,而且具有很强的鲁棒性。     

液压伺服系统的直接自适应神经网络控制

针对液压伺服系统中的非线性和不确定特性,研究了一种基于神经网络的直接自适应控制方法。引入的神经网络模型可以通过学习从而跟踪对象的动力学特性,控制器的设计较少的依赖于对象的先验知识,控制器参数的调整是基于被控系统的测量信号,利用在线辨识的神经网络参数来实现的。仿真结果证明该系统有较好的控制效果。