基于神经网络的自适应逆控制在CSTR中的应用

针对CSTR系统,提出一种基于神经网络的自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立CSTR系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案对于CSTR系统具有很好的跟踪效果和较强的鲁棒性.     

基于模糊高斯基函数神经网络的滑模控制

研究了一类不确定非线性系统的滑模变结构控制,提出了一种基于模糊高斯基函数神经网络的滑模变结构控制器设计方法.模糊神经网络能以任意精度逼近非线性连续函数,因此应用自适应模糊-神经网络控制理论来逼近动态系统的非线性函数,而且将滑模控制方法与模糊-神经网络控制理论相结合,可以使控制器对系统干扰和逼近误差具有很强的鲁棒性.与常规方法相比,这种控制器不仅保证了闭环系统的稳定性,而且有效地消除了颤动现象.仿真结果表明了该方法的有效性.     

一类非线性系统的自适应神经网络反推控制设计及稳定性分析

针对一类具有未知控制方向、非线性未知函数、未建模动态和动态干扰的单输入单输出非线性不确定系统,提出了一种基于后推设计的自适应神经网络的控制方法.设计中,利用RBF神经网络逼近系统的未知函数,应用非线性阻尼项抵消系统的非线性动态干扰,通过引入一个动态信号克服未建模动态,并用Nussbaum函数解决未知的虚拟控制增益问题;最终应用数学方法严格证明了整个闭环系统的所有信号是一致终结有界性.     

造纸过程定量水分神经网络建模和控制

根据纸机定量水分过程的机理,提出了一种新的神经网络建模方法.在此基础上,针对该过程的大滞后、大惯性、强非线性、时变以及多变量耦合的特点,提出了一种包括定量控制和水分控制的多变量神经网络控制策略.利用该控制策略建立的自适应神经网络控制器,可以使成纸的定量和水分维持在设定的范围之内.进一步分析可以得到,该控制器是一个状态和控制作用均可跟踪的伺服系统.实际应用效果非常好.     

有界扰动下虚拟控制系数未知的随机关联系统的分散镇定控制

针对有界扰动下虚拟控制系数未知的随机非线性关联系统的分散自适应镇定问题区别于传统的集中控制,采用分散控制的思想对各个子系统分别进行控制器的设计.利用反推设计技术,通过适当地选取Lyapunov函数和设计参数,给出了一个状态反馈反推控制器的设计过程,所设计的控制器保证了闭环系统在平衡点处依概率有界.通过仿真算例验证了所提出控制策略的有效性.     

机电伺服系统积分鲁棒自适应控制

机电伺服系统由于干净、噪音小、维护方便一直受到航空业的关注。机电伺服系统是典型的非线性系统,且存在参数不确定性以及未建模干扰,而机电伺服系统特点是控制精度、稳定性和响应速度要求高,针对以上特点,设计了一种融合新型参数自适应律与误差符号积分鲁棒(RISE)反馈的积分鲁棒自适应控制策略。提出基于参数估计误差的自适应律用于处理系统参数不确定性,加速参数的收敛,而余下的参数不确定性及未建模干扰被RISE鲁棒控制律进一步抑制,从而保证系统获得期望的跟踪精度。基于李雅普诺夫稳定性理论证明设计的积分鲁棒自适应控制器可以使系统得到渐进稳定的结果。仿真结果表明,所提出的控制策略能够有效抑制参数不确定性以及未建模干扰对伺服系统的不利影响,具有良好的参数自适应和抗干扰能力,同时机电伺服系统的跟踪精度得到显著提高。     

基于神经网络的电液负载模拟器控制器设计

针对飞机舵机电液负载模拟器系统参数时变,存在非线性环节且多余力干扰影响系统性能指标的问题,设计一种基于神经网络的复合控制器。复合控制器采用基于PSO改进BP神经网络的方法设计神经网络辨识器来辨识系统数学模型,再用DRNN神经网络在线整定PID参数。实验结果表明,基于神经网络的复合控制器可以有效缩短系统响应时间,提高跟踪精度等系统性能指标。     

一类非线性时滞系统的鲁棒自适应控制

考虑了一类含有时滞非线性系统鲁棒自适应控制问题.运用backstepping方法,巧妙构造了状态反馈控制器和自适应控制律.通过选取适当的Lyapunov函数,解决了系统中的时滞项.基于Lyapunov稳定性理论,所设计的控制器实现了闭环系统的渐近稳定.最后,给出了数值例子,并对系统进行了仿真,结果验证了方法的有效性.     

EPS的相位超前补偿及模糊自适应PID控制

为了减小助力电动机的转矩波动,实现助力电动机电流的准确跟踪,提出了基于二维模糊控制器的相位超前补偿及模糊自适应PID控制策略.仿真结果表明,该方法减小了系统超调量,响应时间缩短,输出响应平稳,具有很好的动态跟踪性能和稳态精度,有效提高了系统的抗干扰能力和鲁棒性.     

TCSC非线性自校正自适应控制策略的研究

具有扰动的TCSC系统是一类非线性系统,对非线性系统的控制远比线性系统复杂。本文利用微分几何法和最小方差自校正原理,设计了TCSC非线性自校正自适应控制器,这种控制器能实时检测系统的外扰并自动进行校正,结构简单。仿真表明:这种控制器不但能快速调节容抗、改善系统的稳定性,并且有较强的自适应性、鲁棒性。     

基于RBF神经网络整定的经纱张力PID控制系统

针对目前国内大多织机经纱张力控制系统采用传统PID控制,对数学模型依赖度高,难于达到较好控制效果的缺陷,提出了一种基于Kalman滤波器的RBF径向神经网络整定的PID控制算法。这种控制算法采用3输入、单输出的RBF径向神经网络对系统性能学习以寻找出最佳的PID组合,Kalman滤波器有效地滤掉了织机中的各种噪声,实现经纱张力值的恒定。仿真实验结果表明,基于神经网络整定的经纱张力控制系统的控制效果和动态性能都明显优于传统PID控制。     

基于DRNN的纸机定量水分解耦控制仿真分析

针对抄纸过程中具有的强耦合、大时滞特点,提出了一种自适应的PID解耦控制方法,利用对角凹归神经网络(DRNN)来辨识系统模型,通过对PID控制器参数进行调整,实现多变量解耦控制.对纸机定量、水分控制系统的仿真研究结果表明:该方法具有较快的系统响应和抗干扰能力,较好地解决了定量和水分之间的耦合作用.     

烟草商业企业综合岗位员工的BP神经网络评价方法研究

针对当前烟草商业企业综合岗位员工评价方法的不足,提出了综合岗位员工的BP神经网络评价方法。构建了综合岗位员工评价模型和指标体系,描述了方法的应用过程,并通过MATLAB神经网络工具进行模拟计算。     

vfb基于补偿模糊神经网络的立式转鼓水果分级系统设计

提出了能无级调速的转鼓、搓动鼓设计和一种具有快速学习算法的补偿模糊神经网络水果分级系统，该系统在融合模糊理论和神经网络技术的基础上，增加了补偿模糊推理层，实现水果智能分级系统的补偿模糊推理和模糊设计参数的自动调整，通过与其它神经网络比较，验证了所提出的方法具有学习速度快、分级精度高的优点；不变的转鼓上滚子节距，克服了卧式滚子链链关节使用过程中被拉长而影响分级机适应范围的不足；CCD位于转鼓一侧的上升段上，缩短了CCD采样时段上水果沿垂直于采样方向移动的距离，使采样图像更清晰。     

纸张多变量控制系统的分析与设计

针对纸张定量、水分和灰分系统的强耦合、时滞特点,运用基于对角递归神经网络的多变量自整定PID控制方法,实时调整PID控制器的参数,实现系统的解耦功能.实验仿真结果表明,该控制方法系统适应能力较强、响应速度快、抗干扰能力强.     

人工神经网络在计算机辅助工艺设计中的应用

分析了CAPP系统工艺设计的特点,介绍了人工神经网络的定义及要点,以人工神经网络技术为基础,探讨了人工神经网络在CAPP工艺设计中的应用。以图利用人工神经网络技术,建立神经网络模型,自动生成零件的加工工艺路线。     

神经网络在粮食储藏领域中的应用概述

粮食储藏安全是保障粮食安全的重要环节,近年来随着科技的快速发展,信息技术成为粮食储藏领域重要的科技支撑技术之一。面对粮食储藏数据的数据量大、多维度等特点,构建数据模型和建立适用的算法是研究的重点,神经网络凭借其自适应性、快速寻优、自学习功能和适合处理复杂数据等特点逐步应用到本领域。本文重点总结神经网络在粮食储藏领域中的应用现状,分析存在问题,并对未来应用研究趋势和前景作出展望。     

基于FPGA的快速樱桃缺陷检测与识别系统设计

为使樱桃缺陷检测与识别系统满足实时性的要求,提出以卷积神经网络模型为基础,使用SDSoC开发平台,完成FPGA对樱桃缺陷进行快速检测与识别系统的设计。通过优化数据传输,复用网络模型中通用矩阵乘法函数(GEMM)和对卷积操作进行并行化设计,实现PL端硬件加速。利用SDSoC平台,在PS端使用高级语言映射卷积神经网络模型,在实现所需性能的同时大量节省了开发时间。结果表明,与纯软件方式相比,基于Zynq7020硬件开发平台,速度提高了2.19倍以上,与CPU平台相当。     

织机卷布机构的力学分析及其张力控制系统

织机卷布机构对织物的张力有着重要影响。织物张力过小会使织物折叠变皱,张力过大会使织物过度拉伸,甚至损坏织物。控制织物在卷取过程中保持张力恒定成为卷布机构控制系统的研究重点。本文对织机的两种卷布机构进行了力学分析,根据分析得出的力学模型,找到能使卷布机构自适应卷布的控制策略,再利用BP神经网络改进传统的PID控制策略,实现布料卷取的恒张力控制。仿真结果表明,采用恒张力控制可以提升织物的成卷质量。