基于WNN 参数整定的ADRC 在火箭炮伺服系统中的应用

针对多管火箭炮交流伺服系统存在变负载、强耦合和不确定性扰动等非线性问题,提出一种优化型小波 神经网络自抗扰控制器(WNN-ADRC)。简化电流环节得到被控系统的数学模型,将小波神经网络(wavelet neural network,WNN)嵌入自抗扰控制器中进行参数整定,利用分层调整学习速率的方法优化小波神经网络的学习算法得 到WNN-ADRC,采用WNN-ADRC 控制火箭炮伺服系统,实现对非线性特性的精准估计和补偿。数值仿真结果表 明：相对于传统的自抗扰控制器,WNN-ADRC 能改善伺服系统的静态响应和动态性能,具有响应速度快、控制精 度高的优点。     

自适应模糊小波滑模控制在交流伺服系统中的应用

针对某武器大功率交流伺服系统的位置跟踪问题,提出了一种基于自适应模糊小波神经网络快速终端滑模控制(AFWN-FTSMC)方法。为使控制器的设计不依赖于被控对象的精确数学模型,采用自适应模糊小波神经网络控制器(AFWNC)逼近滑模控制中的等效控制部分,解决了由于系统的不确定性及干扰的存在而不能准确确定等效控制的问题;同时利用自适应PI控制来降低系统的抖动,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该方法可以有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对结构参数不确定性具有很强的鲁棒性。     

火箭炮交流伺服系统模型参考模糊神经网络位置自适应控制

针对多管火箭炮发射时恶劣的负载特性,设计了一种模型参考模糊神经网络自适应位置控制器。利用RBF网络作为辨识器,实现对被控对象的Jacobian信息辨识,用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模型参考模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小火箭炮发射过程中系统参数变化和外部干扰的影响。仿真和实验结果表明,该方法可有效提高火箭炮位置伺服系统的动态响应能力和稳定性,并使系统具有很强的鲁棒性。     

基于WNN-ADRC 的高炮交流伺服系统控制

为解决高炮交流伺服系统控制中外界扰动及非线性特性的问题,提出一种基于小波神经网络的改进型自 抗扰控制器(WNN-ADRC)。利用LM(levenberg-marquardt)算法优化小波神经网络,采用优化后的小波神经网络对 扩张状态观测器的误差校正增益系数进行在线整定,设计基于小波神经网络的自抗扰控制器,以实现对非线性特性 的准确估计并予以补偿,并通过仿真实验进行验证。仿真结果证明：该控制策略使系统具有较好的稳态性能,抗干 扰能力强。     

某新型车载多管负载行进间稳定控制方法

针对某新型车载多管负载存在内外扰动影响、行进间不易稳定的难点,设计一种扰动速度神经网络自适应补偿的稳定控制器。优化设计负载结构使耳轴两端的载荷基本平衡,减小控制过程中由于克服不平衡力矩所产生的能量消耗,以及非线性力矩干扰。稳定控制器采用PI控制计算主控制量;由扰动速度、扰动加速度作为输入构成单神经元控制器计算补偿控制量;利用扩张状态观测器观测载体行进间负载所受到的扰动速度,利用混合微分器得到扰动加速度;由扰动速度、扰动加速度构成单神经元控制器计算补偿控制量;利用RBF神经网络提供梯度信息,对速度补偿系数和加速度补偿系数进行在线学习。数值仿真及台架试验结果表明,所设计稳定控制器具有较强的自学习和自适能力,对不同频率、幅值的扰动均具有鲁棒性,参数学习时间小于3.7 s,积分位置误差均方差小于0.33 mil,由此验证了所提出控制策略对于提高某新型车载多管负载稳定控制精度的可行性和有效性。     

基于模糊神经网络PID的机床直流调速系统

为解决PID参数的在线调整问题,针对龙门刨床的主拖动系统,提出将神经网络的模糊PID自适应控制器用于直流调速系统的方法。分析龙门刨床电气设备的组成,综合模糊控制和神经网络的长处,将神经网络、模糊逻辑和PID控制相融合,构成模糊神经网络控制器,并通过MATALAB对系统进行仿真。设计时,将模糊规则融于神经网络中,通过对神经网络的自学习、自适应能力在线调整模糊规则和隶属函数参数,对PID控制器实现在线实时调整。仿真结果表明,该系统比普通控制器具有更好的动、静态特性。     

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。     

多小波模糊神经网络盲均衡算法

为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。     

基于新型小波神经网络和灰预测的电动负载模拟器控制

针对某火炮随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于新型小波神经网络和灰预测的控制策略。该策略主要由变结构的粒子群小波神经网络（VSPSO-WNN）控制器和灰预测补偿器（GPC）构成,前者利用粒子群优化（PSO）算法小波神经网络（WNN）的权值等参数,加快了系统的收敛速度,并利用自学习算法动态改变隐含神经元数目,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者在Lyapunov意义下系统稳定的基础上构造出灰预测补偿器,利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性。半实物台架仿真实验结果表明：该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力。     

变速箱典型故障奇异性指数的模糊神经网络识别

基于小波奇异性分析和模糊神经网络理论,建立变速箱故障识别模型,探讨将两种理论集成用于状态监测以提高故障识别准确度.通过小波变换提取车辆变速箱运行状态监测数据的奇异性指数,并据此训练模糊神经网络,计算表征变速箱技术状况的代码,判断部件是否发生故障及故障类型.对某型车辆变速箱监测信号的研究表明,本模型用于识别变速箱典型故障的误差仅为0.15384.     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

基于自适应模糊神经网络抗箔条干扰技术的研究

为了提高舰载雷达抗箔条干扰的性能,提出了一种基于自适应模糊神经网络的抗箔条干扰方法。利用自适应模糊神经网络的非线性映射和学习能力,在舰载雷达目标回波信号受到箔条回波的强干扰下,对雷达目标进行识别,从而得到目标信号。仿真结果表明,该方法能有效地抑制箔条回波信号,且效果较好。     

基于自适应神经网络的导弹引信和导引头组合系统

将子波神经网络新模型ＴＦＷＮ２成功地应用于导弹引信系统和导引头系统的信息综合处理，给出了基于自适应子波神经网络导弹引信和导引头组合系统。