神经网络自组织模糊控制器的设计与仿真

研究和设计了神经网络自组织模糊控制器,用于实现车辆自动驾驶系统。该控制器基于MATLAB软件提供的自适应神经模糊推理系统,通过网络对道路位置坐标的离线学习,获取模糊控制规则库。训练好的控制器,在对被控车辆模拟控制的过程中,在线学习和调整控制参数,优化控制器的性能,以适应在不同道路轨迹变化下控制车辆自动转向的目的。最后通过MATLAB软件的仿真试验,验证该控制器对于被控车辆的有效性。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆和调整模糊规则,从而自动生成模糊控制规则,建立模糊神经网络。系统对模糊神经网络进行离线学习,将训练好的模糊神经网络用于在线控制,仿真结果表明,本文方法用于对陶瓷配料系统的控制,取得了无超调、无静差等令人满意的效果。     

基于神经网络的自适应模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题,充分利用神经网络的自学习自适应能力和快速计算能力,提出了一种用径向基函数(RBF)神经网络来实现的具有在线自调整功能的模糊控制方案,并给出了把神经网络和模糊控制器相结合的基本设计方法.通过实际交流调速系统的实验表明,该控制方案与传统的PID控制相比,具有鲁棒性强、恢复时间断和超调量小等特点.     

模糊控制在油脂工业液位自动调节系统中的应用

油脂工业中常涉及到各种液位控制,以液位自动调节系统为研究对象,针对系统中存在的参数时变性、死区非线性等问题,设计了基于模糊神经网络的控制器.该模糊神经网络控制器增强了传统模糊控制的性能,可以实现在线和离线的自适应调节,改善了系统的动态响应特性.计算机仿真结果表明系统的控制精度、稳定性和对复杂工况的适应性都得到了显著提高.     

模糊RBF神经网络PID在汽车定速巡航控制系统应用

结合模糊控制的推理和RBF神经网络的自学习能力,实现对PID控制器参数的实时在线整定。仿真结果表明,该方法可以有效改善汽车巡航系统速度跟随过程中的动态性能和稳定性能。     

模糊神经网络及其在温度控制系统中的应用

根据模糊系统的结构,构造等价结构的神经网络,针对工程实际应用中模糊控制对于时变参数非线性系统缺乏在线自学习或自调整能力的缺陷,设计了一种增强模糊控制规则自学习能力的模糊神经网络控制器．仿真研究和模拟实验证明了方法的可行性．     

基于Matlab的参数模糊自整定PID控制器的设计与仿真

将PID控制与模糊控制融为一体,构造了一个参数自整定模糊PID控制器,通过模糊控制规则在线调整PID控制器的参数.用MATALB/SIMULINK工具箱设计了仿真模型, 结合具体实例实现了该控制器的计算机仿真,仿真结果表明:该控制方法提高了控制系统的动、静态特性.     

RBF神经网络整定的模糊控制在二次调节控制系统中的应用

为了克服实际控制系统中存在的非线性和参数时变性所引起的常规控制器控制性能恶化，提出了一种新的控制方法——基于RBF神经网络整定的模糊控制，并在文中给出了具体算法，该控制方法以无量化解析模糊控制为主体，采用RBF神经网络对控制对象进行辨识，然后利用辨识所得到的Jacobian信息在某一给定的控制性能指标下对控制参数进行在线调整，将其应用于二次调节控制系统，并对系统进行了仿真，系统采用不同控制器的仿真典线表明：基于RBF神经网络整定的模糊控制具有更好的控制性能。     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

基于性能协调的溶解氧复合控制方法

针对常规比例积分微分(proportion-integral-derivative,PID)控制存在精度不高,在线自适应差的缺点,提出了一种在线PID-TS模糊神经网络复合控制方法.该方法利用TS模糊神经网络的自学习能力提高溶解氧的控制精度,并通过构造的性能协调因子在线调整两者权重.将提出的控制方法应用于国际基准仿真平台.结果表明:所提方法能有效控制污水中的溶解氧参数,与常规PID和BP(back-propagation)神经网络控制器相比,该方法具有更优的动态性能.     

船舶航向保持模糊神经网络控制器研究

将模糊控制与神经网络融合为一体,为船舶航向保持控制系统设计出一种模糊神经网络自学习控制器．计算机仿真结果表明,控制方案可行,控制系统性能良好．模糊技术与神经网络的有机结合,为复杂系统的智能控制提供了良好的手段．     

基于VPBF网络的直接自适应逆控制方法

神经网络技术在非线性系统自适应控制器的设计中已得到广泛应用,但常见的神经网络存在着各种各样的缺点。为了改进自适应逆控制方法,同时克服一般神经网络的缺点,构造了一种结构简单的改进型VPBF网络,并将其引入自适应逆控制。利用该网络结构选择和参数选择上的优势,离线确定网络的初始规模和权值,在线学习非线性系统的逆,实现了一种非线性系统的直接自适应逆控制策略。仿真结果显示该控制系统能有效地克服扰动,有良好的鲁棒性能。     

基于模糊神经网络的移动机器人自适应行为设计

将模糊控制和神经网络相结合,形成模糊神经网络(fuzzy neural network,FNN)控制器,利用联想记忆进行离线训练,用来记忆预先利用强化Q学习(Q-Learning,QL)在线训练获得的移动机器人自适应行为的模糊控制规则。FNN经过离线训练后,把规则隐含地分布在整个网络之中,在控制应用时,不必进行复杂的规则搜索和推理,无需查表,只需通过高速并行的分布计算就可产生最佳输出的自适应行为。仿真结果表明,由于输入模糊子集接近于网络所用的训练模糊子集,所以输出几乎和该条训练规则的结果相同。     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

基于神经网络的过程系统动态建模

针对生产过程中参数容易受外界影响而改变,传统的系统辨识方法难以得到精确的数学模型的实际情况,提出利用神经网络的自学习、自适应功能实现动态在线建模。本文对这种方法进行了仿真研究。由计算机产生仿真输入信号：随机信号或Ｍ序列伪随机信号,输入到生产过程中普遍存在的一阶纯滞后对象。通过三层ＢＰ神经元权值的不断调整,实现离线辨识和在线辨识,直到神经网络的阶跃响应曲线几乎和实际系统的阶跃响应重叠。仿真结果表明,     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

应用模糊神经网络完成模糊控制器的设计和仿真

介绍了模糊神经网络的基本结构,讨论了利用模糊刘经网络技术通过离线学习的设计模糊控制器的方法。