基于RBF辨识的CMAC在淀粉生产线中的控制研究

针对淀粉生产线中淀粉乳罐的液位控制精度问题,本文在分析了CMAC神经网络、单神经元和RBF辨识工作原理的基础上,设计了基于RBF辨识的自适应CMAC神经网络控制器调节淀粉生产线中乳液的液位。对自适应CMAC神经网络和基于RBF辨识的CMAC两种控制器进行了设计与仿真。防真结果表明,基于BRF辨识的自适应CMAC具有更好的跟踪效果和较快的响应速度,该系统具有很大的应用价值,不仅可以应用于淀粉生产线而且也为工业控制提供了更为精确的控制。     

高超声速飞行器的模糊CMAC神经网络控制器设计

由于采用机体一体化设计,吸气式高超声速飞行器的气动特性难以准确获知,建立的数学模型是极不准确的;设计了一种模糊CMAC神经网络(FCMAC)控制器及其学习算法,在CMAC神经网络控制器中结合模糊逻辑理论,使得CMAC控制器具有自学习能力;仿真用高超声速飞行器的纵向模型对该控制器进行了验证,证明该控制方法能够有效地跟踪飞行器的高度和速度指令。     

基于CMAC的PID控制在不确定性电液伺服系统中的应用

介绍了CMAC网络的控制原理,给出了CMAC网络与PID复合控制的控制器设计步骤,并将该方法应用到某电液位置伺服系统中.仿真结果表明,该方法能获得良好的跟踪性能,具有一定的鲁棒性,对于抑制并消除系统的不确定性具有良好的控制效果.     

基于FPGA的CMAC-PID控制器的研究

CMAC是一种局部学习神经网络，结构简单，收敛速度快；PID是目前应用最为广泛的控制算法。结合二者的优点，采用并行方式形成CMAC-PID控制器，进行了Matlab仿真实验。基于VHDL设计该控制器，重点在于CMAC的在线学习算法实现和控制器模块的闭环仿真测试。在FPGA上实现了该控制器，实验结果表明，该控制器运算速度快、精度高，具有较强的抗干扰性，是实现IP控制模块或单片智能控制的一种新的有效途径。     

一种自适应CMAC 在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上，针对一类非线性、参数时变和不确定的控制系统，提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性，将其应用到交流励磁水轮发电机系统的多变量非线性控制中，并与常规的PID控制效果进行了比较．仿真结果表明，该控制器具有较强鲁棒性和自适应能力，控制品质优良。     

电动汽车安全控制研究与仿真

本文首先给出了汽车在转向时驱动与制动输入下的双质运动模型,介绍了小脑模型神经网络CMAC的原理,然后针对数学模型的复杂性和强非线性特征使用了基于小脑模型神经网络CMAC和PID的控制器设计,并对该设计在Matlab下进行了仿真.结果表明,所设计的控制器完全可以得到较好的控制效果.     

电动汽车安全控制研究与仿真

本文首先给出了汽车在转向时驱动与制动输入下的双质运动模型,介绍了小脑模型神经网络CMAC的原理,然后针对数学模型的复杂性和强非线性特征使用了基于小脑模型神经网络CMAC和PID的控制器设计,并对该设计在Matlab下进行了仿真。结果表明,所设计的控制器完全可以得到较好的控制效果。     

基于神经网络与PID控制的挠性结构的混合控制研究

利用CMAC神经网络与PID控制算法，提出了一种针对飞行器挠性结构振动的混合控制方法．首先在给出系统动力学方程的基础上，利用CMAC神经网络的具体特点，给出了神经网络算法；进而将PID控制算法引入控制系统，形成了一种混合控制方法，该方法具有CMAC神经网络与PID控制算法两者的优点．最后针对复杂的飞行器挠性结构振动问题进行了实例仿真，说明了算法的有效性．     

机器人视觉伺服中CMAC学习控制系统研究

根据小脑模型关联控制器（CMAC）收敛速度快,适于实时控制系统的特点,设计了一种基于CMAC学习控制方法的机器人视觉伺服系统。在该系统中,CMAC被用作前馈视觉控制器对常规反馈控制器进行补偿。所提出的CMAC控制器替代图像雅可比矩阵来获得目标图像特征和机器人关节运动之间2D/3D变换关系,通过其在线学习,可以使系统对摄像机标定误差不敏感,从而提高系统的鲁棒性。实验证明了所设计控制系统的有效性。     

基于CMAC与PID复合控制的汽轮机功率控制系统

针对汽轮机功率调节过程的非线性特征,提出了将CMAC神经网络与常规PID控制相结合的方法,并将其应用于汽轮机功率控制中。该复合控制方法可以实现前馈与反馈的联合控制,其中前馈控制由CMAC神经网络实现,反馈控制由常规PID控制器实现。通过对比分析CMAC/PID复合控制与常规PID控制的仿真结果,可以看到在不同的扰动因素存在时,CMAC/PID复合控制均能取得较好的控制效果。     

一种FCMAC及在Wiener模型辨识中的应用研究

本文将模糊算法和小脑模型神经网络有机地结合在一起，提出了一种单输入单输出(S ISO)的模糊小脑模型神经网络(FCMAC)．它在对输入进行分级量化的同时进行模糊量化，利 用Takagi Sugeno模糊算法进行推理，并将模糊算法引入CMAC的权值训练，具有输入量化级 数少、函数逼近精度高等特点．这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、 训练速度快、辩识效果好等特点．     

CMAC神经元网络在CSTR系统建模中的应用

目前正在兴起和发展的人工智能和人工神经网 络的研究,为复杂非线性系统的控制开辟了一条新路．本文将CMAC神经元网络用于CSTR系统 的建模,取得了很好的仿真效果．     

CMAC Neural Network and Its Use in Problems of Identification and Control of Nonlinear Dynamic Objects

Efficient use of CMAC (Cerebellar Model Articulation Controller) for identification and real-time control of nonlinear dynamical systems is demonstrated. An on-line weight training algorithm is proposed. The results of modelling and controlling nonlinear objects with unknown dynamics testify to the efficiency of this network. __________ Translated from Kibernetika i Sistemnyi Analiz, No. 5, pp. 16–28, September–October 2005.     

基于CMAC强化学习的交叉口信号控制

采用神经网络值函数逼近的强化学习方法处理交叉口的信号控制。根据交通流及交叉口信号特征,建立强化学习的状态空间、动作空间和回报空间,以最小化车辆在交叉口的延误为控制目标,对信号进行优化控制。引入小脑模型关节控制器神经网络对强化学习(RL)的Q值进行逼近。在变化的交通条件下,使用典型交叉口对提出的RL模型进行验证,同传统的定时控制和全感应控制进行对比分析。仿真结果表明,RL控制器具有较强的学习能力,可以适应交通流的动态变化,稳定性好、自适应性强,对于环境变化具有较强的适应能力。     

基于卡尔曼滤波CMAC-PID的视力检查距离控制系统

为提高视力检查的精确性和灵活性,设计了视力检查距离控制系统对检查距离进行有效控制,并建立了数学模型。针对该系统的非线性、时变性和多干扰性,提出基于卡尔曼滤波器的小脑神经网络与比例—积分—微分复合控制(CMAC-PID)方法,利用卡尔曼滤波器抑制测量噪声和控制干扰的影响。仿真结果表明,此控制方法在抗干扰方面优于CMAC-PID控制,可以更好地改善距离控制系统的性能。     

模糊小脑模型神经网络

提出输入层具有一定隶属度的模糊小脑模型神经网络(Fuzzy CMAC),它比小脑 模型CMAC(Cerebellar Model Articulation Controller)能更真实地描述客观世界.给出n维 Fuzzy CMAC算法,仿真结果表明Fuzzy CMAC比小脑模型CMAC具有如下优点:学习收敛 速度快得多,可以学习模糊规则.Fuzzy CMAC比CMAC优越,使CMAC成为Fuzzy CMAC 的特例.     

小脑模型关节控制器网络在传送带给料生产加工站学习优化控制中的应用

研究单站点传送带给料生产加工站（conveyor-serviced production station,CSPS）系统的前视（look-ahead）距离最优控制问题,以提高系统的工作效率.论文运用半Markov决策过程对CSPS优化控制问题进行建模.考虑传统Q学习难以直接处理CSPS系统前视距离为连续变量的优化控制问题,将小脑模型关节控制器网络的Q值函数逼近与在线学习技术相结合,给出了在线Q学习及模型无关的在线策略迭代算法.仿真结果表明,文中算法提高了学习速度和优化精度.     

神经计算中坐标变换的网络模型(CMAC)的泛化特性

在神经计算中神经网络的泛化特性是一个非常重要的内容.该文简述了小脑模型 (CMAC--Cerebellar Model Areiculation Controller)的原理和学习算法,并用仿真方法讨 论了在机器人使用的坐标变换关系(输入直角坐标值,输出机器手的关节角度)下CMAC的 泛化性能:当泛化率为1:100时CMAC仍能正常工作.系统的精度虽能满足需要,但是进一 步提高却受到限制.本文还讨论了影响精度的各种因素及可能的改进方法.     

一种新型模糊神经网络函数逼近器

论文提出了一种新型模糊小脑模型神经网络(NFCMAC),它采用模糊隶属度函数作为接收域函数,能够获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。同时研究了NFCMAC接受域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。仿真结果表明NFCMAC具有良好的泛化能力和逼近精度,具有较高的收敛速度。     

基于CMAC-PID控制器的水压加载系统研究

为了实现水压加载系统能够动态精确跟踪给定压力的要求,利用小脑模型关节控制器(CMAC)结构简单、收敛速度快、具有局部学习能力的特点,提出了一种除了系统动态误差以外把系统指令信号也作为CMAC的输入信号,并把CMAC控制器与常规PID控制器并联构成的复合控制方法;通过在MATLAB中的编程仿真试验,结果表明这种方法可以得到比常规PID控制更好的控制指标,达到了试验要求,而且具有良好的抗干扰能力,从而证明了该方法的可行性和有效性,可以用来实现对给定信号的跟踪。