基于层迭CMAC网络的6-DOF机器人自适应控制

研究了标称自适应+迭代学习控制算法的稳定性,并利用层迭CMAC网络的优良特性, 提出了基于层迭CMAC的标称自适应+迭代学习控制方法．此方法将标称自适应控制中确定的 模型信息与未知的信息分离,充分利用模型中确定的信息进行前馈控制;而对于未知信息, 则利用层迭CMAC进行自适应学习．仿真实验表明用本文所设计的控制系统对6 DOF并行机器 人进行轨线控制,可获得比以往的普通CMAC+PD控制系统更好的控制效果．     

CMAC-PID在柴油机调速系统中的应用

研究柴油机优化控制问题,柴油机调速控制要求快速、准确.针对柴油机调速系统的非线性、时变等特点,导致稳定时间长,传统PID控制不理想.为了提高自动调节供油量,达到控制准确度,提出一种小脑模型神经网络(CMAC)与PID并行控制的柴油机调速系统(CMAC-PID).采用现代控制理论与经典相结合的方法对柴油机调速系统进行优化设计,利用传统PID来实现柴油机调速属于反馈控制,保证了系统的稳定性,并且能够抑制扰动,结合CMAC神经网络对控制器进行前馈控制,确保系统的控制响应速度,减小超调量,提高控制精度.仿真结果表明,采用CMAC-PID算法控制精度更高,超调小,稳定时间短,鲁棒性强,能优化柴油机调速系统性能,为设计提供了参考.     

飞机空调车的模糊CMAC-PID温度控制器设计

关于飞机地面空调温度优化控制问题,飞机地面空调车温度控制系统具有参考模型不精确、非线性、时变、工作环境不稳定等特点。针对实际温度控制系统中应用到的传统PID温度控制器存在超调量大、响应速度慢、抗干扰能力弱等缺点,设计了一种新的响应速度快、稳定性高和抗干扰能力强的模糊CMAC-PID控制器。温度控制器利用小脑神经网络(CMAC)较强的自适应能力,与模糊PID控制器并行工作,能够迅速、精确、稳定的达到系统所要求的温度值。用Matlab软件进行实验,结果表明控制方式有效地改善了系统的动态性能、稳态精度和鲁棒性,具有较好的工程应用前景。     

基于CMAC-PID并行控制的阵风减缓控制系统

针对高速飞机飞行在大气干扰下,产生强烈阵风干扰,飞机方程存在未建模扰动,传统PID难以保证控制稳定效果,提出了基于粒子群优化策略的CMAC-PID并行控制的直接升力控制方法,并将其应用于飞机阵风减缓控制系统的设计中.采用乘坐品质舒适指数作为适应度函数,通过粒子群优化,得到PID控制器参数为神经网络训练提高导师信号.在系统运行中,PID控制器输出逐渐趋近为零,CMAC网络控制输出逐步取代PID控制输出,成为控制器主要控制信号.仿真结果表明,提出的方法比传统PID控制器能够更加有效的起到阵风减缓效果增加稳定性.     

水轮发电机组控制系统的仿真研究

研究水轮发电机组优化控制问题,电能的电压和频率应保持稳定值,保证安全供电.由于水轮发电机组是一个非线性、时变的复杂系统,传统PID控制算法难以对其做出精确控制,导致系统稳定过程时间长,超调量大.为解决上述问题,提出一种CMAC与PID复合控制的水轮发电机组控制系统.复合控制方法利用CMAC进行前馈控制,加快系统控制响应速度,减小超调量,从而提高控制精度;利用PID实现反馈控制,用来保证系统稳定并减少系统扰动.仿真结果表明,CMAC-PID控制方法提高了系统的控制精度,系统超调量更小,稳定时间更短,能够更好的对水轮发电机组进行在线控制.     

PMSM调速系统CMAC网络PID并行优化控制

针对永磁同步电机调速系统存在多变量、非线性和强耦合的控制特点,提出了基于混沌优化策略与自适应CMAC网络PID并行控制相结合的控制方法,并将其应用于永磁同步电机调速系统的参数设计中.该方法首先通过混沌搜索,得到PID控制器参数的次优值,然后再利用变尺度的方法在次优值附近找出PID控制器参数的全局最优值.与传统CMAC网络PID并行控制以及单纯PID控制相比较的仿真结果表明.该方法可以更好地提高永磁同步电机调速系统的控制精度和响应速度.     

基于变学习率CMAC网络的自适应逆控制研究

提出一种改进学习算法的CAMC网络结构，并应用于非线性系统控制。该算法可保证网络的学习率随着系统工作点的变化而自适应变化，加快了网络的收敛速度，提高了系统的自适应能力。文中分析了CAMC网络用于自适应逆控制过程中，网络学习率对网络收敛特性的影响，论证了自适应学习率在网络学习中的作用，并给出了学习率自适应学习的具体训练方法。最终将该方法应用于三阶机械手模型的逆运动控制，给出了基于普通CMAC的逆运动控制的控制曲线和基于改进学习算法后的CMAC的逆运动控制的控制曲线，并给出了分析和对比，论证了改进的学习算法的优越性。     

基于CMAC的转台系统逆控制器设计及仿真

仿真转台是对飞行器进行地面物理仿真的设备,是一个具有一定非线性和不确定性的伺服控制系统。该文利用CMAC的地址映射能够高度逼近非线性函数的特点,以转台伺服系统为控制对象,采用CMAC神经网络和PD控制器相结合的方法,提出一种应用于高精度伺服系统的控制方法,使CMAC在控制的前期阶段学习系统的逆,后期阶段作为控制器。仿真实验结果表明了这种方法具有自适应和快速收敛的优点。控制器具有良好的控制品质,结构简单,易于实现。     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

飞机发电机励磁系统的建模与控制仿真

在飞机发电机励磁系统的优化设计中,单纯的PID控制虽然能满足一般的动静态性能,但是也有响应速度慢、调整时间长,稳定精度低等缺点.为了解决上述问题,提出了采用小脑模型神经网络(CMAC)和常规PID并行控制的励磁方案.在分析飞机同步发电机数学模型和励磁系统原理的基础上,建立了飞机同步发电机及其励磁调压系统的SIMULINK仿真模型.通过对比分析仿真结果可以得出:CMAC-PID控制的励磁方案比常规PID控制的响应速度快、调整时间短、稳定精度高,并且没有超调量,体现了改进控制方案输出误差小、鲁棒性强、动静态性能优的特点.