共查询到10条相似文献,搜索用时 203 毫秒
1.
在分析相平面e˙e的基础上,提出了一种仿人智能控制(HSIC)特征模型的新算法;将系统动态过程划分为若干运行模式,在系统响应性能指标与动态过程分区之间间接地建立了相互联系.控制结构上采用开闭环控制,即开环为主导的闭环控制,其控制模态简单.同时,将模糊控制与HSIC相结合,提出了一种新的智能控制器——模糊HSIC控制器.模糊控制器输入输出各语言变量的论域和HSIC特征模型新算法的相平面分区有直接的联系,其控制规则表可以由新算法的逻辑控制规则直接构建.仿真结果表明,HSIC特征模型新算法便于构建模糊控制器,且模糊控制器有较好的鲁棒性和抗干扰能力. 相似文献
2.
将逆系统方法与模糊神经网络相结合, 提出一种基于模糊神经网络®阶逆系统的发酵过程解耦控制方法. 在分析了系统可逆性的基础上, 利用模糊神经网络建立发酵过程的非线性逆模型, 然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统, 最后设计专家控制器实现高性能闭环解耦控制. 仿真结果表明, 提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性, 具有较强的鲁棒性, 克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点, 且结构简单, 易于实现. 相似文献
3.
研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性. 相似文献
4.
一种基于模糊神经网络的双足机器人混杂控制 总被引:4,自引:0,他引:4
针对双足机器人控制问题,提出了一种基于模糊神经网络的混杂控制方法.该种方法将模糊神经网络融入了逆系统和H∞控制方法中,一方面将模糊神经网络的构造误差看作系统的干扰,利用H∞控制对干扰进行抑制.另一方面利用模糊神经网络对系统模型进行逼近,为逆系统的构建和H∞控制率的设计提供了有效的系统信息.本文分析了闭环系统的稳定性问题,证明了在采用本文提出的模糊神经网络和自适应算法后可以抑制L2增益. 相似文献
5.
6.
7.
基于神经网络的动态系统逆模型辨识及闭环控制 总被引:6,自引:1,他引:6
本文提出一种动态线性或非线性系统的神经网络逆模型辨识结构,并引出两种PID与神经网络逆模型相结合的自适应控制方案,神经网络模型采用基于U-D分解卡尔曼滤波学习算法(UDK)的动态前向多层网、仿真结果表明了所述辨识方案的有效性及特点 。 相似文献
8.
针对神经网络逆控制存在的不足, 对一类模型未知且某些状态量较难测得的多输入多输出(MIMO)非线性系统, 在状态软测量函数存在的前提下, 提出一种最小二乘支持向量机(LSSVM)广义逆辨识控制策略. 通过广义逆将原被控系统转化为伪线性复合系统, 并可使其极点任意配置, 采用LSSVM代替神经网络拟合广义逆系统中的静态非线性映射. 将系统的状态量辨识与LSSVM逆模型辨识结合, 通过LSSVM训练拟合同时实现软测量功能. 最后以双电机变频调速系统为对象, 采用该控制策略进行仿真研究, 结果验证了本文算法的有效性. 相似文献
9.
10.
该文针对不平滑、多映射动态迟滞非线性系统,提出了一种基于神经网络自适应控制方案.在该方案中,通过利用神经网络来逼近模型误差,避免了目前常用逆模型补偿方案中,需求取复杂逆模型的问题.应用Lyapnov稳定定理,证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内.仿真结果表明,所提出的控制方案能够有效补偿迟滞非线性对系统的影响. 相似文献