模糊控制器在伺服系统中的应用

介绍了模糊控制器在伺服系统中的应用。文章采用数字单片机实现模糊控制,详述了模糊控制器的实现方式。此控制方式在伺服系统中具有普遍适用性。     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

伺服系统模糊控制器的DSP实现

DSP体积小、价格低，是生产便携式仪器的理想器件。本文讨论了模糊控制的原理以及交流伺服电动机的控制结构。给出了模糊控制器设计方法，模糊控制表生成，最终用TMS320C32 DS编程实现。     

模糊神经网络控制器

自从1965年美国学者LAZadeh教授提出模糊集合论以来，模糊系统理论得到很大的发展，而1974年英国剑桥的E．H．MhlTldani首次应用模糊控制实现了对蒸汽机的控制。使人们对模糊控制引起了极大的热情。近二十年来，模糊控制经历了重大的发展与演变，现已深入到自组织控制，预测控制．多变量控制等方面。但是，无论是何种模糊控制系统，其核心都集中于模糊推理框架。如何将模糊规则表达与近似推理有机结合起来，实现高速动态推理，一直是尚待解决的问题。近年来随着人工种经网络理论的发展，人们开始将神经网络和模糊控制相结合，构成模糊神…     

优化的模糊控制器在温室系统中的应用

为了更好的对温室因子进行控制,针对温室控制的特点,本文提出了一种遗传算法和BP算法相结合的模糊神经网络控制器,将两种控制方法取长补短,再依据网络的结构特点采用不同的算法来优化控制器的参数,并通过仿真等对其功能进行了分析.结果表明,这种应用是合理的.     

多模自适应模糊控制器及其在精密伺服系统中的应用

永磁直线同步电动机(PMLSM)的理论研究还不十分完善并且其工业应用也没有实现,因此不能利用其数学模型或简单模糊控制的方法对垂直运动的PMLSM实现良好控制.设计了直线伺服系统的多模自适应模糊控制器.首先应用自组织模糊控制器,它可以在先验知识十分缺乏的情况下自动形成良好的控制表.然后考虑到被控对象的多动态特性,加入自整因子层对量化因子和比例因子进行在线模糊修改,从而改善了控制器的动态和静态特性.为克服模糊控制不能实现无静差控制的不足,使用无静差的双模设计,提高了伺服系统稳态精度和动态响应速度.实验证明,该伺服系统能够消除PMLSM固有的负载扰动、端部效应、参数时变对系统伺服性能的影响;并且具有自组织自学习能力强,快速跟踪,定位精确,鲁棒性强等特点.     

基于模糊神经网络的位置控制器研究

提出了一种基于Sugeno模糊揄神经网络位置控制器，以永磁无刷直流电机（BLDM）构成伺服系统作为对象进行了仿真实验，研究了该控制器的学习精度、收敛速度及控制性能，仿真结果表明本文所设计模糊神经网络位置控制器学习精度高、收敛速度快、在系统同时存在电机参数的变化和负载扰动时，具有较强的鲁棒性和抗干扰能力。     

神经网络模糊控制器的研究

本文讨论如何用人工神经网络（ANN）构成模糊控制器（FLC）的问题，基于ANN的FLC能通过在线学习提高它的适应能力实现智能控制，这里提出的经网络控制器NNFLCFC以动态系统的状态变量为输入，输出则是控制信号。     

基于增强型算法并能自动生成规则的模糊神经网络控制器

给出了一种基于增强型算法并能自动生成控制规则的模糊神经网络控制器RBFNNC（reinforcements based fuzzy neural network comtroller）。该控制器能根据被控对象的状态通过增强型学习自动生成模糊控制规则,RBFNNC用于倒立摆小车平衡系统控制的仿真实验表明了该系统的结构及增强型学习算法是有效和成功的。     

PID神经网络控制器在发动机油门控制中的应用

BP网络与PID控制器相结合,可以实现对PID控制器参数的优化调整。但是BP网络的隐含层层数和神经元节点数的选取尚无定则,需要反复的计算论证才能确定;并且网络连接权重初值选取为随机值,难以保证系统初始运行的稳定。本文提出一种将BP神经网络与PID控制规律融合的新方法--PID神经网络,该方法控制结构简单、系统参数物理意义明确,同时又克服了上述网络的诸多缺点。将该方法应用于对发动机油门开度的仿真控制,仿真结果表明该控制器大大改善了发动机油门控制系统的性能,仿真效果良好。     

基于改进遗传算法的FNNPID控制器在温度控制系统中的应用

根据温度控制系统的特点,为提高其控制质量,设计了一种模糊神经PID控制器。该控制器在温度偏差大时采用模糊神经控制,偏差小时采用模糊神经PID控制,由模糊控制开关保证两种控制方法的平滑过渡,用改进的遗传算法优化网络参数。仿真实验表明采用该控制方法系统响应速度更快、超调更小、精度更高、适应性更强。     

网络环境伺服系统位置自适应控制器设计

基于Ethemet／IP网络和SERCOS网络,采用罗克韦尔自动化的伺服驱动系统和ControlLogix系统框架构建网络环境下的伺服控制系统。针对伺服系统位置控制的技术要求,对伺服系统建模分析;使用罗克韦尔自动化的运动控制器研究设计出提高控制精度的位置自适应PI控制器。实验结果表明,此控制器解决了常规PI控制器各个参数在系统运行过程中的矛盾问题,提高了机械系统的定位精度。该方案简单可靠,且易于工程实现,可以在相关的运动控制领域中推广应用。     

变结构神经网络模糊控制器的研究

本文从提高智能化程度出发,提出了一种更接近人脑思维方式的基于神经网络的模糊控制器的结构形式,在证明该结构的普适性定理的基础上,采用遗传算法对其进行参数和结构的训练,所得结果能较好地满足系统性能要求。     

基于遗传算法的神经网络控制器在导航系统中的应用

目前广泛运用于神经网络中的误差反向传播训练时间较长,且易陷入局部最优。该文首次在遗传算法中使用一种新的个体选择方法,并利用遗传算法和误差反向传播算法相结合训练神经元的连接权值,能够优化控制器性能参数和全局搜索能力,在航向控制系统中的仿真数据显示比单纯误差反向传播算法误差更小。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

优化的模糊控制器在温室系统中的应用

为了更好的对温室因子进行控制,针对温室控制的特点,本文提出了一种遗传算法和BP算法相结合的模糊神经网络控制器,将两种控制方法取长补短,再依据网络的结构特点采用不同的算法来优化控制器的参数,并通过仿真等对其功能进行了分析。结果表明,这种应用是合理的。     

基于PLC的模糊神经网络算法的工程应用

模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则。将模糊神经网络控制器应用于锅炉燃烧器控制器的设计中。结果表明,使用这种控制器可以取得良好的控制效果。