基于支持向量规则的运动控制器自然语言构造方法

本文介绍了一种基于支持向量规则的运动控制器自然语言构造方法，提出利用 支持向量机理论，对通过自然语言构造的模糊控制规则进行支持向量规则抽取，从而获得一 个在指定控制精度下的支持向量规则运动控制器．这种方法可以在给定任务精度下抽取真正 有效的控制规则完成控制任务，使控制规则数及控制器形式得到简化，为未来将基于语言构 造的控制器推向实用奠定了基础．所提控制方法在一个轮式移动机器人系统上进行了语言训 练实验．     

支持向量回归的一种网络优化策略

提出一种用于支持向量回归的网络优化策略．学习策略分为两个阶段：首先训练支持向量机，得到支持向量回归的初始结构和参数，构造一个无阈值的支持向量回归网络；然后通过带有遗忘因子的递归最小二乘算法，优化计算支持向量回归网络的权值，以达到更好的函数拟合精度．与支持向量回归相比，这种策略可以得到最优的权值和阈值．仿真结果表明，该网络性能优良，具有在线应用的潜力．     

支持向量机在PID控制器参数整定中的仿真研究

PID控制是应用最为广泛的控制方法,由于系统中存在非线性和时变性,影响建立精确的模型,系统性能.为了解决控制参数整定,改善系统性能,提出一种基于支持向量机的PID控制器参数整定方法.通过将支持向量机和PID控制器相结合建立支持向量机的参数整定模型,在控制过程中将PID控制的参数作为支持向量机的输入,构造参数自适应学习的PID控制器,在控制过程中动态调整PID的三个控制参数,进行仿真的在线整定.仿真结果表明,支持向量机的PID控制方法在处理非线性和时变系统时,提高了实时性能,增强系统稳定性,并获得更好的控制效果,为通用非线性PID控制器设计提供了依据.     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

基于参数自整定模糊控制的永磁同步电机矢量控制调速系统

针对采用SVPWM调制的永磁同步电动机的矢量控制系统,介绍参数自整定模糊控制策略,该策略吸收了空间脉宽调制、模糊控制和PID控制的优点,能够按照被控制对象的性能要求,通过模糊控制规则自动整定控制器参数,速度调节采用模糊自整定控制器,改善了系统的性能.仿真结果表明,基于参数自整定模糊控制与常规PID控制的水磁同步电机调速系统相比,具有良好的动态,稳态性能以及较强的鲁棒性,从而证明了这种设计方法的合理性和优越性.     

一种模糊支持向量机控制器的研究

将支持向量机与模糊逻辑相结合,设计了一种模糊支持向量机控制器,并分析了控制器的结构和学习算法.学习过程分为离线学习支持向量机和在线整定模糊比例因子两部分.与模糊神经网络控制器相比,模糊支持向量机控制器适应小样本学习,泛化能力强,解决了过学习、结构设计依赖经验等问题.仿真研究表明,所设计的控制器具有较优的控制性能.     

发电机组汽门系统的多模型自学习控制

针对发电机组的非线性、大范围运行等实际问题，研究了用于汽门系统的多模型自学习控制（MMSC），首先根据各种工况下的样本数据归纳出模糊控制规则；然后由模糊聚类算法将多种工况约简为典型工况，得到相应的子模型模糊控制器（FLC）．以子模型FLC输出的加权集成作为MMSC的控制输出，而加权系数取决干子模型匹配度．在子模型FLC学习优化中，由支持向量机离线逼近模糊规则曲面，再由梯度下降算法在线自学习．仿真实验验证了所设计控制器的优良性能．     

神经网络自适应模糊控制在温度控制系统中的应用

把神经网络与模糊控制相结合，提出一种基于神经网络的自适应模糊控制器。这种控制器由模糊神经网络控制器和模型网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能，仿真结果及其应用于温度控制系统中，控制性能明显于一般Ｆｕｚｚｙ控制。     

基于支持向量回归机的HHT边界效应处理

针对希尔伯特-黄变换中的边界效应，提出了基于支持向量回归机的时间序列预测方法．在支持向量回归机的应用当中，参数的选取对它的泛化性能有很大影响．在讨论了参数对支持向量回归机的泛化性能的影响基础上，提出了通过微粒群优化算法来优化支持向量回归机参数的方法，使得支持向量回归机在应用中能够自适应的选择最优参数，从而获得了更好的泛化性能，提高了在端点处的延拓精度，很好地抑制了端点效应．试验表明，该优化算法能够很好解决支持向量回归机的参数选取问题．通过与神经网络的延拓方法和黄等人的HHTDPS结果对比，基于支持向量回归机的时间序列预测方法可以更好地解决在希尔伯特-黄变换中存在的边界效应，得到的固有模态函数具有较小的失真．     

基于自适应模糊与输入输出线性化的卫星姿态控制

将自适应模糊控制与输入输出线性化控制相结合，构成混合控制器，并将其应用于挠性卫星的姿态机动控制．给出了卫星姿态控制器的基本形式，分析了控制器参数的选取准则．在线调节自适应模糊控制器的参数，以补偿不确定性卫星的姿态跟踪误差．仿真结果表明，该控制算法通过在线学习能有效地克服挠性卫星的不确定性，具有较强的鲁棒性，从而有效地提高了挠性卫星的姿态控制精度．     

基于模糊PI的永磁同步电机矢量控制

针对永磁同步电机矢量控制系统中,传统PID控制器对永磁同步电机控制性能效率不高以及对工作环境变化的适应性能不良等问题,首先,在两相旋转坐标系下采取双轴理论建立永磁同步电机数学模型;接着,采用模糊控制理论对永磁同步电机矢量控制系统中转速环传统的普通PID控制器进行改进研究,深入地从理论层次研究分析建立得到模糊PI控制器。在Matlab/Simulink环境下建立基于模糊PI控制器的永磁同步电机矢量控制系统仿真模型,并且将建立得到的模糊PI控制器引入永磁同步电机矢量控制系统进行仿真实验。实验结果表明,模糊PI控制器相对于传统的PID控制器具有更加优越的动态性能和稳态性能。     

在线知识获得智能模糊控制器研究

对一些复杂的系统。传统PID或模糊控制很难得到满意控制效果，本文提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来进行控制。由遗传算法在线优化模糊控制器的比例因子、模糊推理规则和隶属函数。并由RBF网络辨识被控对象的动态特性，以评价模糊控制器控制性能。仿真实验表明。优化后的Fuzzy控制器具有较强的学习和自适应控制能力，控制效果优于没有寻优的Fuzzy控制。     

模糊PID矢量控制在异步电机调速中的应用

为了提高三相异步电机矢量控制的性能,在传统的转速PID控制器的基础上,建立模糊PID控制器,利用Matlab/Simulink搭建基于三相异步电动机转速控制的模糊PID系统,分别使用常规PID控制器与模糊PID控制器进行控制,并进行比较。仿真结果表明模糊控制能使系统取得较好的控制性能并具有较强的鲁棒性。     

支持向量机-模糊推理自学习控制器设计

常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.     

Extraction of Robot Primitive Control Rules from Natural Language Instructions

A support vector rule based method is investigated for the construction of motion controllers via natural language training. It is a two-phase process including motion control information collection from natural language instructions, and motion information condensation with the aid of support vector machine (SVM) theory. Self-organizing fuzzy neural networks are utilized for the collection of control rules, from which support vector rules are extracted to form a final controller to achieve any given control accuracy. In this way, the number of control rules is reduced, and the structure of the controller tidied, making a controller constructed using natural language training more appropriate in practice, and providing a fundamental rule base for high-level robot behavior control. Simulations and experiments on a wheeled robot are carried out to illustrate the effectiveness of the method.     

基于模糊推理模型的水泥粉磨专家控制系统研究

针对水泥粉磨这一类难用准确的数学模型来描述以及常规模糊控制器的控制效果不理想等问题,通过将模糊控制技术与专家系统的有机融合,提出了基于模糊推理的贴近度决策方法,建立了模糊控制规则模型,解决了模糊推理的规则匹配问题,并给出了控制结论的化优化求解模型。实验结果表明该方法改善了负荷控制性能,提高了产品质量和磨机生产效率。     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

一种基于模糊径向基函数神经网络的自学习控制器

提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案可以有效提高系统的控制精度和自适应能力