首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 609 毫秒

1.  基于神经网络逆控制的钢包精炼炉的仿真研究  
   姚荣斌  李生权《机械设计与制造》,2010年第10期
   基于逆动力学控制的思想,提出一种基于RBFN逆模型控制策略,并将该控制策略对具有多变量非线性特性的钢包精炼炉系统进行控制.采用三个RBF神经网络分别对被控对象的三个输入进行逆辨,识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成三个已解藕的独立的伪线性对象,进而针对三个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制.仿真实验证明冲这种方法的可行性和有效性.    

2.  焦化鼓风机系统智能控制策略研究及应用  被引次数:2
   张世峰  童德华  薛红宇  宁芳青《仪器仪表学报》,2009年第30卷第11期
   针对焦化鼓风机系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,通过采用基于最近邻聚类方法的RBF神经网络快速学习算法,实时在线辨识,建立被控对象的精确逆模型并用于控制,实现了将具有强耦合特性的多输入多输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与非线性比例积分微分(PID)控制相结合的智能控制策略,保证了系统稳定的同时改善了控制系统性能.仿真和应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.    

3.  基于改进最近邻聚类的机械手神经网络逆控制  
   刘根水  张绍德  李娟《安徽工业大学学报》,2008年第25卷第4期
   机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。    

4.  基于RBFN逆控制策略的多变量非线性系统的解耦控制  
   孙红兵  李生权  李娟《计算机测量与控制》,2010年第18卷第7期
   基于逆动力学控制的思想,提出一种带前馈的RBFN逆模型控制策略,并将该控制策略对多变量非线性系统进行了在线解耦与控制;采用3个RBF神经网络分别对被控对象的3个输入进行逆辨识,每相神经网络逆辨识模型反向作为逆控制器模型与每相串联,从而构成3个已解耦的独立的伪线性对象,进而针对3个独立的伪线性对象进行线性控制,从而实现了对三相耦合系统的精确控制;经过实验室模拟调试的实测三相电流波形表明,在电流设定值为2100A时,升温速率为5.3℃/min,电流波动范围≤±10%.    

5.  电弧炉电极系统双模控制策略研究及应用  
   张世峰  张绍德《电子科技大学学报(自然科学版)》,2008年第37卷第1期
   针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略.应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.    

6.  一种永磁同步电机解耦控制的新方法  被引次数:1
   孙晓东  朱熀秋  张涛  潘伟  许波《微电机》,2010年第43卷第1期
   针对永磁同步电机这一多变量、非线性、强耦合的控制对象,提出了一种基于神经网络在线辨识的永磁同步电机逆系统解耦控制新方法.通过静态神经网络加积分器来构造永磁同步电机的逆系统,并在实际运行中不断地修正神经网络权值,使其更精确地逼近逆系统.将逆系统与永磁同步电机原系统复合成两个伪线性子系统,使永磁同步电机解耦成二阶线性转速子系统和一阶线性磁链子系统,在此基础上,运用线性系统理论进行综合.仿真试验表明这种控制策略能够实现永磁同步电机转速和定子磁链之间的动态解耦控制,并且系统具有良好的动静态性能.    

7.  基于逆系统的赖氨酸发酵多变量解耦内模控制  
   孙晓天  靳其兵  张瑶  徐海涛《电子技术应用》,2010年第36卷第2期
   针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸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,且结构简单,易于实现。    

8.  基于GA-RBF神经网络逆的两电机同步控制  
   康梅  赵文祥  吉敬华  刘国海《微特电机》,2012年第40卷第8期
   以多变量、非线性、强耦合的两电机同步控制系统为研究对象,提出了基于遗传算法的径向基函数(GA-RBF)神经网络逆的两电机同步控制方法。根据给定的性能指标,采用遗传算法对RBF神经中心进行优化,在此基础上串联RBF神经网络逆与两电机系统,构建复合伪线性系统。这一复杂控制对象即可解耦成转速与张力两个线性子系统,进而通过设计线性闭环调节器实现了解耦控制。实验结果表明,采用GA-RBF神经网络逆的两电机系统,对速度和张力实现了较好的解耦控制,且具有较强的抗干扰能力。    

9.  神经网络在感应电动机调速系统中的应用研究  
   卢蔚瑶《计算机仿真》,2011年第28卷第9期
   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.    

10.  基于T-S逆模型的航空发动机解耦控制  
   任立通  谢寿生  苗卓广  王磊  彭靖波  吴勇《计算机测量与控制》,2012年第20卷第9期
   为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力.    

11.  永磁同步电机神经网络逆解耦控制研究  
   赵君  刘卫国  骆光照  张文婧《电机与控制学报》,2012年第16卷第3期
   针对永磁同步电机的非线性、多变量、强耦合的特点,将神经网络与逆系统解耦方法相结合,并用于永磁同步电机的解耦控制.分析永磁同步电机的数学模型与解析逆模型,完成系统可逆性证明,将永磁同步电机与解析逆系统等效成两个伪线性子系统,构造神经网络逆系统,将永磁同步电机动态解耦为一阶线性磁链子系统与二阶线性转速子系统,利用两个PID控制器对伪线性子系统进行闭环控制器设计,实现系统转速与定子磁链动态解耦控制.利用dSPACE半物理仿真系统完成神经网络训练数据的采集与系统解耦控制实验.结果表明神经网络逆系统方法可以实现永磁同步电机的高新能控制,对负载扰动具有较强的鲁棒性.    

12.  一种基于动态最近邻聚类算法RBF网络非线性系统复合控制器设计  
   李娟  李长奎  张绍德《工业仪表与自动化装置》,2009年第1期
   针对RBF网络的设计难点,提出一种动态确定隐层节点数和聚类中心的新方法。并基于逆动力学的思想,提出一种RBF网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF网络结构和动态最近邻聚类算法,实现了对系统逆动力学的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性系统,从而使非线性对象的控制问题简化成线性对象的问题。仿真结果证明了该控制策略具有良好的动态跟踪性能和抗干扰能力,具有较强的鲁棒性。    

13.  基于神经网络逆系统的发酵过程多变量解耦控制  被引次数:5
   刘国海  孙玉坤  全力  刘贤兴  刘星桥《仪器仪表学报》,2006年第27卷第3期
   发酵过程是时变、非线性、不确定的多变量耦合系统,高性能的解耦控制一直是追求的目标。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发酵过程解耦控制方法。根据发酵过程的特点,给出了相应的数学模型,并证明了系统的可逆性,进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统,再设计线性闭环调节器实现高性能解耦控制。仿真结果表明,提出的解耦控制方法能够适应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案依赖于过程模型和对模型参数的变化很敏感的缺点。    

14.  支持向量机α阶逆系统解耦控制方法  
   宋夫华  李平《浙江大学学报(自然科学版 )》,2007年第41卷第2期
   为了解决采用传统逆系统方法难以建立逆模型的困难,提出了基于支持向量机(SVM)的α阶逆系统解耦控制方法.在被控对象精确模型未知的情况下,根据SVM的非线性辨识原理,利用具有高斯核函数的SVM离线建立被控对象的非线性逆模型,根据逆系统方法原理,将得到的SVM逆模型串联在原系统之前,将复杂的非线性多变量系统解耦成多个相对独立的单输入输出伪线性子系统.通过对一个典型的两输入两输出强耦合非线性系统进行仿真,结果表明,在没有系统模型先验知识的情况下,利用该方法能够建立准确的非线性系统的逆模型.基于SVM的α阶逆系统解耦控制方法适用于较一般的离散非线性系统,且结构简单,易于工程实现.    

15.  基于小波神经网络的板形板厚系统解耦预测控制  
   黄 敏  朱启兵  崔宝同《控制理论与应用》,2008年第25卷第6期
   带材轧制是一个复杂的非线性过程, 板形控制和板厚控制又是强耦合、非线性、含时延环节的复杂系统. 提出了一种基于小波神经网络的解耦预测控制方案; 利用小波神经网络来辨识原系统的α阶时延逆系统, 将该逆系统与原系统串联后形成一个伪线性复合系统, 从而把多变量系统控制转化为多个单变量系统的控制实现了系统解耦, 并对解耦后的系统采用闭环预测控制. 仿真表明该控制方法具有结构简单、易于实现, 且有较强的抗扰性和鲁棒性.    

16.  基于神经网络逆系统的无轴承异步电机非线性内模控制  被引次数:2
   王正齐  刘贤兴《自动化学报》,2013年第39卷第4期
   针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性.    

17.  空气重介流化床的基于逆系统方法的内模控制  被引次数:1
   宋夫华  李平《浙江大学学报(自然科学版 )》,2006年第40卷第9期
   为了提高大型空气重介流化床(ADMFB)的鲁棒性和抗干扰能力,提出了基于人工神经网络(ANN)逆系统方法的内模控制.在分析ADMFB系统可逆性的基础上,该方法利用ANN辨识得到的原系统逆模型与原系统相串连,运用逆系统方法的思想,将该多变量、非线性、强耦合的系统通过反馈线性化,解耦成多个相互独立的单输入单输出(SISO)的伪线性子系统,对求得的伪线性系统采用该方法进行控制.ADMFB的仿真结果表明,该方法不依赖于系统的精确数学模型,对恒值扰动具有良好的抑制能力,并当非线性参数发生变化或逆系统存在建模误差时,由该方法设计的闭环系统均具有良好的鲁棒稳定性.    

18.  基于GGAP-RBF神经网络逆的复杂多电机系统同步控制  
   张今朝  刘国海《控制工程》,2011年第18卷第1期
   针对以矢量控制工作方式的复杂多电机同步系统,以3台电机同步系统为研究对象,证明了该系统可逆,提出了基于增长和修剪的RBF(GGAP-RBF)神经网络逆的多电机同步控制方法。将RBF神经网络逆串接在三电机系统之前,组成由速度和张力子系统组成的伪线性复合系统,分别对速度和张力子系统设计闭环控制器,实现了对速度和张力的解耦控制。根据给定的性能指标,对RBF神经元数目进行适当增删和修剪,解决了BP神经网络逆控制系统难以进行优化的问题,为复杂多电机同步系统的控制提供了简化依据。仿真结果表明,该方法具有较好的动静态性能。    

19.  基于自适应神经模糊推理系统的磁悬浮电动机控制  
   李惠光  张广路  周巧玲  杨国良《化工自动化及仪表》,2009年第36卷第5期
   磁悬浮电动机是一个非线性、强耦合的复杂系统,阐述了它的工作原理并建立了数学模型,为使该系统具有良好的动态性能和稳定性,采用逆系统方法解耦线性化,然后以解耦后的伪线性子系统为对象,设计了神经模糊PID控制器,该控制器利用PID算法实现控制的准确性,利用模糊控制的逻辑能力和神经网络的自学习能力来提高控制的快速性和自适应性.仿真结果表明,采用神经模糊PID控制响应快、无超调、过渡时间短,实现了预期目的.    

20.  无轴承异步电机的非线性动态解耦控制  
   王正齐  刘贤兴  孙宇新《中国机械工程》,2012年第23卷第8期
   针对无轴承异步电机多变量、非线性、强耦合的特点,提出一种基于支持向量机α阶逆系统理论的非线性动态解耦控制策略。将通过支持向量机回归方法辨识出的无轴承异步电机逆系统串接在原系统之前,构成伪线性复合系统,实现整个系统的线性化。最后根据线性系统理论进行了系统综合。仿真和实验研究表明,支持向量机α阶逆系统方法能够实现无轴承异步电机悬浮力和旋转力之间的动态解耦,控制系统具有良好的动静态性能。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号