RBF-PID控制在防滑刹车系统中的应用研究

为了研究飞机防滑刹车系统,在分析滑移率控制式飞机防滑刹车系统的工作原理基础上,将基于RBF神经网络算法的PID控制方法引入飞机防滑刹车系统中,实现最佳滑移率式的飞机防滑刹车控制.以某型飞机为例,针对不同的跑道(干、湿、冰)情况,将该方法和传统的PID控制方法在MATLAB环境下进行了数字仿真,仿真结果表明:基于RBF神经网络PID的控制方法较传统的PID控制方法,有更好的刹车控制效果,并具有较强的鲁棒性;采用基于滑移率式的RBF神经网络PID控制可以大大地提高飞机防滑刹车效率,为飞机防滑刹车系统的控制提供一条新的思路.     

基于补偿神经网络的模糊飞机刹车控制系统研究

尽管飞机防滑刹车可以在保持可操纵性的同时优化刹车效率，但遇到不同路况时刹车性能却时常下降。为了在防滑的同时获得最大的刹车结合系数，该文提出了新的飞机防滑刹车控制律：基于补偿神经网络的模糊控制。控制器识别飞机和机轮的速度反馈，从而调整刹车力矩实现优化刹车。同时系统又可根据复杂的路况，通过补偿神经网络进行自优化。通过MATLAB、VC仿真得出滑移率跟踪曲线。结果表明刹车系统在适应不同路况时有很好的控制性能。     

无模型自适应控制在飞机防滑刹车中的应用

针对飞机防滑刹车系统的复杂性和非线性,在分析滑移率控制式飞机防滑刹车系统的工作原理基础上,提出了一种基于无模型自适应控制的飞机防滑刹车控制算法;该算法无需精确的动力学模型,直接利用输入输出信息实现飞机防滑刹车的最佳滑移率控制;仿真结果表明:采用无模自适应防滑刹车控制算法,在5s之内就能获得稳定的滑移率,为提高飞机刹车的效率提供了一条新的思路。     

基于滑模变结构的飞机防滑刹车控制器设计

以飞机全电刹车为研究背景,采用滑模变结构控制策略,设计刹车防滑控制策略,解决传统刹车效率低、机轮深度打滑、低速刹车性能差等问题.在控制策略中,以最佳滑移率为目标函数,设计滑模面,实现刹车防滑控制.由于滑模控制的强鲁棒性,可有效提高系统的抗干扰能力.仿真结果可知,滑移率控制在最佳滑移率附近,刹车效率高,可消除机轮深度打滑现象,防滑效果优良.     

飞机刹车模糊神经网络DSP嵌入式控制系统

押对现有飞机刹车防滑系统的控制算法进行了改进,采用了神经网络的BP算法和模糊实时控制,并用数字信号处理器(DSP)在嵌入式系统中实现了神经网络算法。结果表明,飞机防滑刹车效率有了明显改进,鲁棒性增强。     

飞机防滑刹车控制方法综述

飞机防滑刹车系统具有复杂动态特性,防滑刹车控制器的性能对飞机着陆的安全性具有重要作用。针对此问题,回顾了飞机防滑刹车系统的发展历程和主要控制方式,分析了飞机刹车系统的动态特性及影响刹车性能的主要因素。评述了基于数学模型的传统控制方法和基于模糊控制、神经网络等人工智能技术的智能控制方法在机轮防滑刹车控制中的研究与应用情况,并探索了当前防滑刹车控制方法研究中所面临和需要解决的关键问题,展望了未来控制系统的发展趋势。     

一种混合控制算法在飞机防滑刹车系统中的应用研究

由于飞机防滑刹车系统的复杂性和非线性,建立其准确的动力模型比较困难。常规的PID控制算法因过于依赖于模型的精确性,对飞机防滑刹车系统的控制难以达到预期效果。基于以上因素,以飞机防滑刹车系统为对象,提出了一种新的神经网络模糊PID混合控制算法,并在惯性模拟实验台测试。实验结果表明：采用此控制算法,提高了刹车的效率．缩短了刹车距离．提升了飞机制动性能,增强了系统的鲁棒性。     

基于非线性干扰观测器的飞机全电刹车系统滑模控制设计

飞机防滑刹车具有典型的强非线性、强耦合和参数时变等特点, 并且跑道环境的干扰容易对飞机的地面滑跑性能造成不利影响. 本文提出了一种基于非线性干扰观测器的飞机全电防滑刹车系统滑模控制设计方法. 首先, 考虑了实际刹车不确定性干扰条件下的防滑刹车动力学建模问题, 通过对高阶非线性刹车系统进行反馈线性化处理, 简化了基于严格反馈的模型. 其次, 基于对主轮打滑原因的深入分析, 设计了非线性干扰观测器对干扰进行在线估计, 并在控制律设计中引入补偿部分. 通过构造递归结构的快速终端滑模控制器来跟踪实时变化的最佳滑移率并建立稳定性条件, 实现了飞机全电防滑刹车系统的有限时间快速稳定并有效抑制了主轮锁定打滑. 通过在不同跑道状态下进行模拟仿真, 验证了本文提出的飞机防滑刹车控制策略可以有效地提高刹车效率.     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

飞机刹车系统最佳滑移率性能研究

在飞机防滑刹车控制优化的研究中,针对飞机防滑刹车系统的非线性、时变和不确定性,从相对滑移率出发,推导了关于闭环PI型迭代学习控制算法的防滑刹车系统模型;利用粒子群算法对迭代控制中的PI参数进行在线实时更新.在参数保持一致的情况下,以matlab7.1为仿真平台、飞机减速率为目标函数,对系统进行仿真与分析,并与传统的PMB+ PID算法进行了比较.仿真结果表明,方法效果明显优于PBM+ PID算法,证明了ntfj算法在控制性能上的正确性、优越性,对飞机刹车系统优化设计提供了很好的理论依据.     

基于组件技术和遗传小波神经网络的智能建模系统研究

本文对已有的人工神经网络、小波分析、遗传算法的建模方法进行组合利用和加以改进,建立了智能信息处理器。该系统将大量的观测数据进行小波去噪等预处理后,作为小波神经网络模型的输入训练样本数据,网络训练中利用遗传算法动态修改网络结构和参数,并避免神经网络训练速度慢、容易陷入局部极值的缺点,从而完成数据挖掘和复杂的非线性建模功能;同时以智能信息处理器为基础,基于GIS平台利用组件技术建立扩展性强的智能建模系统。最后以某灌区水资源管理过程中的径流预报为例进行仿真实验,验证了方案的可行性和有效性。     

免疫优化神经网络对倒立摆的控制

人工免疫算法是基于生物免疫系统机理和特点发展而来的一种新型智能算法。针对BP神经网络传统训练算法的学习效率低、收敛速度慢且容易陷入局部最优等不足,采用免疫算法对BP神经网络权值进行优化,以实现对倒立摆的控制。实验结果表明,用免疫算法训练神经网络收敛速度快,并能有效避免陷入局部最优。优化后的神经网络能对实际的倒立摆装置进行控制,并取得了满意的效果。     

一种自适应模糊聚类神经网络滤波器设计

为了获得滤除噪声和细节保留两方面更好的平衡,提出了一种自适应模糊聚类神经网络。采用模糊C—均值聚类算法对网络进行模糊化,利用改进的LMS算法对网络进行训练。仿真表明,与模糊BP神经网络及改进的BP神经网络相比,AFCN是一种性能较好的智能神经网络。     

一种新的神经网络学习算法

通过对人类学习机理和机制的研究,以及对现有ＢＰ神经网络学习算法及其改进的深入分析,本文提出了一种新的学习算法。该学习算法使神经网络学习由纯数学推导向智能化（启发式）学习发展,获取解决问题的最佳结构中神经元数及神经元间的联接数随问题的变化而动态变化,克服了目前神经网络学习算法普遍存在的学习时间长、局部极小小等问题。     

矿山信息物理融合系统多节点智联策略

针对当前矿山信息物理融合系统(CPS)的通信节点无法与基于不同无线通信协议的感知节点实现智能连接的问题,在通信节点上集成多种通信模块构成多模态通信节点,提出了一种基于渐进式神经网络的矿山CPS多节点智联策略。采用渐进式神经网络控制多模态通信节点准确切换工作模态,实现异构无线通信网络自主建立;利用异步优势动作评价算法对渐进式神经网络进行深度训练,提高渐进式神经网络的收敛速度和训练精度。实验结果表明,该策略实现了多模态通信节点与多类感知节点之间的准确、可靠通信。     

线控转向汽车传动比智能控制策略的研究

以线控转向汽车的传动比控制为重点进行研究,提出了传动比智能控制策略,旨在进一步改善系统的转向性能。针对转向系统的不确定性、非线性的特点,在原有基于模型控制方法的基础上,研究了模糊控制和模糊神经网络在传动比控制中的应用;首先利用模糊控制技术设计传动比控制器,然后研究了模糊神经网络的结构和算法,利用模糊神经网络对理想传动比控制进行改进,实现了输入变量隶属函数中心值和宽度的在线调节,进而对传动比进行优化;从仿真结果可以看出基于模糊神经网络的控制方法比单模糊控制扩大了传动比变化的车速范围,更加符合理想传动比的要求,表明基于模糊神经网络控制方法更具有可行性和有效性。     

基于模糊神经网络PID的控制系统设计

目前,很多智能算法都融入到了非线性控制系统中,形成智能化的控制系统,例如神经网络、模糊控制等。本文结合神经网络和模糊控制,介绍了基于模糊神经网络PID控制系统的设计原理和实现方法。     

基于卷积自编码神经网络的心电信号降噪

心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。