神经网络模糊控制在交流调速系统中的应用研究

研究交流调速系统的控制方法,利用神经网络来实现交流调速系统的模糊控制。通过实际交流变频调速系统的实验表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。     

一种基于卡尔曼滤波和模糊控制的RBF神经网络新型学习算法

提出了基于Kalman滤波最优估计和模糊控制的径向基函数（Radical Basis Function, RBF）神经网络学习算法,用实例进行了仿真实验。结果表明,与传统的RBF网络学习算法比较,该算法具有明显快速的学习效率和较高的识别精度.     

基于DSP的模糊控制在调速中的应用

简要介绍了基于DSP的变频调速模糊控制系统，着重介绍了模糊PID控制器的设计和实现方法。结果表明该系统响应速度快、调节精度高、实用性强，尤其适用于恒压供水、供气、供暖等恒值控制领域的设计或技改，具有一定的推广价值。     

智能控制在交流电机调速中的应用

本文针对交流电机调速控制中模型不确定、系统非线性、检测与变送难等特点,提出了一种实时智能控制方案及控制结构,并给出协调控制规则及模糊控制算法.     

交流调速系统的神经网络自适应控制

针对交流变频调速系统，提出一种用于控制未知系统模型的改进的神经网络自适应控制方案。该方法采用一个三层BP网络辩识交流调速系统的特性，用另一个CMAC神经网络作为自适应控制器。实验仿真证明该控制方法能克服传统交流调速中常规控制不能适应工况变化的弊端，能明显的提高系统的性能，具有实际应用价值。     

基于RBF神经网络的变频调速水泵故障诊断

为解决变频调速水泵振动故障问题,给出一种基于径向基函数(RBF)神经网络应用于变频水泵故障诊断的方法。对变频水泵常见故障进行分析,依据征兆诊断法,提取信号频谱中各阶倍频和分频的信号作为故障样本,对RBF神经网络进行训练,并应用于测试样本的诊断。仿真结果表明,与BP网络相比,RBF神经网络识别精度高,诊断速度快且拟合能力强,能有效提高变频调速水泵故障诊断的精度和效率。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

RBF神经网络在人脸识别中的应用

RBF是模式识别中应用最为广泛的一种神经网络。将这种网络应用于人脸识别,建立了人脸识别模型。通过改进隐含层中心选择算法,利用Yale人脸图像数据库进行仿真实验,对比分析了它们各自的识别率指标,说明本文提出的方法在不影响识别率的情况下可以显著提高人脸识别的速度,减小系统的存储量,从而满足人脸识别的实用性要求。     

基于模糊RBF神经网络算法的灌溉控制系统设计

对于一个农田占地面积大,灌溉用水量少的农业国而言,高效用水影响着农业的稳步发展;针对这一现象,提出一种基于模糊RBF神经网络的灌溉策略,将隐层的输出函数构成一组基来逼近目标函数,预测出灌溉的需水量,并用模糊控制计算出具体的灌溉时间;以山西省忻州地区种植的玉米利合328号为例,对气象条件、土壤条件以及作物特性进行分析,可以根据不同环境计算出灌溉时间;对大田采取高效、实时的灌溉策略,不仅可以提高灌溉用水的利用率,还可以为大田灌溉的发展奠定基础,增加了作物的产量。     

基于RBF网络的参数自学习模糊控制的研究

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用。然而模糊控制规则的获得通常由专家经验给出,这就存在诸如控制规则不够客观、专家经验难以获得等问题。在模糊控制系统中,模糊规则库的构建是至关重要的,因此研究模糊规则的自动生成有着重要的理论和应用价值。本文首先以模糊控制理论和RBF神经网络理论为基础,提出了一种能够有效表达模糊系统可解释性的RBF网络结构;然后详细讨论在此网络结构下提取模糊规则的学习算法;最后依据上述方法进行仿真实验,实验结果表明,这种根据测量数据自动提取模糊规则的方法是有效的。     

模糊RBF神经网络在时间序列建模中的应用

本文针对时间序列传统ＡＲ建模精度及算法的局限性,提出使用模糊ＲＢＦ神经网络对信号进行建模的方法,仿真结果表明,该方法具有良好的预测效果。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

模糊RBF神经网络在锅炉水位控制中的应用

水位控制是工业锅炉控制系统中一个重要的环节,其控制质量的优劣直接影响到锅炉的安全和经济效益。本文将一种基于模糊RBF神经网络的PID控制器应用与工业锅炉水位的控制当中,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器具有较好的适应性,控制效果得到明显改善。     

基于RBF神经网络PID控制的掘进机恒功率调速系统

悬臂式掘进机在煤炭开采过程中,由于作业环境复杂,切割头易受到巨大冲击,负载变化剧烈,导致工作稳定性降低.针对这一问题,以截割电机为被控对象,将原有系统改进为基于RBF神经网络PID控制的掘进机恒功率调速自适应控制器,实现该系统的高精度控制.在Matlab/Simulink软件中对截割电机系统进行建模和仿真,通过与传统模糊PID控制进行比较分析,结果表明,RBF神经网络自适应PID控制系统抗干扰性得到改善,响应速度快,控制精度高,在实际工作中具有良好的稳定性和实用性.     

基于改进型RBF神经网络辨识的PID控制

针对工业控制领域复杂非线性时变系统．提出了基于改进型RBF神经网络的PID参数在线自整定方法。采用改进型RBF神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，实现系统的智能控制。仿真结果表明，与常规RBF神经网络PID控制方法相比，该方法具有控制精度高、响应速度快的优点，并且具备较强的自适应性和鲁棒性。     

RBF网络在确定航空发动机给定转速中的应用

针对实验室不像飞机上可以通过复杂的机械传动装置确定发动机转速控制系统的给定转速,在研究分析了某涡扇发动机给定转速影响因素的基础上,提出了一种确定该型发动机给定转速的径向基函数(RBF)神经网络算法,并以试验数据为训练样本,建立了确定发动机给定转速的RBF神经网络模型。通过试验验证,结果表明该方法具有学习速度快、计算精度高等特点,将其应用于确定航空发动机的给定转速是行之有效的。