模糊神经网络在电液伺服控制系统中的应用研究

针对电液比例伺服阀的死区大、强非线性等特点，设计了一个基于模糊逻辑的神经网络控制系统（FNNC），给出了基于模糊逻辑推理网络的拓扑结构，导出了网络的连接权重和隶属度特征参数的学习算法。将该控制系统应用于蜗杆砂轮磨齿机，获得了良好的效果。     

基于EMF的MRAS矢量控制系统速度辨识

将模型参考自适应(MRAS)方法用于矢量控制系统中,利用容易测量的感应电机定子电压和电流量构成基于电动机反电势(EMF)的转速辨识系统,并用SIMULINK进行了建模和仿真研究.结果表明,这种无速度传感器矢量控制系统具有较好的辨识精度和静、动态性能.     

交流伺服驱动系统模糊自适应控制研究

为提高交流伺服驱动系统控制性能,结合模糊逻辑和神经网络各自的优点,设计了一种在线自适应模糊神经网络控制的交流伺服系统.文章将系统受控对象输入和跟踪误差作为模糊神经网络控制器的输入.设计的控制器不需要跟踪误差的变化率,可以避免以数值方式计算微分值时受采样周期大小的影响.通过仿真和具体实验分别验证了设计的合理性.结果表明:该控制方法不论对于调节还是设定值跟踪,均具有很好的控制效果,而且对感应电机伺服驱动系统有很好的抗干扰性能和较强的的鲁棒性.     

基于DSP的异步电动机矢量控制系统的设计

介绍了一种基于数字信号处理器（DSP）及智能功率模快（IPM）的电机拖动矢量控制系统设计方案。以TMS320LF2407ADSP为系统的控制核心,SKBPC3512为整流器,PM25RLA120智能功率模块为逆变器,采用空间电压矢量脉宽调制技术,设计了三相异步电动机矢量控制调速系统。该系统精度高,实时性好,有较好的动态性能。     

一种新型模糊神经网络滑模控制器设计北大核心

针对基于PID算法的永磁同步电机矢量控制系统易受系统不确定性影响(负载扰动、模型参数变化)的问题,提出一种新型模糊神经网络滑模控制器。首先,在传统滑模控制的基础上,利用模糊神经网络控制器(FNN)构成滑模控制器(SMC)的切换控制项来完成对系统不确定性因素进行逼近以及对滑模控制切换增益的调节;其次,利用麻雀搜索算法来实时更新模糊神经网络滑模控制器参数,为了加快SSA的收敛速度以及防止其陷入局部最优,利用分数阶微积分对传统麻雀算法进行改进;最后,进行了仿真验证,表明所设计的新型模糊神经网络滑模控制器具有较强的鲁棒性和动态性能。     

精轧机主电机神经网络双闭环直流调速系统研究

研究了精轧机主电机的双闭环直流调速系统.分析了双闭环直流调速系统的特点,介绍了PID神经网络的结构及其前向和反传算法,采用PID神经网络构成了自学习、自校正的双闭环调速系统.神经网络通过自学习调整权重值,避免了复杂的双环调节器参数整定工作.实时仿真结果证明,该控制系统具有较好的动态和稳态性能.     

用神经网络实现步进电机的智能控制

提出了用神经网络实现步进电机的智能控制。通过采用神经网络（ＢＰ网络）对控制规则样本样的学习和训练，使网络记忆步进电机的追踪、跟踪及复杂运行规律的控制规则。把训练好的网络用于在线控制，以达到智能控制的目的。     

GTAW神经网络-模糊控制技术的研究

研究神经网络与模糊控制融合技术,构成钨极气体保护电弧焊ＧＴＡＷ神经网络＝模糊控制系统。重点论述神经网络和模糊逻辑在熔深建模和控制以地缝跟踪方面的应用。通过视觉传感ＣＣＤ获取电弧区图像和熔池表面的应用。种描述深的神经焊缝间隙是量来精确估算熔的精度,同时结合模糊逻辑提高熔深的控制精度。针对弧焊过程非线性以焊炬伺服系统动态过程难以用角的数学模型来表达的问题,设计焊缝跟踪自调整模糊控制器,通过自适应共振理     

模糊神经网络在嵌入式移动机器人避障中的应用研究

将嵌入式系统与机器人控制技术相结合,设计移动机器人的避障控制系统。以基于ARM9核的S3c2410处理器芯片作为控制核心,设计并实现模糊神经控制器。给出模糊神经网络控制系统的模型结构组成与模糊神经网络控制算法。通过对模糊神经网络的训练获取神经元之间的连接权值。仿真结果表明该算法具有较好的有效性和可行性。将神经网络与模糊控制相结合用于该系统中,使其具有模糊控制和神经网络的双重优化智能,有效地提高机器人的避障能力。     

电网不对称条件下异步电机空间电压矢量的直接转矩控制策略研究

针对三相电网存在三相电压不平衡,造成电机的电流畸变,影响异步电机的磁链形成和转矩性能,提出了基于正序d-q坐标系抑制电机逆变器网侧负序电流的不平衡控制策略。在分析异步电机直接转矩控制的基础上,详细推导出三相不平衡电网的控制算法;提出了采用前馈解耦的电压空间矢量控制(SVPWM)算法,抑制电网负序的引起的电流畸变,克服了对感应电机的转矩脉动影响。给出了一个1 kW感应电机直接转矩控制试验结果,证明了该策略能有效地抑制电网电压不平衡运行时对异步电机逆变器的网侧电流畸变影响,提高了系统运行性能。     

推送系统的模糊神经网络控制

将模糊逻辑推理方法与神经网络技术相结合组成的模糊神经网络控制器,可利用神经网络的高效和并行学习机理对模糊逻辑系统进行学习和修正,大大改善了系统的学习性能,仿真结果表明这种控制器不仅算法简单,控制实时性也高。     

面向电子压力机模糊神经网络PID控制的研究

针对电子压力机位置伺服系统的非线性和时变的不确定性,压装力、压装速度和压入深度高可控性,系统的高稳定性、适应性及较强的抗干扰能力等特点,提出将神经网络实现模糊PID自调整的控制特性应用在现存的小型电子压力机的位置伺服系统中的方法。该控制策略将模糊控制的推理能力和神经网络的学习能力进行了有效的结合,其中,PID控制器参数自调整是通过学习并记忆PID参数调整的基本规则来实现的,以满足电子压力机位置伺服系统的要求并用MATLAB软件编程进行仿真分析。仿真结果表明:相比较常规神经网络与传统PID相结合组成的控制器,模糊神经网络PID自调整控制器对于电子压力机的位置伺服系统具有更快的响应特性及更好的稳定性。     

磨削智能预测控制系统研究

建立了一种智能预测控制系统。该系统根据各磨削阶段的特点，在不同阶段分别采用不同的优化控制策略：粗磨阶段，采用在烧伤极限内大进给和变速磨削优化策略；精磨阶段，采用由神经网络预测、模糊逻辑控制的工件尺寸智能优化方法；光磨阶段，采用工件表面粗糙度模糊神经网络预测辨识控制方法。基于神经网络的专家系统，提供各阶段初始磨削加工参数。实验结果表明，该系统在外圆磨削加工中适应性强，可极大地提高磨削质量和效率。     

伺服系统中PID控制器参数整定的研究

针对伺服系统中常用的比例-积分-微分(PID)控制器的参数手动整定不方便的问题,对机器学习算法和模糊控制进行研究,重点分析反向传播(BP)算法和模糊控制器的设计方法,提出一种基于机器学习和模糊控制的PID参数整定方法。利用BP神经网络的学习能力得到系统模型,结合模糊控制进行预测得到PID参数,并在实验平台上进行验证。研究结果表明:通过机器学习和模糊控制得到的PID参数具有较好的控制效果,该方法能够避免手动整定PID参数,节省大量时间。     

A fuzzy-nets in-process (FNIP) system for tool-breakage monitoring in end-milling operations

The fuzzy-nets in-process (FNIP) system is proposed for monitoring tool breakage in end-milling operations. The FNIP system consists of two components: (1) the fuzzy search classifier (FSQ, which maps a state vector into a recommended action using fuzzy pattern recognition; and (2) the fuzzy adaptive controller (FAQ, which maps a state vector and a failure signal into a scalar grade that indicates state integrity. The FAC also produces the output action value, p, to upgrade FSC mapping according to the variation of the input state. By coupling fuzzy logic control systems and neural networks into the fuzzy-nets system, a self-learning capability (ability to generate rule bases and to fine-tune the membership functions of each linguist variable to the appropriate level of granularity) was developed. With this on-line learning capability, the fuzzy rule bases of FSC and FAC are established by fine-tuning the parameters in the FNIP system. After establishing all the fuzzy rule bases, the performance of the FNIP system is examined for an end-milling operation. Experiments have shown that the FNIP system is able to detect tool breakage in the end-milling operation “on-line”, approaching a real-time basis.     

基于BP算法的逆变点焊电源模糊神经网络控制研究

引入动量因子对常规BP学习算法进行了改进.在分析模糊神经网络控制模型的基础上,针对模糊神经网络规则多、训练时间长的缺点,采用了给模糊控制规则增加阈值,减少网络训练运算量的优化方法.最后将此优化方法和改进的训练算法应用到逆变点焊电源模糊神经网络(FNN)恒电流控制系统中,通过使用MATLAB语言编程,对该系统进行了仿真分析.仿真结果表明,动量因子的引入不但减小了BP算法学习过程的振荡趋势,加快了收敛速度,而且较好解决了BP网络容易陷入局部极小点的缺陷.模糊规则阈值的引入,有效减少了网络的训练时间.     

静液压传动的自适应模糊逻辑控制

静液压传动系统具有高度非线性特性,且易受模型变化的影响.若使用工作点设计构成模糊控制器,将使控制器比较复杂,规则选择过程不直观,失去了模糊控制简单的优点.本文提出将自适应模糊逻辑控制应用于液压马达的转速控制,除设定的规则外,自适应模糊逻辑控制能根据液压马达转速的变化特性自动调整规则来适应马达转速特性变化所要求的控制规律.仿真实验结果显示,采用自适应模糊逻辑控制能改善马达的整个运行过程的速度特性.     

基于模糊神经网络控制的电液系统研究

针对大功率电液伺服系统存在严重非线性和时变性,将神经网络与模糊控制理论相结合,根据系统的误差及误差变化对神经网络的学习速率和动量因子进行模糊修正,有效地改善了神经网络的学习速率.实验表明,所设计的神经网络控制器能够保证大功率电液伺服系统的静、动态性能.