基于神经网络的通用模型自适应控制

应用复合正交神经网络来实现过程的自适应逆控制方法,和通用模型控制器策略相结合,提出了一种基于神经网络的通用模型自适应控制方法,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性.另一方面,在自适应逆控制中采用复合正交神经网络具有算法简单、学习收敛速度快等优点,可以克服常用的BP和RBF神经网络一些缺点.基于神经网络的通用模型自适应控制方法中的参考轨迹是一条典型的二阶曲线,该控制器参数具有明显的物理意义,参数整定方便.仿真验证了该控制策略的有效性.     

一种基于MPSO构建的NARX逆模型设计方法

实际运行中强非线性系统常规PID控制难以取得良好的控制效果,本文根据现场某控制系统的实际数据,通过引入一种基于改进粒子群优化算法(MPSO)来建立的模糊-动态回归神经网络(Fuzzy-NARX)逆模型。仿真实验结果表明:该方法可以获得结构紧凑的模型。为进一步用于在线控制提供基础。     

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型.对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性.     

塔式起重机载荷摆动特性研究

为了研究塔式起重机载荷摆动特性 ,寻找抑制载荷摆动的控制方法 ,本文基于非惯性参考系中质点相对运动动力学基本方程 ,建立塔式起重机同时进行变幅、回转、起升运动的情况下载荷摆动动力学模型 ,定量地分析载荷摆动的平衡状态 ,推导出线性化模型 ,对载荷摆动特性进行了计算机仿真。研究表明 :由于惯性力或离心力的作用 ,载荷摆动中心线发生倾斜 ,当载荷在倾斜的重力场内做空间摆运动 ,其摆动模型就是线性化模型 ,摆动中心线倾斜量就是平衡状态值     

漂浮基空间柔性机械臂基于神经网络的逆模控制

针对传统控制方法对强耦合柔性空间机械臂难以有效控制的问题,提出基于神经网络的逆模控制策略。建立了非线性空间柔性机器人的动力学模型,根据增广变量输入法推得其控制律;利用具有良好逼近能力的前馈神经网络来自适应补偿柔性臂的未知非线性逆模型;采用Kalman滤波算法来保证网络权值在线实时调整(系统的误差代价函数由PID控制器提供)。仿真证明了所提出的控制方案的有效性,具有较高工程应用价值。     

基于BP神经网络算法的3-CRS/SP并联机构正解分析

提出一种通过BP神经网络求解并联机构位置正解的方法。根据BP神经网络的算法,采用了3层前向神经网络。对3-CRS/SP并联机构建立旋转矩阵求得该机构的位置逆解。将位置逆解所得数据作为神经网络的输入,将求解位置逆解的动平台位姿包含4个参数值作为输出,进行神经网络的训练。仿真和实验结果表明,该方法对于求解并联机构位置正解快速有效;相对于解析法,该方法直观简洁,能够为并联机构的控制过程提供数值参考。     

自适应逆控制三自由度直升机扰动消除系统研究

针对三自由度直升机系统扰动消除的控制问题,提出了一种模糊神经网络模型参考自适应逆控制及扰动消除控制方案。运用FNN推理合成思想建立模糊神经网络结构,利用神经网络结构实现模糊推理过程,采用神经网络的连接权重来表示模糊推理的参数和修改连接权重来辨识模糊模型和调整隶属函数,并在整个噪声消除系统中利用神经网络学习算法进行建模和逆建模,且用它们的复制模块来组成消除扰动系统,从而达到消除扰动的目的。最后,对三自由度直升机模型进行了仿真实验,结果验证了该方法的有效性和可行性。     

一种基于逆模糊模型的自适应逆控制方法

利用模糊逆建模方法,结合自适应逆控制思想,提出了一种基于模糊逆模型的自适应逆控制方法。首先利用模糊系统理论对未知非线性对象进行离线逆建模,得到模糊逆模型;然后将对象与初始逆模型进行串联,利用LMS算法在线调节逆模型,同时将其进行数字复制作为系统控制器,与对象进行串联。该方法可用较少的模糊规则数达到很好的跟踪控制效果,将该方法用于一混合非线性系统及球形液位控制中,仿真结果验证了该方法的有效性与实用性。     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中.仿真实验表明该动态神经网络自适应性强,动态特性优异.此方法为实现非线性系统自适应逆控制提供了理想的途径.