基于CAFSA-FNN的扭矩加载系统控制研究*

针对磁粉制动器扭矩加载系统的非线性和滞后性,提出了一种基于混沌人工鱼群-模糊神经网络(CAFSA-FNN)PID控制器。该控制器采用基于Mamdani模型的模糊神经网络来整定PID控制器的控制参数,并结合混沌人工鱼群算法离线粗调和BP算法在线细调来学习和调整模糊神经网络的参数。利用Matlab进行离线仿真优化,在此基础上使用PID控制器、模糊神经网络控制器、人工鱼群-模糊神经网络控制器以及本文设计的控制器进行磁粉制动器扭矩加载实验,实验结果证明了该控制器的稳定性、快速性和有效性,能够解决滞后性问题。     

基于FSA ACO混合改进算法的蜗轮蜗杆故障识别

针对蜗轮蜗杆故障诊断问题,提出基于FSA ACO混合改进算法的蜗轮蜗杆故障识别的研究方法。该方法提出了FSA ACO混合改进策略,在谋求一个优势互补的基础上,对算法相关参数优化。同时针对该算法与蜗轮蜗杆故障识别结合构建算法模型问题,提出利用近邻函数准则作理论桥梁策略,寻找一种新的基于FSA ACO混合算法的蜗轮蜗杆故障诊断技术研究方法。以WPA40型号的蜗轮蜗杆为测试对象,验证了该研究方法的可行性和有效性。