基于RBF神经网络PID的无人动力伞控制

动力伞是一个复杂的非线性动力学对象,难以用精确的数学模型描述。对于这种具有非线性、时变和强耦合特性的综合系统,采用传统PID控制方法不能得到满意的控制效果,因此提出一种基于RBF神经网络的PID控制方法。该方法利用RBF神经网络的自学习、自适应能力自调整系统的控制参数,从而实现对PID控制器各参数的优化整定。在Mat-lab软件中的仿真结果表明,该方法可实现对动力伞有效的控制,并且与传统PID相比,具有更短的调节时间,更好的稳定性、自适应性和鲁棒性。     

六自由度无人动力伞的动力学建模

针对动力伞的动力学研究,建立了全量模型研究无人动力伞飞行中动态特性问题。在惯性系下从牛顿力学基本原理出发,用矢量方法推导无人动力伞的动力学方程;经过坐标转换,得到动力学方程在体轴系下的形式,并补充运动学方程,使方程组满足封闭性要求,从而建立完整的矢量动力学模型。通过两个仿真算例,分析了动力伞实施推力和航向舵下偏控制的飞行特性,验证了模型的合理性。     

无人动力伞在线子空间预测控制

针对无人动力伞(UPP)的飞行具有不确定性、非线性和复杂性的特点,建立了无人动力伞6自由度非线性动力学模型,仿真分析了模型对输入信号的响应特性.提出了无人动力伞在线子空间预测控制算法.该算法能及时地克服模型失配、时变及干扰等对飞行控制系统的影响,使有约束的预测控制能够在控制时域内保持最优.仿真结果表明,该算法能有效辨识仿真模型产生的输入输出数据,表现出了较好的跟踪性能和控制精度.     

基于SOKID的无人动力伞模型辨识

对具有独特飞行特性的无人动力伞(Unmanned Powered Parafoil,UPP)进行了研究,建立了无人动力伞九自由度非线性动力学方程,研究了观测器/卡尔曼滤波辨识算法和改进的子空间观测器/卡尔曼滤波辨识算法.根据系统的飞行数据,辨识得到系统的纵向状态空间模型,分析了两种辨识模型的俯仰角响应特性和辨识精度.仿...     

无人动力伞飞行航路自主控制方法研究

根据无人动力伞的特点,提出了一种无人动力伞飞行航路自主控制方法;研究了动力伞的自主导航原理,重点分析了动力伞航路预置的方法,并给出了航线的设定与规划,同时给出了根据GPS反馈的飞行实时状态对航路进行检测的具体方法;并在自行开发的动力伞航路自主控制演示平台上,对动力伞自主飞行控制系统进行仿真;试验证明,无人动力伞基本能按照预定航线进行自主飞行,系统有较好的动态特性和稳态控制精度,达到了预期的目标。     

风场环境下无人动力伞高度控制

无人动力伞系统具有非线性和较强耦合性的特点,飞行高度与稳定性同时受多个维度上的影响,难以控制。针对复杂风场扰动环境下动力伞的高度稳定控制问题,对动力伞非线性姿态控制模型以及控制器参数自整定进行研究。首先对动力伞动力学模型进行分析,在此基础上引入风场模型。将风场环境和动力伞非线性方程进行组合,利用PID控制器进行控制研究,分析无人动力伞在不同模式下高度上升的稳定性控制,然后基于此条件进行仿真分析,并通过仿真验证模型可靠性。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于神经网络的模糊预测控制及其应用

应用模糊控制的逻辑推理性能，借助神经网络的学习能力，提出了一种模糊神经网络预测控制模型。利用该模型对发酵过程的预测控制，实验曲线表明，可获得较高的预测精度和较好的控制效果。     

基于模糊神经网络的温室二氧化碳控制

在温室蔬菜大棚控制技术的科技改造中,智能控制将成为温室控制的关键技术.二氧化碳是农作物进行光合作用的主要原料之一,温室大棚由于其封闭性,随着农作物光合作用的进行,如果没有新的二氧化碳气体注入的话,会造成室内二氧化碳浓度远低于室外,不利于农作物生长.本文提出一种利用BP神经网络结合模糊控制的方法,对温室二氧化碳的输入量进行控制.这种方法克服了现有控制方法需要大量的数据传输、准确的数学模型等缺陷,并使用Matlab进行了仿真,仿真结果表明该方法有效.     

基于模糊神经网络的混凝沉淀投药控制

根据已有的资料分析了自来水混凝沉淀过程多变量影响因素和特点,找出了影响混凝沉淀过程的主要变量是进水流量、进水浊度、原水pH值、进水温度.根据高木-关野模糊系统和神经网络非线性逼近的特点,提出了建立混凝沉淀加药控制模型的模糊适用度加神经网络的集成模糊神经网络控制方法.还结合某自来水厂的具体现场数据进行了仿真模型研究和现场的实验,实验表明控制精度满足要求,运行正常.     

基于自结构动态递归模糊神经网络的无人机姿态控制*

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明：该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。     

模糊神经网络及其在智能控制中的应用

文章介绍了处理不精确信息的模糊逻辑、模糊推理、模糊神经网络构造等方法，给出了一个在智能控制中的实例。     

Fuzzy neural network based traffic prediction and congestion control in high-speed networks

Congestion control is one of the key problems in high-speed networks,such as ATM.In this paper,a kind of traffic prediction and preventive congestion control scheme is proposed using neural network approach.Traditional predictor using BP neural network has suffered from long convergence time and dissatisfying error.Fuzzy neural network developed in this paper can solve these problems satisfactorily.Simulations show the comparison among no-feedback control scheme,reactive control scheme and neural network based control scheme.     

Control-affine fuzzy neural network approach for nonlinear process control

An internal model control strategy employing a fuzzy neural network is proposed for SISO nonlinear process. The control-affine model is identified from both steady state and transient data using back-propagation. The inverse of the process is obtained through algebraic inversion of the process model. The resulting model is easier to interpret than models obtained from the standard neural network approaches. The proposed approach is applied to the tasks of modelling and control of a continuous stirred tank reactor and a pH neutralization process which are not inherently control-affine. The results show a significant performance improvement over a conventional PID controller. In addition, an additional neural network which models the discrepancy between a control-affine model and real process dynamics is added, and is shown to lead to further improvement in the closed-loop performance.     

三电机驱动系统的神经网络模糊自整定解耦控制

多电机驱动系统是一种多输入多输出、非线性、强耦合的系统.它广泛应用在许多需要高精度协调控制的驱动领域,比如电动汽车驱动、城市轨道交通以及印刷业等.本文提出了一种新的方法用于三电机驱动系统的速度与张力的解耦控制,其核心由模糊自整定控制与BP神经网络广义逆组成.首先,由神经网络广义逆与原系统串联实现复合伪线性系统;其次,在该伪线性系统中采用模糊自整定方法.仿真结果表明:所提方法能有效实现速度与张力间的解耦,将三电机驱动系统转化为多个具有开环稳定性的单输入单输出线性子系统,同时系统的响应速度快、超调量小、瞬态时间较短,具有良好的跟踪性能,这有助于改善系统的启动特性,降低系统振荡.     

In-flight wind identification and soft landing control for autonomous unmanned powered parafoils

For autonomous unmanned powered parafoil, the ability to perform a final flare manoeuvre against the wind direction can allow a considerable reduction of horizontal and vertical velocities at impact, enabling a soft landing for a safe delivery of sensible loads; the lack of knowledge about the surface-layer winds will result in messing up terminal flare manoeuvre. Moreover, unknown or erroneous winds can also prevent the parafoil system from reaching the target area. To realize accurate trajectory tracking and terminal soft landing in the unknown wind environment, an efficient in-flight wind identification method merely using Global Positioning System (GPS) data and recursive least square method is proposed to online identify the variable wind information. Furthermore, a novel linear extended state observation filter is proposed to filter the groundspeed of the powered parafoil system calculated by the GPS information to provide a best estimation of the present wind during flight. Simulation experiments and real airdrop tests demonstrate the great ability of this method to in-flight identify the variable wind field, and it can benefit the powered parafoil system to fulfil accurate tracking control and a soft landing in the unknown wind field with high landing accuracy and strong wind-resistance ability.     

水轮机调节系统的模糊神经网络控制*

将模糊神经网络与自适应控制相结合,设计出一种能对水轮机调节系统进行有效控制的基于模糊神经网络的自适应PID控制算法.对改进后的调节系统特性进行测试和仿真,并与常规的水轮机进行比较,验证了模糊神经网络控制方案的可行性.仿真结果表明,该算法实现了调节系统的在线自适应调整,更精确反映调节系统的动态变化过程.与其他方法相比,该算法具有更快的响应速度和更好的控制效果.     

四容水箱的小波神经网络广义预测控制

针对四容水箱系统的多变量、大时滞、非线性及强耦合等特性,采用了小波神经网络广义预测控制（WNNGPC）策略。利用小波神经网络良好的函数逼近能力,对系统被控对象进行辨识,得到控制系统的预测模型,再结合广义预测控制良好的控制性能,达到对四容水箱系统的稳定控制。在系统辨识的过程中,采用的是改进的BP学习算法,这一算法能够快速平稳地修正网络权值和阈值,使预测输出平滑地趋近期望输出。在解决系统的耦合问题上,利用了模糊控制的通用逼近性,设计了模糊前馈补偿解耦。基于模糊补偿解耦的WNNGPC对四容水箱进行控制实验,并对比分析实验结果。结果表明,这一控制策略对四容水箱进行控制时取得了较好的控制效果。