基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中,将模糊控制技术与神经元网络技术相结合,构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点,既具有模糊控制器简单和有效的非线性控制作用,又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

泵控马达系统微机控制的实验研究

结合自动控制理论研究了泵控马达系统的微机控制。设计了PID控制器和模型参考自适应控制方案,实验结果表明,当系统参数不变时,这两种控制器都能很好地工作。当系统参数变化较大时,模型参考自适应控制器的性能显著优于PID控制器。     

一种基于遗传神经元网络的模糊控制系统

针对常用的基于BP网络的模糊控制器对模糊控制规则的学习难以达到理想效果的缺陷,采用遗传算法生成前向神经元网络,可同时对网络的极值与结构进行学习,基于此基础的神经网络模型控制系统具有良好的自适应特性。     

基于神经元网络与模糊PID的光伏系统MPPT复合控制

将神经元网络与模糊PID复合控制技术应用在光伏系统MPPT控制器中,解决光伏系统传统MPPT控制算法的局限性以及无法自适应外部复杂情况等诸多问题。利用离线训练后的前馈神经网络预测最大功率点电压与实际电压进行比较,作为模糊控制器的输入,通过模糊推理对PID相关参数实现最佳调整。仿真结果表明:该控制算法能增强消除系统误差能力,可获得更高的控制精度。更多还原     

一种新的模糊神经元网络建模方法

基于零阶Ｔ－Ｓ模糊模型,本文指出了一种实用的输入输出的数据进行复杂系统的模糊神经元网络建模的方法,该方法的主要目的是解决模糊神经元网络中结构辨识的困难。 种所谡语言模型被用来寻找系统输入变量的最佳组合。     

双马达同步驱动系统自适应神经元网络控制

针对三轴飞行姿态仿真转台中枢架双电液伺服马达同步驱动系统的特点和技术要求,采用自适应神经元网络控制策略,实现了两通道的静态解耦。仿真结果表明,自适应神经元网络控制以其特有的自学习、非线性等优点,使控制系统具有良好的动态性能及强的鲁棒性与适应性,取得了良好的同步效果。     

阀控缸伺服系统建模与仿真研究

采用扩展键合图理论建立了某三自由度阀控缸系统键合图模型，该模型考虑了系统伺服阀阀口的流量非线性、伺服阀的饱和特性以及动力机构的时变特性，仿真结果表明该模型能准确地反映系统的动态特性．     

基于神经元网络和模糊专家系统的电力短期负荷预测

结合RBF神经元网络和模糊专家系统进行负荷预测.给出径向基函数(RBF)网络的结构,并采用正交最小平方法(OLS)选取RBF中心.先用RBF进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整.文中把日期划分为5类.测试结果表明,该方法具有较高的精度和较快的速度.     

液压伺服阀控缸动态特性数学建模及仿真分析

在液压阀控缸的基础上,改变负载就能获得不同的液压伺服控制系统.分析了阀控非对称缸的负载压力-流量特性,建立了阀控缸流量连续性方程和液压缸的力平衡方程,推导了阀控缸位置控制系统动态特性的数学模型.采用MATLAB软件的SIMULINK模块对阀控缸位置控制系统进行动态特性仿真分析,并进行了实验验证,结果表明:所建数学模型及仿真结果接近实际工况,能满足不同液压伺服控制系统负载特性的分析需要.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

模糊神经网络在非线性电站制粉控制系统中的应用

火电厂制粉系统是一个相互关联强耦合的复杂多输入多输出控制对象,运行时具有存滞后、大惯性和非线性的特点,其动态特性非常复杂,数学模型难以建立,并且数学模型随煤质、外部环境等因素变化较大.因此,提出一种基于模糊神经网络的2级控制方案,第一级采用神经网络控制,第二级采用模糊控制.该方案很好地解决了在多变量模糊控制系统中的控制规则多、维数灾难问题,在理论上为多变量、高维数非线性模糊控制系统提出了一种新的控制方案.实验室测试结果表明,如果将其应用到中储式制粉系统中,将提高电站制粉系统的自动化水平及经济运行指标.与传统的手动及PID定值控制比较,该方法大大改善了电站制粉系统的控制性能,是一种很有实用价值的控制方法.     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.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,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

基于模糊-RBF神经网络优化的PID控制

采用模糊控制和RBF神经网络训练相融合的方法,应用于对PID控制器参数的调整中,对非线性系统的控制仿真试验结果表明,该方法的控制性能优于单独采用RBF神经网络的控制。     

基于自校正神经网络的预测控制系统设计

为改善数控线切割加工过程伺服控制性能,提出了一种基于自校正神经网络预测控制系统总体结构,建立了用于离线训练控制器的对象模型以及可以进行多步前向预测的预测模型,设计了基于预测模型提供的梯度信息进行学习训练的神经网络控制器.以数控线切割机床加工过程控制为研究对象,对该系统进行了计算机仿真并进行了结果分析,结果表明本文所提出的基于自校正神经网络预测控制系统具有较好的控制效果.     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

永磁同步电动机直接转矩控制系统仿真

以永磁同步直线电动机为例，详细介绍了永磁同步直线电动机数学模型并建立了直接转矩控制系统框图，在此基础上对系统关键环节进行了详细的分析，并将模糊控制理论应用于系统中，通过采用模糊控制器来修正传统直接转矩控制中的转矩调节器和磁链调节器，以进一步提高系统的动态性能、稳态性能和鲁棒性，实现转矩的快速调节.并采用MATLAB/SIMULINK对模型进行仿真，仿真结果表明了此模型的正确性，表明了基于模糊控制的直接转矩控制策略具有优良的控制性能.