不确定仿射非线性系统的自适应控制--GRBF网络学习方法

研究一类不确定仿射非线性系统的自适应控制问题,构造出基于滑动模型控制和ＧＲＢＦ网络的自适应控制器,使得对于任意的系统初值和网络初始仅重,被控系统的输出均能渐近跟踪已知参考信号,控制器设计中所需估计参数数学于实际参数个数。仿真结果令人满意。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

基于PD增益的模型参考自适应同步控制

在保证自适应控制精度的前提下,找出快速收敛的参数,从而使被控系统和参考系统达到同步.针对传统的PI控制器无法获得参数波动的系统的较高的控制性能.基于模型参考自适应控制,利用PD控制器可以预料到系统误差的方向的优点,设计了一种自适应同步控制器.仿真结果表明,该自适应同步控制器能够使被控系统和参考系统达到同步,并能够较精确地控制被控系统的输出,使被控系统满足系统所要求的动态性能.这对研究组合自适应控制策略和开展多模型自适应控制器的研究提供了基础.     

一类未知参数非线性系统的自适应无源控制

对一类含有未知参数的本质非线性系统,通常的Backstepping方法无法应用.为此,提出一种基于状态反馈的自适应无源控制对策,通过对非线性系统进行反馈无源化控制,设计自适应无源镇定控制器和自适应无源输出跟踪控制器.设计中适当调节自适应无源控制器参数,能够保证闭环系统稳定且所有信号全局一致有界,从而解决了此类含有未知参数非线性系统的稳定性和输出跟踪问题.仿真算例验证了提出控制方案的有效性,表明系统具有较强的稳定性和跟踪特性.     

PMSM调速系统CMAC网络PID并行优化控制

针对永磁同步电机调速系统存在多变量、非线性和强耦合的控制特点,提出了基于混沌优化策略与自适应CMAC网络PID并行控制相结合的控制方法,并将其应用于永磁同步电机调速系统的参数设计中.该方法首先通过混沌搜索,得到PID控制器参数的次优值,然后再利用变尺度的方法在次优值附近找出PID控制器参数的全局最优值.与传统CMAC网络PID并行控制以及单纯PID控制相比较的仿真结果表明.该方法可以更好地提高永磁同步电机调速系统的控制精度和响应速度.     

基于单电磁铁的悬浮系统自适应控制研究

悬浮控制是磁悬浮列车中的一项关键技术,传统的PID控制在悬浮控制中的应用很广泛,但是,这种方法不能很好地实现控制器参数的在线调整.本文研究基于单电磁铁的悬浮系统自适应控制方案,实现悬浮系统的稳定工作.根据电磁铁的动力学方程和电磁线圈的电压平衡方程,建立悬浮系统的数学模型.采用串级控制的方法,设计电流环控制器和位置环控制器,其中位置环控制器采用PD增益自适应调节的模型参考自适应控制方法.仿真结果表明,这种控制方法对有效地减少电流的滞后效应,实现控制器参数的自适应调整,具有一定的使用价值.     

网络环境伺服系统位置自适应控制器设计

基于Ethemet／IP网络和SERCOS网络,采用罗克韦尔自动化的伺服驱动系统和ControlLogix系统框架构建网络环境下的伺服控制系统。针对伺服系统位置控制的技术要求,对伺服系统建模分析;使用罗克韦尔自动化的运动控制器研究设计出提高控制精度的位置自适应PI控制器。实验结果表明,此控制器解决了常规PI控制器各个参数在系统运行过程中的矛盾问题,提高了机械系统的定位精度。该方案简单可靠,且易于工程实现,可以在相关的运动控制领域中推广应用。     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．     

大时滞网络自适应主动队列管理新算法

针对PID控制器无法严格处理主动队列管理（AQM）中的大时滞情况,且不能随着变化的网络环境在线调节参数,提出了一种基于增益自适应Smith预估控制和模糊控制的大时滞网络的自适应PID主动队列管理（GAS-FPID）算法。引入增益自适应Smith预估控制器实现滞后补偿,模糊控制器来实现PID参数动态网络环境的在线调整;NS2仿真表明,所提出算法能克服滞后的影响,能快速的适应动态网络环境,具有很好的稳定性和鲁棒性。     

模糊自适应控制器的设计及其仿真

提出了一种参数自适应模糊PID控制器,将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制,并把MATLAB中的Fuzzy Toolbox和SIMULINK有机结合起来,实现了PID控制器参数在线自调整.进一步完善了PID控制器的性能,提高了系统的控制精度.仿真结果表明:该控制器明显改善了控制系统的动态性能,参数自适应模糊PID控制器能使系统达到满意的控制效果,对进一步应用研究具有很好的参考价值.     

基于BP网络的船舶动力定位控制技术仿真研究

在船舶动力定位控制优化问题的研究中,为了解决第一代动力定位系统中PID控制器参数整定困难的缺点,提高动力定位的实时性、稳定性和可靠性,提出了将BP网络与PID控制器相结合的控制策略,使系统具有PID控制器简单可靠等优点及BP网络的自学习和自适应能力等特性.采用三层BP网络,根据梯度最速下降法,不断修正各层神经元之间的连接权值,在线调整PID控制器参数,得到满足定位要求的最佳参数组合,提高系统的快速性和定位精度.最后以某动力定位船为研究对象,在MATLAB平台上对控制器进行定位功能的仿真验证,仿真结果表明所设计的控制器具有较好的控制性能.     

基于模糊控制的发动机动力性能分布式测控系统

提出了一种发动机动力性能分布式自适应测控系统。给出了基于Profibus-DP总线和USS协议的测控系统的网络结构、软硬件设计方法及工作原理。采用SiemensMasterDriver矢量控制器和AFE整流单元,结合参数自适应模糊PID控制器,实现了对测控装置的精确控制。利用工控机和第三方软件实现了对多台测控装置的实时远程监控。实际应用表明,系统组态灵活、编程方便、自适应能力强、可靠性高。     

复杂动力学网络的自适应线性广义同步及参数识别

针对参数未知的复杂动力学网络，基于Lyapunov稳定性理论和LaSMle不变原理，通过设计合适的自适应控制器不仅实现了参数未知的复杂动力学网络之间的线性广义同步，而且对网络中的未知参数进行了追踪识别．文中设计的控制器对一类复杂动力学网络有普适性，并且由于其具有的自适应功能，使得该控制方法有鲁棒性．数值仿真结果进一步验证了控制方法的有效性与可行性．     

基于自适应神经模糊推理系统的船舶航向自抗扰控制

在实际的船舶航向控制中,航向系统在受到外界风浪干扰时表现出的模型非线性和参数不确定性,为航向控制器的设计带来了困难。针对该问题,设计了常规的线性自抗扰控制器和两种在线学习的自抗扰控制器。利用自适应神经模糊推理系统(ANFIS)实现自抗扰控制器参数的在线调整,设计了自适应PD的自抗扰控制器和自适应扩张状态观测器(ESO)的自抗扰控制器;分别在船舶受到外界扰动和参数摄动的两种情况下进行了仿真,仿真表明自适应自抗扰控制器控制效果更好,抗扰能力更强,表现出较强的鲁棒性。     

神经网络在细纱机中的应用

介绍了一种基于PLC和DSP的细纱杌控制系统.该系统针对细纱机控制系统的非线性与传统PID控制方法的不足,提出了一种改进型基于RBF神经网络在线辨识的单神经元PID自适应控制方法.该方法构造了一个RBF网络对系统进行在线辨识,建立起在线参考模型,由单神经元控制器完成控制器参数的学习,从而实现控制器参数的在线调整.仿真试验结果表明.该控制器控制精度高,动态性能好,其控制效果优于传统的PID控制器.     

基于任务空间的无标定视觉机械臂自适应跟踪控制

针对动力学参数不确定的无标定视觉机械臂系统,研究基于任务空间的自适应控制问题。对于控制器的设计,首先研究机械臂动力学参数不确定情况下基于任务空间的控制问题,然后设计自适应摄像机标定控制器,最后根据任务空间信息和图像空间信息的一致收敛关系统一两部分控制器,设计整个闭环系统控制信号和自适应控制律。实验结果表明了所提出的控制方法的有效性。     

基于神经网络的PID控制器

提出了一种新型PID控制器,该控制器利用BP网络实现PID参数的在线调整,采用RBF网络对被控对象在线辨识。仿真结果表明该控制器的控制效果优于传统的PID控制算法和模糊自适应PID控制算法。     

DRNN在倒立摆摆起控制中的研究

针对小车一级倒立摆的起摆控制,以DRNN神经网络作为辨识器,在线自适应调整PD控制器的两项参数。在起摆范围相同的情况下,DRNN神经网络控制的倒立摆系统其模型参数变化范围为-50%～30%,传统PD控制倒立摆系统其参数变化范围为-40%～20%。结果表明,基于DRNN神经网络的PD控制器比传统的PD控制器具有较强的抗干扰能力和自适应能力,系统鲁棒性增强,效果明显优于传统的PD控制器。