基于自适应模糊神经网络的DMFC温度建模和控制

针对DMFC电堆的实时控制要求，应用自适应模糊神经网络技术对DMFC电堆的工作温度进行辨识建模和控制。在温度控制过程中，将训练好的网络模型作为DMFC电堆控制系统的参考模型，并对控制模型的参数进行在线自适应调整。仿真结果表明所设计的自适应模糊神经控制器性能优越。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

基于最小二乘支持向量机的SOFC电特性建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂的弊端,提出了一种基于最小二乘支持向量机(LS-SVM)的建模方法,用具有径向基函数(RBF)核函数的LS-SVM建立了SOFC电堆的非线性模型.应用仿真对建模的有效性和精度进行了检验,并与径向基函数神经网络(RBFNN)模型的辨识效果进行了比较.仿真结果证明,与RBFNN模型相比,LS-SVM模型具有较高的预测精度,这表明用LS-SVM对SOFC电堆进行建模是可行的.该LS-SVM模型的建立,对SOFC系统控制策略的研究具有一定的实用价值.     

基于改进遗传算法的半主动悬架系统模糊控制优化研究

该文利用ADAMS 软件建立了汽车半主动悬架系统多体模型,通过ADAMS/Control 模块将悬架模型从ADAMS/View中导入MATLAB/Simulink 环境中,然后,完成模糊控制器的设计。模糊控制器的模糊规则由Matlab语言编写的改进遗传算法进行优化,实现汽车半主动悬架系统多体模型模糊控制器的改进遗传算法优化设计。为了检验模糊控制器的控制效果和改进遗传算法的优化性能,在C级路面下,以25m/s和35m/s两种不同车速对半主动悬架系统和被动悬架系统进行对比分析。仿真结果表明:基于改进遗传算法的半主动悬架系统模糊控制能够显著改善汽车的行驶平顺性。     

基于智能算法的高层建筑非线性地震反应的MR阻尼器半主动控制

研究了第三阶段结构振动控制的Benchmark问题;设计了基于模糊神经网络的控制器模型;采用磁流变(MR)阻尼器作为控制装置,对一座20层Benchmark建筑结构进行了非线性地震反应的数值仿真分析。首先,通过神经网络对足尺MR阻尼器进行了动力特性的辨识;其次,在设计模糊神经网络控制器时,提出了分区控制的设计思路。将智能控制器半主动控制下的仿真结果与样本LQG控制进行了对比分析。结果表明:提出的智能控制器能有效抑制高层建筑结构的非线性地震反应;与样本LQG控制相比,由于智能控制器的内在鲁棒性和对结构非线性反应控制的稳定性,在非线性结构的振动控制中有很大的应用潜力。     

高频真空木材干燥的模糊神经网络控制方法研究

高频真空木材干燥是一种干燥速度快、能源消耗低、环境污染小的新型联合干燥技术。在木材高频真空联合干燥过程的理论分析基础上,针对神经网络方法建立的木材干燥模型,设计了木材干燥模糊控制器和模糊神经网络控制器。对模糊控制和模糊神经网络两种控制方法进行了仿真实验,结果表明模糊神经网络方法控制效果更好,如温度上升快,控制精度高,稳定性好。模糊神经网络控制方法对实现木材干燥过程的全自动控制具有重要研究意义。     

HVAC系统的模糊预测函数控制器设计

针对暖通空调HVAC系统中由于存在高度非线性、时变特征以及扰动和不确定性等因素而难以控制的特点，提出基于Takagi-Sugeno(T-S)模糊模型的预测函数控制器设计方法。该方法通过最小二乘辨识算法建立系统的模糊T-S模型，然后基于模糊全局线性化预测模型，采用预测函数控制算法设计系统控制律。仿真实验结果表明该算法是一种跟踪性能好、鲁棒性强的有效控制方法。与常规的PID控制器相比，该方法具有超调量小、调整时间短等优良的动态性能。     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法，对蒸汽发生器水位进行控制仿真．该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统．小波神经网络辨识器能更准确逼近非线性对象。小波神经网络控制器能自适应产生最佳的控制规律．仿真结果表明，该方案具有响应快、超调量小、较强抑制干扰能力等良好性能．     

半实物仿真的电加热炉系统辨识与模糊控制

以电加热炉为实验对象,建立基于MATLAB/Simulink的电加热炉炉温半实物仿真控制系统.通过系统辨识方法得到电加热炉的准确数学模型,使用模糊PD控制策略,先通过计算机仿真方式得到合适的控制器规则和参数,再将此控制器应用到对电加热炉的实际控制当中,对电加热炉的炉温进行控制,达到了较为理想的控制效果.实验表明,半实物仿真方法在系统建模和设计控制器、寻找合适控制器参数等方面具有方便、准确等优点,可以广泛应用到工业控制的压力、液位等其他方面的控制.     

基于Sugeno型模糊神经网络的空间杆系结构的压电驱动器主动控制

基于自主研发的压电主动杆件的振动控制特性,采用主动杆件两端节点的相对位移和相对速度作为输入以及控制电流作为输出,设计了空间杆系结构的Sugeno型模糊神经网络控制系统。首先通过LQR方法对结构进行控制产生训练数据样本,再利用神经网络的自适应学习功能进行模糊划分及产生模糊规则,最后利用模糊系统的推理能力对空间杆系结构模型进行基于地震响应的主动控制仿真,同时与基于经验的Mamdani型模糊推理规则进行仿真对比。仿真结果表明两种模糊推理模型对结构模型的控制都能达到良好效果,但是由于Sugeno型模糊推理的计算简单,其仿真速度比Mamdani型模糊推理快几十倍,而且省去了人为的经验总结过程,因而采用Sugeno型模糊神经网络控制器更能满足工程应用的要求。     

汽车悬架磁流变减振器模型分析及半主动控制策略研究

用多项式模型作为磁流变减振器的力学模型,研究了传统"开-关"型半主动控制的阻尼力跳跃对汽车簧载质量振动加速度产生的不利影响,针对1/2汽车模型对具有磁流变减振器的汽车悬架简单模糊和自适应模糊神经半主动控制策略进行了数值仿真,基于数值仿真结果分析了各控制策略的效果.     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

An application of cost-effective fuzzy inventory controller to counteract demand fluctuation caused by bullwhip effect

This paper develops a fuzzy inventory model to counteract the demand fluctuation in supply demand networks, which combines fuzzy logic controller with (s,?S) policy based on economic order quantity (EOQ) model. Following a literature review and a discussion of counteractions to the bullwhip effect and the obstruction of general counteraction in supply demand networks, a multi-echelon fuzzy inventory model in supply demand networks is proposed. A simulation model with one- and two-echelon supply demand network is built and tested for (s, S) policy based on the classical EOQ model and the proposed fuzzy inventory model. Based on the simulation, results of the relevance performance are presented and discussed, which show that the proposed multi-echelon fuzzy inventory model provides not only a cost-effective management of inventory (e.g. lower inventory levels and cost) in market uncertainty, but also another effective alternative for counteracting demand fluctuation. In particular, the proposed multi-echelon fuzzy inventory model shows benefit in counteracting demand fluctuation in multi-echelon supply demand networks. Finally, some conclusions and suggestions for further research works are presented.     

Overview of the effects of rare-earth elements used as additive materials in molten carbonate fuel cell systems

From the viewpoint of materials issues, there are some problems in molten carbonate fuel cell (MCFC) systems due to the corrosive and evaporative electrolytes and the high pressure caused by a stack in temperature of 650°C. The rare earth metals (RE) in as material additives primarily improve the creep resistance, corrosion resistance and high temperature resistance of materials. However, efforts to enhance the properties of MCFC materials using RE have not yielded the marked effects associated with their use in solid oxide fuel cells (SOFC). Therefore, we have conducted this review in order to describe and discuss the effects of RE as additive materials in the context of MCFC. This review also provides information regarding the development of MCFC materials using RE. The incorporation of low concentrations of RE into previously RE-free materials may improve the stability of these materials to some degree, and also effect an increase in the cell efficiency of MCFC. La₂O₃-added cathode materials have primarily been applied as alternative materials, for the reduction of the dissolution of conventional NiO cathodes. Ce and Dy have both been theorized to possibly enhance the stability of anode electrode materials. Ce and La can both be employed as additives which enhance the stability of reforming catalysts. The addition of La₂O₃ to electrolytes has been previously shown to reduce the degree of dissolution in cathodes. Ce-based ceramics are thought to be promising coating materials, and it is believed that they may help to prevent the corrosion of the separator. However, future research into materials which exhibit long-term stability and low electrical conductivity is clearly warranted, as the field is in its infancy.     

气辅注塑成型注气压力的模糊神经网络控制研究

针对气辅注塑成形的注气压力精确控制要求,设计了具有５层结构的模糊神经网络控制器和控制算 法,利用神经网络的学习能力实现对模糊逻辑规则的优化,改善了系统的适应性。对系统３段压力控制的仿真 分析,验证了模糊神经网络控制模型的可行性,控制效果良好。     

Fuzzy Optimization of an Elevator Mechanism Applying the Genetic Algorithm and Neural Networks

1Introduction Wormgearingisoftenappliedforpowertransmissioninanelevatormechanismbecauseitgivesa greatreductioninrelativespeedandalargeincreaseineffectivepower.Soastoeconomizethenon ferrousmetalofthetoothcoronaofawormgear,itisveryimportanttoadoptoptimizationmethodsto designthewormgearing.2Principleofthegeneticalgorithm Thegeneticalgorithm[1]isamethodforsolvingoptimizationproblemsthatisbasedonnaturalselec tion,theprocessthatdrivesbiologicalevolution.Thegeneticalgorithmrepeatedlymodifiesapopu la…     

智能磁流变(MR)阻尼器半主动控制的研究

提出了一种基于磁流变(MR)阻尼器的结构智能半主动控制方法。利用模糊神经网络辨识出能真正反映磁流变阻尼器动力特性的智能辨识模型，在此基础上提出一种基于最佳逼近Bang—Bang主动控制的智能半主动控制算法，从而使得MR阻尼器在每一控制瞬时始终处于最大耗能状态，有效地减小了结构在地震作用下的位移与加速度响应。算例仿真验证了所提方法的有效性与实用性。     

空调系统神经模糊控制器-仿真和优化

以恒温空调系统为控制对象，对神经模糊控制器、常规模糊控制器和PID控制器进行了数字仿真，并用单纯形法对控制比例因子进行了参数寻优，获得了最优参数和动态响应曲线；通过对神经模糊控制器的优化学习，大大提高了神经模糊控制器的控制精度和稳定性，其性能优于最优化的PID控制器和最优化的常规模糊控制器，能有效地满足温度控制要求，并具有较好的鲁棒性；由于神经模糊控制器具有模糊控制和神经网络的智能，经过优化学习后，它具有艮好的控制性能和自适应能力。     

基于系统识别理论的磁流变阻尼器模型

磁流变阻尼器(MR damper)是一种新型的半主动结构振动控制装置。只要给该阻尼器输入很小的能量,它就能在极短的时间内(毫秒级)产生很大的力。这种阻尼器的性能可通过一组非线性微分方程来描述,物理参数包括位移、电压和力。给阻尼器输入位移和电压,阻尼器能产生一定的力。基于系统识别理论,采用ARX模型和优化神经网络技术对磁流变阻尼器的性能进行了仿真。训练后的神经网络能分别通过前向模型和反向模型精确地预测磁流变阻尼器的力和电压。把这样的神经网络用于控制系统,还能实现结构的主动控制。