基于CMAC网络的迭代学习初始控制策略

针对传统迭代学习控制在面临新的环境或控制任务时学习时间长、收敛速度慢的问题,首先引入迭代学习初始控制算法,并给出了算法收敛的充分必要条件;然后,利用小脑模型连接控制网络(CMAC)与反馈PID网络进行综合,在系统的历史控制经验基础上,估计系统的期望控制输入,作为迭代学习控制器的初始控制输入,再由开闭环P型迭代学习律逐步改善控制效果,从而避免了对初始控制输入量的盲目选择,使得系统的实际输出只需较少的迭代次数就能达到跟踪的精度要求。机器人系统的仿真结果表明了该算法的可行性与有效性。     

双向规划小脑模型神经网络CMAC学习控制

CMAC小脑模型是模拟人小脑的一种学习结构。以往CMAC方法为单向规划方法,为改善CMAC学习控制效果,提出如下双向规划方法     

基于CMAC强化学习的交叉口信号控制

采用神经网络值函数逼近的强化学习方法处理交叉口的信号控制。根据交通流及交叉口信号特征,建立强化学习的状态空间、动作空间和回报空间,以最小化车辆在交叉口的延误为控制目标,对信号进行优化控制。引入小脑模型关节控制器神经网络对强化学习(RL)的Q值进行逼近。在变化的交通条件下,使用典型交叉口对提出的RL模型进行验证,同传统的定时控制和全感应控制进行对比分析。仿真结果表明,RL控制器具有较强的学习能力,可以适应交通流的动态变化,稳定性好、自适应性强,对于环境变化具有较强的适应能力。     

高精度伺服系统的模糊CMAC补偿控制

针对伺服系统存在非线性和参数不确定性,PID等常规控制器几乎无法获得高精度控制性能的问题,提出了一种基于FCMAC的补偿控制器,将其应用于伺服系统的速度闭环控制.FCMAC补偿控制器能够实时在线学习系统的非线性,对参数变化及扰动等因素进行实时补偿.将FCMAC补偿控制器与模型参考跟踪控制结合,能有效地改善伺服系统的鲁棒性.仿真结果进一步表明,该控制策略能降低系统时参数变化和外界扰动等不确定性的灵敏度,即使在持续正弦信号干扰下也具有良好的性能.     

基于虚拟仪器技术的飞机液压脉冲试验系统

液压脉冲试验是飞机液压系统设计中的重要环节.为了深入分析水锤现象和主动控制产生规范的液压脉冲波形,对液压元件的可靠性进行考核,针对该测控任务的需求,提出利用虚拟仪器技术开发液压脉冲测控系统.该系统通过对测点的灵活安排可对关键位置的流体压力、流量和温度信号进行实时观测和记录,极大地方便了水锤波的理论研究工作.此外通过主动控制技术,可在高温、低温和室温等多种试验环境下对多种试验件进行试验.实践表明该系统具有性能完善、功能齐全和可扩展性强的特点.     

基于CMAC再励学习控制的电梯群控调度方法

提出一种新的智能优化调度方法，将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控系统的控制方案.该控制方法不需要过多的专家知识及学习样本,可以实现在线学习并具有较强的自适应能力,提高了系统的效率并且使系统性能得到优化.以层间交通模式为例对系统进行仿真,结果证明了该方法的可行性及有效性.     

基于变学习率CMAC网络的自适应逆控制研究

提出一种改进学习算法的CAMC网络结构,并应用于非线性系统控制。该算法可保证网络的学习率随着系统工作点的变化而自适应变化,加快了网络的收敛速度,提高了系统的自适应能力。文中分析了CAMC网络用于自适应逆控制过程中,网络学习率对网络收敛特性的影响,论证了自适应学习率在网络学习中的作用,并给出了学习率自适应学习的具体训练方法。最终将该方法应用于三阶机械手模型的逆运动控制,给出了基于普通CMAC的逆运动控制的控制曲线和基于改进学习算法后的CMAC的逆运动控制的控制曲线,并给出了分析和对比,论证了改进的学习算法的优越性。     

基于CMAC的PID控制在换热器中的应用设计及仿真

本文介绍了小脑模型神经网络CMAC的原理及基于CMAC与PID的并行控制设计，以及该设计在换热器控制中的应用，并对该设计在MATLAB下进行了仿真．得到了较好的控制效果。     

一类非线性系统的自组织模糊CMAC神经网络自适应重构跟踪控制

提出了一种非线性系统的自组织模糊CMAC(SOFCMAC)神经网络自适应重构跟踪控制方法,首先通过构造增广系统,设计出线性渐近跟踪控制器,然后采用SOFCMAC神经网络在线重构系统的非线性特性,以消除非线性特性引起的系统误差,可保证非线性系统闭环稳定并使系统输出跟踪期望输出.仿真算例证明了SOFCMAC神经网络自适应重构跟踪控制系统的稳定性.     

机械臂的CONN控制与CMAC控制的比较研究

由于正交神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等优异特性,取得了较好的应用效果,但在机器人动态建模与实时控制问题上研究较少。为此在机械臂的神经网络控制中,该文提出复合正交神经网络(CONN)与PID并行控制方法,并对小脑模型(CMAC)与PID并行控制作一比较研究。仿真结果表明,当阶跃输入与正弦输入时CONN与CMAC实现的前馈控制具有相同的控制效果,但CONN算法比CMAC算法更简单,这充分地体现了复合正交神经网络的特点。     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

自适应模糊与CMAC并行的机器人力/位置控制

为提高机器人系统对机器人末端操纵器与外界工作环境接触时,其接触刚度不确定性的自适应能力,在机器人力／位置混合控制的基础上,设计出了一种基于自适应模糊与CMAC并行控制的机器人力控制器,采用小脑模型神经控制器实现前馈控制,实现被控对象的逆动态模型,自适应模糊控制器实现反馈控制,保证系统的稳定性,且抑制扰动。以平面两关节机器人进行仿真,仿真结果表明,系统的自适应能力和力跟踪能力有显著的提高,机械手在其末端操纵器与刚性变化范围较大的外界工作环境接触时,具有较强的适应能力,较好地完成了机器人的力／位置控制。     

基于模糊PID控制的飞机液压缸性能测试

飞机系统液压缸的性能直接影响到飞行安全。本文探讨了对飞机液压缸性能测试的方法,设计了液压缸性能测试的软、硬件试验平台,研究了模糊PID控制算法在液压缸性能测试中的应用,通过实验验证了该方法的可行性和有效性。     

基于CMAC网络的飞行器再入标准轨道制导

针对飞行器再入标准轨道制导方法中的参考阻力加速度跟踪问题,提出一种将CMAC网络与PID控制相结合的复合控制方案。该方案利用传统的PID控制器实现反馈控制,保证系统的稳定,并利用CMAC网络实现补偿控制,提高系统的抗干扰能力。三自由度仿真结果表明,在存在气动偏差和风场干扰等影响的情况下,该算法的跟踪精度与鲁棒性都有增强,终端精度和约束条件都得到了较好的满足。     

遗传算法复合控制在纸浆蒸煮中的应用

本文根据造纸车间的纸浆蒸煮过程,提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化对纸浆蒸煮的温度控制,用遗传算法优化PID控制器的初始参数,然后再结合CMAC网络进行控制。仿真试验研究表明该方法用于纸浆蒸煮温度控制是可行的,控制效果得到显著提高。     

一种基于CMAC的图象恢复算法

由于影响成象和导致图象退化的因素具有模糊性和不确定性,很难准确地建立图象退化过程的数学模型,因而建立退化过程的逆过程图象恢复十分困难,为了解决这一问题,提出了一种基于CMC的图象恢复算法,该方法利用CMAC神经网络的非线性映射和综合能力,通过对影响成象和导致图象退化的过程进行反向学习来恢复图象。仿真结果表明,用CMAC神经网络能很好地恢复出已退化的图象,并且神经网络模型与学习方法十分简单,便于实时图象恢复。