单神经元调节器在直流调速系统中的应用研究

应用神经网络控制理论和方法，对传统直流调速系统进行控制，可以得到无静差、无超调的优良性能，它对于传统工业的改造具有实际意义。     

Application of Diagonal Recurrent Neural Network to DC Motor Speed Control Systems

A new kind of dynamic neural network--diagonal recurrent neural network (DRNN) and its learning method and architecture are presented. A direct adaptive control scheme is also developed that is applied to a DC (Direct Current) speed control system with the ability to auto-tune PI (Proportion Integral) parameters based on combining DRNN with PI controller. The simulation results of DRNN show better control performances and potential practical use in comparison with PI controller.     

一类非线性系统的神经网络鲁棒自适应控制

针对一类单输入单输出仿射非线性系统，提出了一类神经网络鲁棒自适应控制。设计过程中，采用RBF神经网络实现对系统中的未知非线性函数逼近，并考虑到存在逼近误差和外部干扰，采用滑模控制实现了系统的鲁棒控制。最后通过MATLAB仿真，证明了该方法的有效性。     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

一类非线性系统的神经网络控制器设计

针对具有Brunovsky标准型的非线性系统提出一种权系数可在线调节的神经网络自适应控制算法,采用RBF神经网络对系统未知函数进行逼近,并考虑了网络重构误差和外部干扰。利用Lyapunov理论证明了算法能够保证系统的稳定性,仿真结果证明了该方法的有效性。     

具有混沌机制的模糊神经网络非线性系统建模研究

针对常规的BP算法收敛速度慢及容易陷入局部极小的缺点,在该算法中引入具有混沌机制的非线性自反馈项,给出了混沌BP算法,并利用其训练和学习模糊神经网络中的权值,从而构成一种引入型模糊混沌神经网络;最后,用提出的引入型模糊混沌神经网络对非线性系统进行仿真研究,仿真结果表明,所设计的引入型模糊混沌神经具有与混沌动力学特性同样复杂的动态特性,其对非线性系统具有很好的建模能力.     

用于DC/DC变换器的非线性控制策略综述

介绍了包括非线性PID控制、变结构控制、神经网络鲁棒控制和混沌控制等非线性控制策略在DC/DC变换器中应用,以及各种控制方法的现状和发展动态.     

无刷直流电机控制系统仿真比较

无刷直流电机(BLDCM)是一种多变量、非线性的控制对象,PID控制等传统控制方法难以达到现代工业控制高精度和高性能的要求.以BLDCM作为研究对象,介绍了BLDCM的结构原理,给出了基于传统PID、模糊PID和神经网络PID 3种BLDCM控制系统结构,并在Matlab/Simulink仿真平台上比较了3种BLDCM调速系统的性能.仿真结果表明,模糊PID控制系统的性能相对最优.     

Identification of Nonlinear Dynamic Systems Using Diagonal Recurrent Neural Networks

Duringpastdecades,greatprocesshasbeenmadetOestimstCobjectswithlinealnon-thoe-variantuncertaincharacteristics,buthowtoidentifynonlinearsystemsfullyisstillPerplexingtheresearchersofcontrolareas.Recently,neuralnetWorksinteresttheresearchersofcoalalareas...     

迟滞非线性环节的建模与逆控制

压电陶瓷器件这类复合材料在精密定位和微位移控制中得到广泛的应用,但其存在压电相互转化时寄生的难以建模的迟滞非线性现象的不足。通过采用一种和前向神经网络结构类似,以BackLash迟滞算子为激励函数的网络结构,并利用最小二乘法调整网络权值,从而无需考虑具体物理对象而实现对这类复杂迟滞非线性环节的建模,进而推导出所提出网络结构的逆模型。采用所建逆模型来对迟滞非线性环节进行补偿,仿真结果表明:提出的迟滞环建模方法及其控制算法可实现对迟滞环的线性补偿。     

BP网络在非线性油阻尼减振器建模中的应用

针对传统的线性理论在解决复杂非线性油阻尼减振器模型上的局限性 ,提出了一种应用 BP网络进行建模的新方法。为阐述 BP网络在非线性系统中建模的优越性 ,进行了非线性油阻尼减振器的试验研究 ,建立了其相应的非线性模型。在分析实验模型的基础上 ,对 BP网络进行改进 ,建立更为符合实际的非线性油阻尼减振器模型 ,仿真结果表明 ,神经网络在建模中具有较高的精度和适应性 ,是一种可行的方法     

人工智能在电梯群控系统中的应用

结合国内外发展趋势，对专家系统、模糊逻辑和神经网络等人工智能方法在电梯群控系统中的应用情况作以评述。重点介绍了基于模糊神经网络的群控算法，将此种方法应用在电梯群控系统的模型预报方面，可以达到很好的控制效果。     

人工神经网络及其在非线性系统控制中的应用

本文介绍了人工神经元和人工神经网络的基本结构,并在此基础上分析了人工神经网络的特性、学习和训练,说明了两种典型网络BP网络和Hopfield网络的工作原理,对人工神经网络在非线性系统控制中的应用进行了探讨.     

磁流变阻尼器的神经网络建模及应用

对非线性的磁流变阻尼器进行建模,建立单个磁流变阻尼器的神经网络正模型和神经网络逆模型,设计了两种四磁流变阻尼器的神经网络逆模型,通过两层控制策略将它们应用于汽车半主动悬架控制.结果表明:第1种神经网络逆模型对簧载质量的垂直加速度、俯仰角加速度和侧倾角加速度具有较好的控制效果,可有效改善车辆的行驶平顺性和操纵稳定性;第2种神经网络逆模型还有待改善.     

基于神经网络的滞变结构在线识别

提出了一种适用于滞变结构的神经网络在线识别方法。通过对非线性滞变模型的适当变换，采用Adaline模型和LMS学习机制来实现对该模型的在线识别。数值模拟结果表明了该方法的有效性和实用性。     

随机多输入多输出系统的自适应神经网络控制

针对一类具有严格反馈形式的随机非线性多输入多输出系统的自适应神经跟踪控制问题,本文利用径向基函数神经网络的万能逼近性,结合自适应Backstepping设计方法,提出了一类新的自适应神经网络状态反馈控制器,并对该系统提出的控制器含有较少的参数问题,通过Lyapunov稳定性理论进行了稳定性分析和证明,并应用仿真算例进行验证,仿真结果表明,闭环系统的所有误差变量概率意义下有界,并使系统的输出收敛到参考信号的一个小的邻域范围之内。该研究对随机非线性多输入多输出系统的跟踪控制有一定的指导意义。     

Modeling of Magneto-Rheological Damper with Neural Network

With the revival of magnetorheological technology research in the 1980＇s, its application in vehicles is increasingly focused on vibration suppression. Based on the importance of magnetorheological damper modeling, nonparametric modeling with neural network, which is a promising development in semi-active online control of vehicles with MR suspension, has been carried out in this study. A two layer neural network with 7 neurons in a hidden layer and 3 inputs and 1 output was established to simulate the behavior of MR damper at different excitation currents. In the neural network modeling, the damping force is a function of displacement, velocity and the applied current. A MR damper for vehicles is fabricated and tested by MTS; the data acquired are utilized for neural network training and validation. The application and validation show that the predicted forces of the neural network match well with the forces tested with a small variance, which demonstrates the effectiveness and precision of neural network modeling.     

基于模糊逻辑的电路非线性动态特性模型

该文提出了一种基于模糊逻辑的电路动态特性行为建模方法.该方法基于非线性动态系统辨识理论,以精心设计的激励信号下的瞬态响应的抽样值为样本,利用模糊逻辑系统的万能函数逼近能力来逼近电路外部端口的动态特性.介绍了建模的原理与过程,给出了一个具体电路的例子,证明方法是可行的.     

一类非线性系统基于Backstepping的自适应稳定控制

针对一类未知高阶非线性系统，提出了一种基于Backstepping和神经网络的自适应稳定控制方法。利用RBF神经网络逼近未知非线性函数，不需要满足匹配条件，基于Backstepping方法调节网络权值。在控制律中引入非线性衰减项和σ-修正项保证了网络权值的稳定性，阻止了参数漂移。通过Lyapunov直接方法，证明了整个闭环系统的最终一致有界性。该方法扩展了自适应Backstepping和自适应NN控制的应用范围，适于并行计算，仿真结果表明了该算法的有效性。     

基于逆系统方法的非线性系统变结构控制

针对一类可化为简约形式的非线性系统，基于非线性系统的逆系统理论，讨论了实施变结构控制的问题．通过对降阶的模型引入动态补偿器．来实现整个系统的部分线性化．在此基础上，设计了变结构控制的切换函数，并对滑动模态进行了讨论．