基于改进模糊PID位置随动系统控制

针对直流有刷电机在使用传统模糊PID控制器进行位置随动控制时,由于负载转矩变化导致系统跟随性能下降以及负载转矩未知的问题,提出了基于负载观测器的改进模糊PID控制器代替传统模糊PID控制器,在传统模糊控制结构的基础上增加负载观测器,实时观测系统负载转矩,并利用负载转矩实时调节系统控制器参数,提升了系统在负载转矩突变时的位置跟随能力。仿真结果表明：负载观测器能实时、准确地观测负载转矩,改进模糊PID控制器对负载扰动有较强的抑制能力,并有效减小了系统的调节时间和稳态误差。     

基于模糊神经网络的位置控制器研究

提出了一种基于Sugeno模糊揄神经网络位置控制器，以永磁无刷直流电机（BLDM）构成伺服系统作为对象进行了仿真实验，研究了该控制器的学习精度、收敛速度及控制性能，仿真结果表明本文所设计模糊神经网络位置控制器学习精度高、收敛速度快、在系统同时存在电机参数的变化和负载扰动时，具有较强的鲁棒性和抗干扰能力。     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

基于神经网络的PMSM自适应滑模控制

结合滑模控制和神经网络各自的优点,对永磁同步电机(PMSM)提出了一种基于神经网络的PMSM自适应滑模控制方案.首先设计了带积分操作的滑模变结构位置控制器,通过递归神经网络的在线学习来实时估计系统参数变化和外部负载扰动等不确定性的界限,减小滑模控制器的控制量.进而,在滑模控制器中又引入饱和函数取代符号函数,进一步减弱"抖振"现象.理论分析和实验仿真对比研究的结果表明所提出方法具有优越的动态性能和鲁棒性.     

基于改进粒子群算法的模糊神经网络PID控制器设计

针对模糊神经网络PID控制器中参数初始值的设置对控制器性能影响大的问题,提出一种改进的PSO算法优化模糊神经网络PID控制器参数的设计方法.该方法采用实数编码的方式对控制器参数进行优化,并以ITAT指标作为改进的PSO优化算法的适应度函数.实验仿真表明:经过改进的PSO算法优化的模糊神经网络PID控制器具有良好的动静态性能,响应速度更快,超调量更小,控制精度更高.     

救援机器人自适应模糊控制的研究

研究了腿轮混合结构式救援机器人的自适应运动控制问题;由于腿轮式救援机器人是一多自由度、非线性和强耦合的系统,其动力学模型比较复杂且难以精确建立,提出采用T-S型模糊神经网络进行机器人的运动控制;充分利用T-S模糊模型的特点和优点,以一种简化的T-S型模糊神经网络作为前馈控制器,同时反馈控制器也采用T-S型模糊神经网络实现;该控制器利用人的经验和知识实时调整PID参数,从而改善控制系统的性能,提高控制器的适应能力;实验结果表明该方法具有良好的轨迹跟踪精度和抗干扰能力.     

永磁交流伺服系统的神经网络监督控制

针对经典比例积分微分(Proportional Integral Derivative,PID)算法需要准确的数学模型,抗参数摄动和外界干扰能力差,在高度跟踪过程中控制精度低的缺点,设计了基于径向基函数(Radial Basis Function,RBF)神经网络和传统PID复合的控制器,应用于交流伺服位置系统。利用PID控制器实现系统的闭环动力学性能,利用RBF控制器来提高系统的动、静态控制品质,完成了火箭炮位置伺服系统三闭环模型的建立与神经网络离线训练样本的选择,通过仿真表明了此算法可以有效地提高系统的动静态特性。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得 到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种 在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象 特性的大范围变化.     

基于混沌遗传算法的模糊CMAC控制

分析CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力;针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用混沌遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整;仿真结果表明了该方法的可行性和有效性.     

基于模糊神经网络的统一潮流控制器

为了减少先验知识对统一潮流控制器中模糊规则的设计和电力系统参数的变化对统一潮流控制器性能的影响,文中采用模糊神经网络来设计统一潮流控制器.为此首先简单介绍了统一潮流控制器的控制策略,然后阐述了自组织模糊神经网络和基于遗传算法的模糊神经网络的构造方法,接着将自组织模糊神经网络、基于遗传算法的模糊神经网络结合统一潮流控制器的控制策略应用于两种统一潮流控制器.最后通过MATLAB仿真例子来验证:这两种统一潮流控制器的设计方法的有效性.     

爆破扫雷器遗传优化RBF模糊控制器研究

研究爆破扫雷器电液伺服系统的控制问题。针对液压系统的非线性、发射架位置和带弹量不同引起的系统负载及转动惯量变化,常规控制方法难以得到满意的动静态性能指标。在分析电液伺服系统传递函数的基础上,设计了基于RBF神经网络的模糊控制器,并采用改进遗传算法对控制器的节点中心矢量和权值等参数进行优化,在优化目标函数中使用控制量平方项,增大其影响力。最后对系统在不同模拟负载及转动惯量的情况下进行了仿真,系统动态响应快、超调小,为优化设计提供了依据。     

一种广义模糊神经网络等效滑模同步伺服系统

针对永磁同步伺服系统参数摄动、非线性及不确定因素等问题,提出了一种新型模糊神经网络等效滑模控制方案。利用一维输入的径向基神经网络与等效滑模复合控制器,实现了PMSM系统的快速跟踪控制。该方案对负载扰动、系统参数变化等具有很强的自适应性和鲁棒性,并且综合了模糊控制、神经网络的优点,是一种较理想的智能控制策略。在MATLAB环境下的仿真结果表明控制器具有良好的动静态品质,并且工程实现方便,为提高PMSM伺服系统性能提供了一个有效途径。     

一种基于模糊径向基函数神经网络的自学习控制器

提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案可以有效提高系统的控制精度和自适应能力     

基于动态递归模糊神经网络的自适应电液位置跟踪系统

提出了动态递归模糊神经网络(DRFNN)以在线估计电液位置跟踪系统中包括非线性、参数不确定性、负载干扰等在内的未知动态非线性函数,基于lyapunov稳定性理论推导出DRFNN可调参数和估计误差的界的自适应律,并构造出稳定的自适应控制器.实验结果表明:基于DRFNN的自适应控制器可使电液位置跟踪系统具有较强的鲁棒性和满意的跟踪性能.     

A supervisory fuzzy neural network control system for trackingperiodic inputs

A supervisory fuzzy neural network (FNN) control system is designed to track periodic reference inputs in this study. The control system is composed of a permanent magnet (PM) synchronous servo motor drive with a supervisory FNN position controller. The supervisory FNN controller comprises a supervisory controller, which is designed to stabilize the system states around a defined bound region and an FNN sliding-mode controller, which combines the advantages of the sliding-mode control with robust characteristics and the FNN with online learning ability. The theoretical and stability analyses of the supervisory FNN controller are discussed in detail. Simulation and experimental results show that the proposed control system is robust with regard to plant parameter variations and external load disturbance. Moreover, the advantages of the proposed control system are indicated in comparison with the sliding-mode control system     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

Identification Recurrent Type 2 Fuzzy Wavelet Neural Network and L2‐Gain Adaptive Variable Sliding Mode Robust Control of Electro‐Hydraulic Servo System (EHSS)

An electro‐hydraulic servo system (EHSS) is a kind of system with the characteristics of time‐variant, serious nonlinearity, parameter and structural uncertainty, and uncertain load disturbance in most cases. These characteristics make it very difficult to realize highly accurate control by conventional methods. In order to solve the above problems, this paper introduces a recurrent type 2 fuzzy wavelet neural network to approximate the unknown nonlinear functions of the dynamic systems through tuning by the desired adaptive law. Based on the identification by recurrent type 2 fuzzy wavelet neural network, a L2 gain design method, combining gain adaptive variable sliding mode control with H infinity control, is proposed for load disturbance, thereby accommodating uncertainties that are the main factors affecting system stability and accuracy in EHSS. In this algorithm, a recurrent type 2 fuzzy wavelet neural network is employed to evaluate the unknown dynamic characteristics of the system and gain adaptive variable sliding mode control to compensate for evaluating errors, and H infinity control to suppress the effect on system by load disturbance. The experiment results show that the proposed system L2 gain design method can make the system exhibit strong robustness to parameter variation and load disturbance.     

一类轻载电液位置伺服系统线性自抗扰控制

为解决一类轻载电液位置伺服系统线性自抗扰控制器设计过程中面临的阶次选择问题,本文从系统特性、频域等角度,分析自抗扰框架中“积分器串联结构”与轻载电液位置伺服系统之间的内在联系,得到轻载电液位置伺服系统在自抗扰控制框架下是本质“一阶”系统的结论,从而合理设计了1阶线性自抗扰控制器.在此基础上,提出了有效的控制器参数整定方法,并分析了闭环系统的稳定性.仿真和试验结果表明,与高阶相比1阶线性自抗扰控制器可以更好地控制动态过程较快、负载较轻的惯性负载电液位置伺服系统,为自抗扰控制在液压伺服领域的工程应用提供了参考.     

电液位置伺服系统的多滑模神经网络控制

针对电液位置伺服系统存在的强非线性、控制增益未知和非匹配不确定性.通过引入神经网络和带饱和层的多滑模面,提出了一种多滑模神经网络控制方法.该方法运用神经网络的万能逼近特性和滑模控制优良的抗干扰特点,采用构造性方法设计控制器.运用光滑投影算法和积分李雅普诺夫技术,避免了参数漂移和控制器奇异问题.理论证明了系统跟踪误差收敛于任意设定的滑模面饱和层内.仿真实验表明了理论结果的有效性.     

Robust Neural Network Controller Design For A Biaxial Servo System

A robust control method for synchronizing a biaxial servo system motion is proposed in this paper. A new neural network based cross‐coupled control and neural network techniques are used together to cancel out the skew error. In the proposed control scheme, the conventional fixed gain PID cross‐coupled controller (PIDCCC) is replaced with the neural network cross‐coupled controller (NNCCC) to maintain biaxial servo system synchronization motion. In addition, neural network PID position velocity and velocity controllers provide the necessary control actions to maintain synchronization while following a variable command trajectory. This scheme provides strong robustness with respect to uncertain dynamics and nonlinearities. The simulation results reveal that the proposed control structure adapts to a wide range of operating conditions and provides promising results under parameter variations and load changes.