神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法，用于永磁同步电机的控制。该算法用基于BP神经网络的PID算法作为速度控制器，实现控制系统的在线自适应调整；同时用模糊理论算法作为神经网络控制器输出的限制，实现了良好的控制动态性能。在与传统的PI控制仿真比较中，该算法显示出了较好的控制性能，对负载和电机参数的变化不再敏感，且控制器可以在误差较大的时候快速跟踪指令，而在误差较小的时候实现稳定运行。     

一种基于FNNC-PID的水轮机调速系统控制方法

水轮机调速系统是典型的具有非最小相位、非线性,时变特性的复杂控制系统,难以建立精确的数学模型.针对水轮机调节系统的特性,运用模糊控制和神经网络控制的理论,设计了一种模糊神经网络控制器,利用神经网络结构来实现模糊逻辑推理,通过神经网络的学习来优化模糊控制的隶属度函数以及模糊规则.针对模糊控制存在稳态误差的问题,提出了一种FNNC-PID复合控制器,仿真结果表明,这种控制方案可以消除稳态误差,并使系统具有良好的动态性能和鲁棒性,其控制效果优于常规的PID控制.     

改善系统暂态稳定性的HVDC模糊神经控制器

提出了一种HVDC在线模糊神经控制器以提高交直流系统的暂态稳定性.该控制器的特点是结合了模糊系统处理复杂和不确定性问题及神经网络具有自学习能力的优点,选取整流侧交流母线电压相位误差及其变化率作为模糊逻辑控制部分的输入,其输出结果作为神经网络的一个输入,采用改进BP算法进行在线训练神经网络,神经网络的输出用来修正整流器的触发角,并利用NETOMAC软件对控制器主要参数进行了离线优化.仿真结果表明该控制器能有效地抑制有功功率振荡,改善发电机的功角特性,提高系统的暂态稳定性.     

一种基于模糊神经网络的智能车运动控制器

以智能车为控制对象,为解决单一运动控制方法难以满足智能车控制准确度、稳定性等要求的问题,设计了一种基于模糊神经网络的智能车运动控制器。该控制器利用神经网络实现模糊推理,将智能车与预定轨迹之间的相对距离和方位信息模糊化后作为输入,并通过神经网络学习算法不断调整连接权值和模糊值中隶属函数的参数,提高了控制器的自适应能力,使智能车能够快速稳定地沿预定道路行驶。仿真和实验结果均表明,该控制器动态响应好、稳态误差小,能够满足智能车的运动控制要求。     

基于神经网络的12/10 SRM速度控制器

针对12/10结构的车用开关磁阻电机提出了一种基于神经网络的速度控制器.该神经网络控制器以速度误差及误差导数作为控制器输入,以参考电流作为输出,通过BP算法进行训练,使用Matlab/Simulink对神经网络速度控制器进行仿真,并将仿真结果与PI控制器进行性能比较,结果表明该速度控制器用于开关磁阻电机效果较PI控制器在稳态和瞬态性能上更为显著.     

新型静止无功发生器的Fuzzy-PI控制

论述ASVG的工作原理,根据控制原理设计ASVG的模糊PI(Fuzzy-PI)控制器.采用模糊控制器获得良好的动态性能,同时引入PI控制改善模糊控制器的静态性能,增强其鲁棒性.该控制器使系统在电流跟踪误差较大时比例控制占主导,误差减小速度较快,在误差减小到一定范围内时积分控制占主导,实现稳态无差.并且该控制器具有较强的自适应控制能力,增强了对电力系统稳定性的控制,具有满意的控制精度,易于实现数字控制,比传统的PI控制具有更好的控制效果.数字仿真验证了该控制方法的有效性和正确性.     

基于DSP的无刷舵用电机智能控制系统设计

针对实际应用中对现代AUV舵机的高精度控制要求,设计了一种基于DSP的模糊神经网络的AUV舵机控制器,并运用改进型BP算法,实现了对无刷舵用电机的高精度控制.该系统融合了模糊逻辑和神经网络两大智能控制理论的优点,适合于无刷舵用电机这样的多变量、时变性复杂系统.通过仿真结果表明,与传统PID控制相比,该方法具有响应速度快...     

基于模糊神经网络的直线超声电机自适应控制

针对直线超声电机很强的非线性和时变特性,提出了模糊神经网络控制。为了更好地将PID控制的经验融入模糊神经网络,对离散型PID表达式的各项进行了划分,将轨迹跟踪误差信号、轨迹跟踪误差信号的变化和轨迹跟踪误差信号的变化率等三项作为模糊神经网络的输入。采用自适应律并结合了反向传播算法和梯度下降法进行学习优化。试验结果表明,所设计的模糊神经网络控制器不仅明显优于PID和自组织神经网络控制器,而且具有很好的抗干扰能力。     

水下机器人的动态Petri递归神经网络控制方法

针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力.并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络的学习和训练量,从而减少了模糊神经网络的计算量,提高反应速度.基于反向梯度传播原理,由能量函数设计了该网络的学习算法,并根据离散型李亚普诺夫函数确定了学习率参数,从而保证整个网络的收敛性.实验结果表明,该控制器能够提高递归神经网络的计算效率,减少控制误差,对外界干扰具有较强的鲁棒性,在水下机器人的控制方面取得了更好的效果.     

改善系统暂态稳定性的HVDC模糊神经控制器

提出了一种HVDC在线模糊神经控制器以提高交直流系统的暂态稳定性。该控制器的特点是结合了模糊系统处理复杂和不确定性问题及神经网络具有自学习能力的优点,选取整流侧交流母线电压相位误差及其变化率作为模糊逻辑控制部分的输入,其输出结果作为神经网络的一个输入,采用改进BP算法进行在线训练神经网络,神经网络的输出用来修正整流器的触发角,并利用NETOMAC软件对控制器主要参数进行了离线优化。仿真结果表明该控制器能有效地抑制有功功率振荡,改善发电机的功角特性,提高系统的暂态稳定性。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

BP神经网络模糊控制在电弧炉电极调节系统中的实现

针对电弧炉电极调节系统,建立其数学模型。分析了电弧炉电极调节系统的非线性,并针对控制对象的复杂性,将具有自学习功能的BP神经网络与模糊控制相结合,提出了基于BP神经网络模糊控制的控制算法。BP神经网络模糊控制的控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统控制未知复杂系统的不足,Matlab6．5软件仿真结果表明,采用BP神经网络模糊控制的控制算法的控制效果是令人满意的。     

基于改进学习算法的模糊神经网络控制系统

针对一类复杂非线性系统，提出一种模糊神经网络(FNN)控制方案。系统中采用模糊神经网络控制器和神经网络辨识控制器相结合的结构，介绍一种改进的学习算法，对学习公式进行推导，利用改进的遗传算法来优化已经获得的隶属度函数，并结合误差补偿以提高控制精度。同时将混沌机制引入常规BP算法，利用混沌机制固有的全局游动，逃出权值优化过程中存在的局部极小点，解决了网络训练易陷入局部极小点的问题。用该方法对某非线性动态系统进行辨识和控制，仿真结果表明控制精度和实时性优于常规模糊控制器。     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。     

Reference Model with an Adaptive Hermite Fuzzy Neural Network Controller for Tracking a Synchronous Reluctance Motor

This article presents a reference adaptive Hermite fuzzy neural network controller for a synchronous reluctance motor. Although synchronous reluctance motors are mathematically and structurally simple, they perform poorly under dynamic modes of operation because certain parameters, such as the external load and non-linear friction, are difficult to control. The proposed adaptive Hermite fuzzy neural network controller overcomes this problem, as using the Hermite function instead of the conventional Gaussian function shortens the training time. Furthermore, the proposed adaptive Hermite fuzzy neural network controller uses an online self-tuning fuzzy neural network to estimate the system's lumped uncertainty. The estimation method involves a fuzzy controller with expert knowledge of the initial weight of the neural network. Finally, the Lyapunov stability theory and adaptive update law were applied to guarantee system convergence. In this article, the responsiveness of the adaptive Hermite fuzzy neural network controller and an adaptive reference sliding-mode controller is compared. The experimental results show that the adaptive Hermite fuzzy neural network controller markedly improved the system's lumped uncertainty and external load response.     

基于神经网络预测模型的聚类自适应模糊控制器的设计及应用

将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的权值和结构同时进行训练 ,实现了非线性、大时滞系统模型的精确预测 ;然后将聚类算法和模糊控制相结合 ,设计了一种新型的聚类自适应模糊预测控制器 ,实现了对非线性和大时滞系统的自适应控制。将该控制器应用于锅炉的单元机组负荷控制系统中 ,仿真表明该方案的适应性、实时性和鲁棒性都很强 ,具有工程实用价值。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

木材干燥过程温湿度的T-S型模糊神经网络控制器设计

木材干燥过程是一个强耦合、大滞后的非线性动力系统,很难准确建立被控对象的数学模型。为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,将智能控制引入木材干燥控制系统是必然的发展趋势。结合模糊控制和神经网络优点,设计了一种木材干燥窑内温湿度的Takagi-Sugeno(T-S)型模糊神经网络控制器。该控制器无需对象的精确数学模型,适应性强,利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力来实现整个非线性过程的模糊逻辑推理。仿真和实验结果表明,T-S型模糊神经网络控制器有效解决了木材干燥过程的温湿度控制,控制器响应速度快、超调小、鲁棒性强、控制精确度高,可以满足木材干燥控制系统要求。     

一种新型模糊神经网络自适应控制器

文章利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力,将其与自适应控制方案结合,并取带有控制增量约束的广义目标函数作为优化指标;从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上分别采用Davidon最小二乘法和带有动量项的BP算法。仿真结果表明了该方法的有效性。     

电动汽车动力传动系转矩波动抑制研究

针对电动汽车由于传动系低阻尼特性产生的转矩波动问题,在Matlab/Simulink平台上搭建了基于永磁同步电机矢量控制策略的传动系扭振仿真模型,在电机速度环设计出模糊自整定PID控制器和神经网络PID控制器,以提高电机控制器的响应速度和抗干扰能力。仿真结果表明:运用机电耦合的建模方法能够有效揭示电动汽车传动系的动力学特性;通过模糊逻辑方法或者神经网络算法对PID控制器进行参数整定,能够改善由突变负载和突变控制信号引起的传动系转矩波动问题。