采用遗传神经网络的直线伺服系统速度自适应控制

针对永磁直线同步电动机伺服系统多变量、强耦合、非线性,以及时变的特点,提出一种基于径向基函数(RBF)神经网络的永磁直线同步电动机速度控制方法,该方法根据RBF神经网络的结构特点,对其参数采用遗传算法进行离线训练,并通过在线训练调整隐层与输出层的连接权值,实现了电动机速度的自适应控制.实验结果表明,与常规PID控制相比,RBF神经网络控制器提高了直线伺服系统的静态和动态性能,使得电动机在启动和负载改变时转速超调量减小,且转速能更快地趋于稳定.     

基于混合Elman网络的非线性自适应逆控制

针对Elman动态递归神经网络的特点,在现有结构的基础上提出一种隐层包含径向基函数的混合Elman神经网络,给出了网络结构和训练算法,并将其应用于非线性自适应逆控制系统中.仿真实验表明该动态神经网络自适应性强,动态特性优异.此方法为实现非线性系统自适应逆控制提供了理想的途径.     

模糊调整自适应神经网络在非线性系统中的应用

文中提出基于模糊调整的自适应神经网络控制策略,将其应用到非线性系统的仿真研究中.应用模糊推理机在线训练神经网络,同时构造了鲁棒控制器.仿真结果表明,该控制策略具有较快的调节速度和较好的稳定性.     

半主动悬架自适应模糊神经网络控制的研究

提出了一种半主动悬架系统自适应模糊神经网络控制方法。该方法采用径向基神经网络作为辨识器,模糊神经网络作为控制器,根据辨识器提供的雅可比信息和汽车自身运行状态在线调整控制器参数,以达到自适应减振控制。最后以我国常见的B级路面为激励信号用Matlab进行计算机仿真,并与被动悬架和目前已有的模糊控制方法进行对比,结果证明了该控制方法能够明显地改善舒适性,而且改善的幅度又要明显地优于现有的模糊控制方法。     

基于神经网络的一类不确定非线性系统自适应H∞跟踪控制

基于神经网络针对一类具有输入不确定性的非线性系统提出了一种H∞自适应跟踪控制方法.控制器由等效控制器、H∞控制器及参数自适应控制器三部分组成.H∞控制器用于减弱外部及神经网络的逼近误差对跟踪性能的影响,参数自适应控制器用于抑制输入干扰对跟踪性能的影响.所设计的控制器不仅保证了整个闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出一个算例验证了该方法的有效性.     

汽车半主动悬架的非线性神经网络自适应控制研究*

分析了汽车悬架的非线性特性,提出了基于神经网络的自适应控制策略,设计了神经辨识器和控制器,并通过一个补偿网络,来进行后悬架的预见控制。仿真计算表明,神经网络自适应控制的半主动悬架具有明显的减振效果,而加有后悬架预见控制其效果更佳。为验证仿真结果,还进行了台架试验。试验结果亦表明了半主动悬架的优良减振性能。     

基于RBF神经网络的无人水面舰艇自适应控制

研究了一个3自由度(DOF)无人水面舰艇的轨迹追踪控制问题,具有不确定性的动力学模型和不可预测的外部扰动使其数学模型很难被精确获得。提出了利用径向基函数神经网络的设计,通过反推的方式,设计了一个稳定的自适应神经网络控制器,达到设定轨迹控制和所有信号有界的目标。通过李雅普诺夫稳定定律证明了该未知系统的稳定性。仿真结果证实了该控制的有效性。     

智能汽车自适应RBF神经网络循迹控制

为解决智能汽车循迹控制中建模复杂及不精确问题,提出了一种基于整体逼近的自适应RBF神经网络控制方法。首先,基于智能汽车动力学方程的基本形式,对系统的不确定性进行分析。而后,利用神经网络的逼近特性,对分析结果中的不确定项进行整体逼近。进而,基于自适应RBF神经网络控制方法设计控制律,并通过李雅普诺夫稳定性分析方法设计自适应控制律。最后,进行Simulink/Carsim联合仿真验证,仿真结果表明,在通用双移线道路环境下,所提控制方法能够通过控制方向盘转角使得车辆沿期望轨迹行驶,轨迹跟踪误差较小且控制输出幅值可控,能够满足实际工程需求。     

多智能体系统在有限时间内的协同输出跟踪

研究了有限时间内多智能体系统的输出追踪问题。为了使智能体能够在有限时间内快速跟踪并收敛到外部系统,设计了一种基于有限时间状态观测器的新型分布式输出反馈控制策略。该分布式有限时间观测器不仅可以在智能体无法获得外部系统信号的情况下解决协同输出跟踪问题,而且可以使系统获得较快的收敛性和良好的鲁棒性。最后,基于Lyapunov函数证明了该系统在有限时间内的稳定性且提供了数值仿真实验,证明了该算法和协议的有效性。     

基于神经网络的一类不确定非线性系统自适应H∞跟踪控制

基于神经网络针对一类具有输入不确定性的非线性系统提出了一种H∞自适应跟踪控制方法.控制器由等效控制器、H∞控制器及参数自适应控制器三部分组成.H∞控制器用于减弱外部及神经网络的逼近误差对跟踪性能的影响,参数自适应控制器用于抑制输入干扰对跟踪性能的影响.所设计的控制器不仅保证了整个闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出一个算例验证了该方法的有效性.     

基于神经网络的五相内置式永磁电动机的模型参考自适应控制

提出了一种新的对五相内置式永磁电动机拖动的模型参考自适应控制方法.主控制器是基于人工神经网络设计的,这种人工神经网路可以在不知道电动机模型的准确参数时来模拟系统的非线性特征值.因为所提出的电动机拖动方式是应用多重参考坐标转换来实现对转矩的解耦和五相内置式永磁电动机的多路输出,所以,电动机能够通过最大转矩电流比控制实现低于额定转速运行,也可以通过弱磁控制实现高于额定转速运行.主控制器的神经网络采用径向基函数网路,径向基函数网络可以在线训练来适应系统的动态性.完整的永磁同步电动机驱动是用Matlab/Simulink作仿真.     

多关节机械臂的高阶滑模神经网络自适应控制

本文针对多关节机械臂提出了 一种高阶滑模神经网络自适应控制策略.在机械臂的动力学方程的基础之上,设置了滑模面,并对该滑模面求二阶导数,利用高阶滑模控制理论设计了机械臂的控制方案;高阶滑模控制分两步实施,针对标称系统采用了齐次连续控制项,对系统中存在外部干扰的情况添加了补偿项,并对系统中存在的不确定性采用RBF神经网络进...     

机械加工过程的神经网络最优自适应控制

本文建立了机械加工过程的最优自适应控制模型。提出了刀具磨损的神经网络测量方法。并把机械加工过程的最优自适应控制模型映射成神经网络优化电路模型，建立了机械加工过程的神经网络最优自适应控制系统。     

基于神经网络PID的冗余伺服系统自适应控制

建立冗余直接驱动式电液伺服系统的数学模型。针对电液伺服系统时变、强非线性的特点以及冗余伺服系统在余度降级过程中的故障瞬态现象和余度降级后的性能降级现象,考虑传统PID控制器自适应能力不强、鲁棒性差等缺陷,提出神经网络自适应控制方案。根据冗余电液伺服系统的特点和目前神经网络控制的发展水平,采用基于径向基函数神经网络的智能PID控制器实现冗余伺服系统的自适应控制。研究结果表明：该控制器能够根据控制指令、被控对象结构参数等因素的变化实时调整控制器参数,和传统PID控制器相比具有控制精度高、鲁棒性强的特点,可以有效地克服冗余伺服系统余度切换时的故障瞬态现象和余度降级后的性能降低现象。     

阀控缸系统有限时间滑模控制

针对阀控缸系统稳态跟踪误差的收敛时间均为非有限时间内收敛到0的问题，提出了一种终端滑模控制方法。解决了液压系统非有限时间收敛问题，使得跟踪误差在有限时间内收敛到0。首先，运用终端滑模控制方法通过构造终端函数方式引入非线性项，设计终端滑模面来保证系统的全局鲁棒性和稳定性；其次，基于Lyapunov稳定性理论设计终端滑模控制器，保证位置跟踪误差在有限时间内收敛到0并验证其稳定性；最后，利用阀控缸系统模型以正弦信号及其衍生信号为参考信号对控制策略进行Simulink仿真，表明了终端滑模控制方法的可行性与有效性。     

基于神经网络的卷烟共线分拣系统自适应控制

针对目前方法自适应控制卷烟共线系统时,由于未能依据Lyapunov函数确定系统的控制规律,导致在实施系统自适应控制时,存在控制效果差、控制误差高和控制性能低的问题,提出基于神经网络的卷烟共线分拣系统自适应控制方法。首先依据Lyapunov函数确定系统的控制规律,建立对象控制模型并使用前馈神经网络训练模型,优化控制器参数,完成控制器的设计;再利用控制器的参数建立线性和非线性2种自适应控制方法;最后通过制定的切换规则,完成自适应算法的平滑转换,实现系统的自适应控制。实验结果表明,运用该方法控制系统时,控制效果好、控制误差低以及控制性能高。     

基于智能与仿真技术的非线性润滑系统研究

采用智能控制与软件仿真技术研究非线性气-液两相流润滑系统.利用Navier-Stocks方程建立描述系统中流体运动特性的非线性偏微分控制方程组,并利用有限体积方法对其进行离散,获得了描述系统运动规律的数学模型及边界条件.基于CFD计算流体动力学,以及RBP径向基函数神经网络算法,建立系统的仿真模型,应用该模型对系统的工作特性进行仿真研究,并与实验结果进行对比.结果表明:2种模型都能很好地仿真系统的工作特性,其结果与实验测得的结果基本一致,为系统的实际应用提供了理论研究依据.     

基于指令滤波的机械臂有限时间输出约束阻抗控制

提出一种基于指令滤波的机械臂有限时间输出约束阻抗控制方法.通过阻抗控制技术来解决机械臂与环境之间的相互作用,使机械臂跟踪期望轨迹.通过有限时间控制提高机械臂控制的响应速度,缩小跟踪误差,并引入障碍Lyapunov函数对机械臂末端输出状态进行约束.采用模糊自适应技术处理机械臂系统中的未知摩擦量和外部扰动量.仿真结果表明:...     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

含未知磁滞输入的机械臂系统预设性能控制

针对一类含有未知磁滞输入的单连杆机械臂系统,提出一种基于动态面的自适应预设性能控制方案。利用Bouc-Wen模型描述机械臂执行机构内的磁滞现象,通过RBF神经网络预估该系统内的未知函数,同时利用Funnel控制确保跟踪误差的最大超调量,据此按照动态面策略设计控制器以避免传统反演策略所固有的微分膨胀问题。理论分析表明该方案能有效消除未知磁滞的影响,能同时确保系统的瞬态及稳态性能,并能确保闭环系统内全部信号达到半全局有界。最后,通过仿真对该方案的有效性进行验证。