基于RNN的神经网络辨识液气联合工作液压作动器模型

建立了一种回归神经网络辨识非线性液压作动器系统数学模型的辨识方法,研究了基于回归神经网络内部状态反馈的辨识算法,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：回归神经网络描述的液压作动器系统数学模型具有较高精度,算法全局逼近能力良好。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点，提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强，所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且，模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则，从而进行客观准确的控制。与普通模糊控制方法相比较，仿真试验说明了系统设计的有效性。     

力传感器模型辨识及动态补偿器设计

力传感器作为测控系统的最前端,其动态特性对测控系统特性有本质影响。为建立有效改善力传感器动态特性的补偿器方法,根据非线性最小二乘法建立了力传感器的动态数学模型,基于零极点配置法设计了力传感器的动态补偿环节。针对以上方法进行了系统辨识实验与动态补偿环节仿真设计。实验与仿真结果表明,非线性最小二乘法能够切合实际地建立非线性系统的辨识模型,零极点配置法所设计的动态补偿环节极大地改善了传感器的动态特性,可以将该补偿方法应用于工程实际当中。     

力传感器模型辨识及动态补偿器设计北大核心

力传感器作为测控系统的最前端,其动态特性对测控系统特性有本质影响。为建立有效改善力传感器动态特性的补偿器方法,根据非线性最小二乘法建立了力传感器的动态数学模型,基于零极点配置法设计了力传感器的动态补偿环节。针对以上方法进行了系统辨识实验与动态补偿环节仿真设计。实验与仿真结果表明,非线性最小二乘法能够切合实际地建立非线性系统的辨识模型,零极点配置法所设计的动态补偿环节极大地改善了传感器的动态特性,可以将该补偿方法应用于工程实际当中。     

基于最小二乘支持向量机的传感器非线性动态补偿

提出了一种基于最小二乘支持向量机的非线性传感器动态测量误差的校正方法，使得通过该方法补偿的传感器具有理想的输入输出特性。先将传感器的非线性动态系统分解成线性动态子环节和非线性静态子环节串联；与之对应，非线性动态补偿过程也包含2个阶段：线性动态补偿和非线性静态校正。然后，通过函数展开将补偿器的非线性传递函数转换为等价的类线性形式一中间模型；再通过LS-SVM回归算法求取中间模型参数；最后，推导出中间模型参数与补偿器2个子模型参数之间的关系，并通过该关系实现非线性静态校正和线性动态补偿环节的同时辨识。与常规非线性动态补偿方法比较，该方法优点是明显的：（1）只需进行一次动态标定实验；（2）能给出非线性动态补偿器的数学解析表达式；（3）充分利用LS—SVM的优点，使辨识的补偿器具有更好的抗干扰能力。仿真与实际实验结果均表明该传感器非线性动态补偿方法有效。     

ABC算法在非线性系统辨识与控制中的应用

针对非线性系统辨识和控制器的设计,提出一种混沌映射产生初值的人工蜂群优化算法,并将该算法应用于非线性系统中的参数辨识和PID控制器的设计。参数辨识的仿真结果表明,基于混沌映射理论的人工蜂群优化算法比其他传统的算法具有更好的收敛特性和辨识性能;自动电压调节系统的仿真结果表明,基于混沌人工蜂群优化的PID控制自动电压调节系统是可行性的,且具有良好的动态调节性能。     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

基于SVR的非线性系统故障诊断研究

针对非线性系统辨识建模和故障诊断难的问题,利用回归型支持向量机(support vector regression,SVR)分别设计了非线性系统的辨识建模系统和故障诊断系统,最后以某一非线性系统为例进行了仿真试验研究,建立了该非线性系统的SVR辨识模型,在此基础上进行了三种典型故障的诊断试验,仿真试验结果验证了该方法的有效性和先进性。     

基于RPROP算法的模糊系统优化

提出了一种模糊系统优化方法应用RPROP算法辨识模糊系统参数,消除了偏导数的大小对权值改变的影响.采用自适应模糊规则数选取方法获取模糊规则,避免了规则选取的盲目性.对非线性动态系统进行辨识研究,仿真结果表明了该方法的有效性和可行性.     

机构运动非线性参数预测的动态神经网络模型

研究目的是建立考虑摩擦影响的复杂机构非线性运动参数辨识模型。复杂机构的动态响应为高度非线性，考虑摩擦的影响使机构运动的不确定性增大，机构控制的难度较大。应用动态神经网络技术，建立机构运动参数动态参数辨识模型，对柔性机构的运动参数进行辨识和预测。通过机构实例的验证，该方法计算速度较快，精度较高，为实现复杂大系统的辨识提供了一种有效可行的方法。     

一种基于动态最近邻聚类算法RBF网络非线性系统复合控制器设计

针对RBF网络的设计难点,提出一种动态确定隐层节点数和聚类中心的新方法。并基于逆动力学的思想,提出一种RBF网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF网络结构和动态最近邻聚类算法,实现了对系统逆动力学的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性系统,从而使非线性对象的控制问题简化成线性对象的问题。仿真结果证明了该控制策略具有良好的动态跟踪性能和抗干扰能力,具有较强的鲁棒性。     

亚微米超精密车床隔振的广义预测控制仿真研究

亚微米超精密车床振动控制系统是一个带不确定干扰的非线性系统，用广义预测控制原理提出了一种数字控制的新方法。该方法克服了一般线性状态反馈控制所存在的由于模型非线性和干扰引起系统动态特性和控制精度变差的缺点。用该方法所设计的电磁作动器能够有效地抑制空气弹簧固有的非线性和电磁线圈反电势所引起的涡流干扰。通过仿真，将该方法与一般线性状态反馈控制相比较，结果证明了该方法使系统具有更强的鲁棒性、更好的动态品质和更高的控制精度。     

基于BP神经网络的非线性系统辨识

工业系统大多具有大滞后、非线性的特点,难于控制.本文介绍了基于BP神经网络实现对非线性系统的辨识和仿真分析,并给出了实例.仿真结果表明,该方法可以对工程中常遇的复杂的、非线性较强的系统进行辨识,具有一定的适用性.     

基于模糊控制理论的定子电阻辨识器研究

介绍一种基于模糊控制理论的定子电阻辨识器的直接转矩控制交流电机调速系统.该辨识器结构简单,辨识的定子电阻误差较小.仿真结果表明,使用该辨识器的系统响应迅速、转矩脉动小、鲁棒性好.系统已经成功运用于旋转构件在低速情况下的调速控制.     

改进的Elman网络在系统辨识中的应用

介绍了Elman网络在非线性动力学模型辨识中的应用原理，采用改进的Elman动态递归网络实现对某平整机液压自动厚控系统（HAGC）的模型辨识。实验表明，Elman网络利用内部状态反馈来描述系统的非线性动力学行为，提高了学习速度，适合于动态系统的实时辨识。     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

压电陶瓷驱动器建模与控制技术的研究

由于压电致动器(PA)具有高带宽、高纳米位移分辨率和零机械摩擦等优点,其广泛应用于微/纳米操作、微/纳米定位和光学系统。然而,压电致动器的迟滞非线性却严重影响了其跟踪定位精度,甚至引起闭环系统失稳。为了模拟具有不对称特性的压电致动器的滞后特性和频率相关性,使用广义Bouc-Wen模型来描述压电致动器的滞后性并对该模型进行了参数辨识。然后,使用基于该模型的线性化反馈滑模控制器来改善压电致动器的迟滞非线性,最后采用MATLAB对压电致动器的位移与速度进行跟踪控制仿真,并对其位移误差进行仿真,以验证该模型的有效性,其显著提高了压电致动器的位移控制精度,有效提高了系统的鲁棒性,进而可显著提高双光子聚合加工系统的定位精度。     

基于神经网络的轧机液压AGC系统自适应辨识

在分析液压AGC的组成元件及其动态特性的基础上，利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力，建立基于时间序列的前馈动态模型辨识结构，应用扩展BP算法对轧机液压AGC力控制系统进行非线性预测，将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识，仿真及实测结果表明此方法行之有效，为轧机液压AGC的辨识提供了新途径。     

大型构件动态固有频率和 阻尼系数辨识方法

大型构件在实际工作环境中的系统动态固有频率和粘性阻尼系数辨识一直是一个“棘手”的问题。提出了基于非线性建模和小波变换方法的大型构件的固有频率和粘性阻尼的分析方法，成功地检测出我国某大型水轮机轴系的动态固有频率和粘性阻尼系数。通过仿真结果与理论值的比较，证实了该方法的有效性和精确性。