双模糊神经网络模糊协调控制的交流伺服系统

根据交流伺服系统高性能的要求,设计了一种双模糊神经网络模糊协调控制的交流伺服系统,它融合了模糊控制及神经网络控制技术各自的优点,大大提高了伺服控制的动、静态性能,取得了满意的效果。     

基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用

提出了一种基于神经网络的规则自校正模糊控制器,设计了一种在线的模糊推理算法,利用神经网络调整模糊控制规则,并将其用于交流伺服系统的控制中,仿真实验结果表明：该控制器响应快、鲁棒性强,采用该控制器的系统具有较好的动、静态性能和抗干扰能力。     

基于模糊高斯基函数神经网络控制的交流伺服系统

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络,并将之用于交流伺服系统的控制中     

基于模糊控制的交流伺服系统

将模糊控制器用于交流伺服系统的控制，利用模糊控制不依赖于对象模型和鲁棒性强的优点来克服交流伺服系统中参数漂移、非线性和耦合等因素的影响。实验结果表明基于模糊控制的交流伺服系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性。     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

永磁直线电机自构式模糊神经网络控制器设计

针对永磁直线同步电动机伺服系统中负载扰动和负载质量变化等参数不确定性对伺服系统动态性能的影响,设计自构式反馈模糊神经网络控制器.该控制器在模糊控制的非线性辩识功能和神经网络的自学习功能的基础上,各层神经元的个数可以根据误差状况发生改变,从而在保留了神经网络自学习能力的同时,增强了神经网络的实时性,提高了伺服系统的动态性能.自构反馈机制的引进,增强了神经网络的适应性.仿真结果表明,基于自构式反馈模糊神经网络控制器的永磁直线电机伺服系统对于参数的变化、外部干扰等具有较强的抑制作用,系统具有较强的鲁棒性.     

永磁直线同步电动机模糊神经网络控制器的设计

为了有效地抑制负载阻力扰动等外部扰动对永磁直线同步电动机(PMLSM)系统稳态性能影响,本文设计出了模糊神经网络控制器(FNNC).该控制器将模糊控制的非线性辩识功能和神经网络的自学习功能有效地结合了起来,在保留神经网络自学习能力的同时,增加了对系统的辨识能力,从而提高了伺服系统的稳态性能.仿真结果表明,基于FNNC的PMLSM伺服系统响应快,精度高,对外部扰动有很强的鲁棒性.     

基于智能积分的多模协调控制交流伺服系统研究

为了满足交流伺服系统高精度、快响应的要求,结合模糊控制、比例控制和积分控制各自的优点,设计了一种基于智能积分的多模控制模糊控制器,并且分析了该控制策略的可行性,并将其应用于交流伺服系统.通过仿真和具体实验分别验证了上述分析和设计的合理性.试验结果表明:该控制方法不仅大大提高了交流伺服系统的稳态精度,缩短了过渡过程时间,加快了交流伺服系统的动态响应,而且对交流伺服系统有很好的抗干扰性能和较强的鲁棒性,使交流伺服系统具有较好的动、静态性能.     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。     

智能协调全闭环位置伺服系统的设计

结合激光内雕机控制系统的改造工程,根据位置伺服系统高性能的要求,设计了一种智能协调全闭环位置伺服系统,它融合了模糊控制及神经网络控制技术的优点,克服了各种非线性因素对系统的影响,大大提高了伺服电机的定位精度和位置跟踪精度,保证了三维激光加工系统的准确性。     

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。     

一种前向模糊神经网络控制系统的研究

基于模糊逻辑和神经网络技术提出一种具有快速学习算法的模糊神经网络控制系统。     

基于再励学习的交流调速系统模糊神经网络控制

针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

模糊CMAC神经网络控制系统及混合学习算法

针对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。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

三容系统的智能神经网络模糊控制研究

三容系统是一个多输入、多输出、时变、强耦合的非线性实验系统,其液位控制算法的研究有着非常重要的实际意义。鉴于其高度非线性和复杂性,目前还没有很好的控制策略对其实现精确控制。结合模糊控制技术和神经网络技术各自的优点,提出用智能神经网络模糊控制器对其进行控制,实验结果证明了该控制器的可行性,取得了较好的控制效果。     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于模糊神经网络PID的锅炉汽包水位控制

将基于模糊神经网络的PID控制器作为给水控制系统的锅炉汽包水位调节器,可实时整定PID控制器的参数,以适应控制系统的要求。仿真结果表明,基于模糊神经网络的PID给水控制系统的响应快速性、调节平稳性及抗干扰能力均优于常规的PID控制器。