基于BP神经网络模糊励磁控制器的研究

针对常规型PID作用下的控制器参数改变的不确定性,将BP-NN网络技术和Fuzzy模糊理论引进PID式控制器中,组成了BP神经网络技术的模糊规则的PID式控制器。经过对数学模型的仿真实例的对照和研究,发现基于BP神经网络和模糊技术的PID控制器能改善动态性能,控制效果好。     

基于滑模模糊神经网络感应电动机矢量控制的研究

感应电机矢量控制采用滑模模糊神经网络控制,使系统具有自学习、自调整的能力和强鲁棒性.通过改进模糊神经网络的学习方法,精简了网络的结构,减少了训练的时间,为模糊神经网络用于实时性控制系统提供了可能的条件.     

仪用模糊神经网络PID控制器的研究

针对仪用控制器的特点,本文提出了一种实用的仪用模糊神经网络ＰＩＤ控制器闭环设计方法,研制了模糊神经网络控制器设计开发软件,进行了大量的不同工业背景的计算机仿真,得出的控制器参数（网络权值,网络阀值）由单片机控制系统实现。实验表明：该方法在被控对象输出特性和Ｄ／Ａ输出给执行器的动作特性上都具有令人满意的曲线效果。同时亦证明这是一种实现仪器仪表智能化的有效方法。     

基于模糊神经网络的磁浮车悬浮控制器

以EMS型磁悬浮车单电磁铁为研究对象,建立了系统的数学模型.为增强悬浮系统的抗干扰能力和负载能力,针对其非线性特性,采用神经网络和模糊控制理论相结合的方法设计了非线性控制器FNNC.该控制器继承了模糊控制鲁棒性强以及神经网络的非线性逼近和自学习能力,运用加速反传训练方法对参数进行调整,并通过TMS320F2812型DSP实现单点悬浮用.实验及仿真表明,该控制器使系统悬浮稳定,动态性能好,与传统的PID控制器相比具有更好的快速跟踪性能和抗干扰能力.     

基于模糊神经网络开关磁阻电动机转矩观测

转矩脉动是开关磁阻电动机较为突出的缺点，出于电机设计和控制的目的，常需要实时在线测量电机的动态转矩，采用转矩传感器的方法既复杂、昂贵，在高速下又不准确。利用一种新型变结构模糊神经网络对开关磁阻电动机转矩特性进行学习，之后把它用于动态转矩的实时在线测量。仿真与试验结果表明此方法能够快速、准确的测量开关磁阻电机动态转矩。     

模糊神经网络控制器参数修正方法研究

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器 ,其既不依赖于被控对象精确的数学模型 ,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数 ,但是存在着在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡等缺点。针对存在的问题 ,提出了一种模糊神经网络控制器的优化方法 ,即在线自学习过程中 ,仅对控制性能影响较大的控制规则所对应的权值进行修正 ,以减小计算量 ,根据偏差及偏差变化率的大小自适应调节权值修正步长 ,避免系统发生剧烈振荡。     

基于污泥龄的模糊神经网络控制器的设计

对完全混合式活性污泥法进行了污泥龄的模糊神经网络控制,设计了5层模糊神经网络控制器.用MATLAB编程进行数字仿真实验,结果表明该控制器可使污泥具有良好的去污能力和沉淀性能;良好的自适应性和鲁棒性;可使出水符合国家一级A标准.     

无刷直流电动机的神经网络PID控制器研究

提出了一种基于BP神经网络的PID控制器,该控制器有机结合了BP神经网络和PID的特点,克服传统PID控制存在的不足,并采用快速BP算法改善其收敛性,有效的提高了无刷直流电动机调速系统性能,仿真研究表明上述神经网络PID控制器,比传统PID控制器控制动态过程有明显改善,能够获得更高的跟踪精度。     

基于模糊神经网络的无线感应电源频率控制器

建立了基于模糊神经网络的最佳耦合频率控制系统的模型,使得转动轴状态变化时,无线感应电源的频率被控为谐振频率,从而保证能量传输过程处于最佳耦合状态.设计了一套无线感应电源的实验装置,包括可控频率的电磁振荡发生器,能量接收天线和轴上AC/DC装置.     

一种基于CMAC神经网络的模糊控制器设计

对于存在外在的环境干扰和系统参数时变的非线性系统来说,传统的小脑模型需要重新学习合适的权重参数,这种学习式的设计方法是相当耗时的,为了改善这种情况,本文提出了模糊控制与小脑模型结合的方式,能够有效地对未知的非线性模型系统进行实时控制。通过仿真的对比试验,这种把小脑神经网络与模糊控制结合起来的控制方法,具有两种控制方法的优点。仿真结果表明,FCMAC控制器具有较高的控制精度、良好的自适应特性。     

基于神经网络的无差模糊控制器设计与仿真

在传统神经模糊控制器结构的基础上,设计了一种基于神经网络的无差模糊控制器,通过仿真得知,该控制器具有较高的控制精度,特别适用于系统不确定、模型不精确的纯滞后、大惯性系统的精确控制。     

永磁同步电动机模糊神经网络控制系统仿真研究

永磁同步电动机驱动系统速度控制器多采用参数固定的PI控制器。模糊控制推理方式类似于人的思维模式,神经网络具备良好的自适应学习能力,将模糊逻辑与神经网络相结合,设计了一种模糊神经网络速度控制器。通过仿真实验,结果表明,所设计的系统速度控制器性能良好,具有较强的鲁棒性。     

基于单神经元PID控制器的异步电动机软启动器仿真

阐述了异步电动机软启动的基本控制原理,利用Matlab/Simulink仿真工具,建立了异步电动机软启动器系统仿真模型。在此基础上,进行了基于单神经元PID的异步电动机软启动器的仿真试验。仿真结果表明,单神经元PID控制技术能够较好地控制电动机启动过程中的电流实现限流启动,有效地降低启动过程大电流的不利影响,满足电动机软启动要求。     

基于FCA-CMAC模糊神经网络的PID控制器设计与仿真

为解决常规PID控制器在伺服系统位置控制中存在的对模型精度要求高、抗干扰能力差等问题,提出一种基于信度分配的模糊小脑神经网络模型(FCA-CMAC)与常规PID相结合的新型智能控制算法。基于此算法设计出以FCA-CMAC为前馈环节的智能PID控制器,通过MATLAB仿真实验,验证了FCA-CMAC-PID控制器的可行性。实验结果表明,FCA-CMAC-PID控制器不仅具有传统PID控制器精度高、响应快的优点,还能克服其控制效果对参数设定高度依赖的不足,适用于在线控制。该控制器具有收敛速度快、鲁棒性好和抗干扰能力强等优点。     

一类切换模糊PID控制器设计及其仿真

提出了一类高动态性能切换模糊PID控制器设计方法.通过对传统PID控制中比例控制和微分控制作用的分析,结合模糊PID控制器鲁棒性能和自适应性好的优点,设计了一类新的模糊控制器.由于该类控制器先后经历比例控制,微分控制和模糊PID控制的切换,使被控系统不仅具有一般模糊PID控制器的所具有的良好的鲁棒性能和自适应性,而且与一般模糊控制器相比具有更小的超调量和调节时间,是一类动态性能良好的控制器.最后将该控制器应用于一伺服系统进行仿真对比,并给出了Simulink仿真框图.仿真结果说明了该控制器的优越性.     

一种新型的模糊神经网络控制器

本文在分析传统模糊控制的基础上,提出了一种由模糊神经网络实现的自适应模糊控制器,详细分析了网络的结构形式、控制器的在线学习、离线学习方法。最后成功地将它应用于两关节液压机器人的实时控制之中。     

模糊自适应PID控制的异步电动机软启动器研究

异步电动机在启动瞬间的启动转矩会造成较大的机械冲击,自适应控制可以随时修正系统自身的特性,将自适应控制策略运用到PID控制中,能够自适应对未知系统或系统参数发生变化时对控制系统的影响。模糊现象具有"亦此亦彼"的模糊性。模糊自适应PID控制以常规的PID控制为基础,通过模糊控制器,控制软件可在线实时的调整模糊控制器的?kp,?kl和?kd三个输出量。通过MATLAB仿真得出模糊自适应PID控制能够很好地限制电机的启动电流。     

永磁同步电机模糊神经网络PID控制器设计

随着永磁同步电机技术的不断发展,其在机器人中的运用也越来越广泛,但永磁同步电机有非线性、强耦合和多变量等缺陷,同时,机器人关节驱动电机在运行过程中所受的负载力矩和轴联转动惯量时刻变化,因此,要求电机控制系统具有更强的自适应性和更强的抗干扰能力。为了改善传统PID控制器参数固定以及模糊PID控制算法过于依赖设计人员的经验,提出了一种结合神经网络与现有模糊PID控制算法优点的模糊神经网络(FNN)自适应PID控制算法,利用径向基神经网络算法(RBF)对该驱动系统参数进行辨识,降低电机在正常运行过程中受环境变化的影响,达到响应快、控制平稳、精确的要求。