基于FNN的气动肌肉驱动膝关节康复训练装置自学习控制

针对气动肌肉驱动的膝关节康复训练装置存在时延、非线性和时变特性.将PID控制、模糊控制和神经网络相结合,设计了基于模糊神经网络的复合控制器,并将其应用于膝关节康复训练装置的等速持续被动运动控制中.实验表明:在负载变化干扰下,该控制器具有控制精度高、抗干扰能力强等特性,对提高该类装置的控制特性有借鉴作用.     

基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

神经模糊PI控制在冷连轧机弯辊系统中的应用研究

针对液压弯辊系统的非线性、时变性和不确定性,设计了一种基于神经网络、模糊控制和PI算法的控制器.通过对本钢冷轧厂弯辊控制回路的应用仿真,结果表明神经模糊PI控制可提高弯辊系统对弯辊力给定值的跟踪能力,系统具有更优的动态性能.     

堆垛机速度智能控制的优化研究

采用模糊控制技术与小脑模型神经网络(CMAC)相结合的方式进行堆垛机的速度控制,克服单独运用模糊控制或CMAC神经网络的缺点,使系统既具有模糊控制的灵活性和强适应性,又兼具神经网络的学习能力,并且采用遗传算法对控制器的输入输出比例因子及连接权值进行寻优.仿真结果表明:该控制系统提高了系统的稳定性、鲁棒性和控制精度,使系统的综合性能得到显著改善.     

基于递归神经网络的数控伺服进给预测模糊控制器设计

为进一步改善数控机床伺服进给系统的动静态性能,针对该系统的非线性、参数不确定性及对实时性和无超调的要求,提出了用传统模糊控制策略,结合递归神经网络预报系统未来输出值的功能,根据当前时刻误差和预测误差变化值,预测下一时刻的控制输出和系统在未来时刻的误差。仿真结果表明,与常规模糊控制和经典的PID控制算法相比,预测模糊控制使超调减小,鲁棒性强,响应快,具有良好的稳态精度、动态响应和抗干扰能力。     

数控机床直线同步电动机磁悬浮系统的神经网络直接自适应控制

针对数控机床可控励磁直线同步电动机磁悬浮系统的强非线性、外部扰动不确定性的问题,设计基于RBF神经网络直接自适应控制器.通过分析磁悬浮系统的运行机理,推导运动方程及悬浮力方程,进而建立系统的状态方程;用悬浮高度的跟踪误差和误差的变化量构造误差函数,设计直接自适应理想控制器并采用RBF神经网络对其进行逼近;设计自适应律来估计神经网络理想权值,对误差函数的变化率构造二次型Lyapunov函数,利用Lyapunov稳定性理论来证明系统稳定;通过Matlab对控制系统进行计算机仿真,结果表明该方法设计的控制器与自适应模糊滑模控制器和PID控制器相比,空载启动时调节时间减少了23.5％,突加负载时动态降落减少了64.7％,恢复时间减少了38.2％,具有稳态误差小,调节时间和恢复时间短,抗扰性较强的优点,能有效提高磁悬浮系统的控制性能.     

非线性旋转倒立摆智能控制的实验研究

应用欧拉一拉格朗日原理建立旋转倒立摆系统非线性、多变量耦合的动力学方程,采用梯度下降和最小二乘混合学习算法将神经网络和模糊控制相结合,得到一种具有自适应、自学习能力的模糊神经网络智能控制器,该控制器在SRV02-Series旋转倒立摆实验平台上取得成功应用.     

基于磁流变减振器的汽车半主动悬架非线性控制方法

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性,建立车辆半主动悬架非线性动力学模型。应用微分几何非线性控制,经过适当的非线性状态和反馈变换,实现半主动悬架非线性系统的精确线性化,并对系统实施非线性状态反馈控制;根据预定的控制目标及模糊控制策略调节控制参数,设计模糊控制器,对悬架系统进行了控制仿真研究;利用神经网络模式识别能力对输入数据处理辨别,设计控制网络层,从而达到提高悬架工作性能,改善汽车行驶舒适性的目的。将三种非线性控制方法的仿真结果进行分析比较表明:经模糊控制或神经网络控制后的悬架承受的冲击响应小、振动强度低,比微分几何控制能获得更优异的性能。     

采用炉膛辐射信号的锅炉燃烧系统模糊神经网络预测控制的仿真研究

针对火电厂燃烧过程中主蒸汽压力控制系统的大时滞、大惯性和非线性 ,采用以炉膛辐射信号为中间被调量的串级控制系统 ,并设计一个基于神经网络预测模型的模糊神经网络控制器作为主控制器。该控制器首先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结构和权值分别进行训练 ,以实现非线性、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 ,实现模糊神经网络预测控制。考虑到炉内剧烈的湍流燃烧造成炉膛辐射信号包含随机分量 ,又设计了一个附加判断器的二自由度 PID控制器作为副控制器。仿真结果表明 ,该方案显著提高了非线性、大时滞燃烧系统的控制品质 ,且易于工程实现     

基于自抗扰控制的转台伺服系统摩擦非线性补偿仿真研究

为克服非线性摩擦在转台伺服系统低速运行时对控制性能的影响,设计一种线性自抗扰控制器.该控制器采用线性扩张状态观测器及线性反馈,将摩擦作为系统总扰动进行实时估计,并加以补偿.基于Lugre摩擦模型建立转台伺服系统的数学模型,对这种线性自抗扰控制器进行仿真实验.结果表明,和传统PID控制器相比,所设计的控制器对非线性摩擦有良好的抑制作用,同时具有响应速度快、稳态误差小,抗扰能力强的特点.     

用于气动伺服系统的自适应神经模糊控制器

研究了一种基于压力比例阀的气动伺服系统自适应神经模糊控制器。其中的神经网络辨识器（NNI）通过高线训练可以充分逼近非线性动态系统的模型,并能够在线调整模糊控制器的控制规则。系统的位置控制精度和伺服特性有了很大改善。试验结果表明,所提出的控制器对该气动伺服系统具有很好的控制特性以及很强的自适应能力。     

Model predictive control for a class of systems with isolated nonlinearity

The paper is concerned with an overall convergent nonlinear model predictive control design for a kind of nonlinear mechatronic drive systems. The proposed nonlinear model predictive control results in the improvement of regulatory capacity for reference tracking and load disturbance rejection. The design of the nonlinear model predictive controller consists of two steps: the first step is to design a linear model predictive controller based on the linear part of the system at each sample instant, then an overall convergent nonlinear part is added to the linear model predictive controller to combine a nonlinear controller using error driven. The structure of the proposed controller is similar to that of classical PI optimal regulator but it also bears a set-point feed forward control loop, thus tracking ability and disturbance rejection are improved. The proposed method is compared with the results from recent literature, where control performance under both model match and mismatch cases are enlightened.     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

pH过程的FNNC-PI控制研究

在化工、生物及废水处理工程中 ,大量存在着的 p H过程需要得到精确的控制。由于 p H过程是一个具有严重非线性及滞后性的被控对象 ,传统的 PID控制或非线性 PID控制难以达到理想的控制效果。这里给出了一种模糊神经网络控制器与传统 PI相结合的控制方法 ,即 p H过程的 FNNC- PI控制方案 ,该方案能很好地处理 p H过程的严重非线性和滞后性 ,而且具有较强的鲁棒性和抗干扰能力。     

电励磁直线同步电动机磁悬浮系统H∞鲁棒控制的研究

为解决电励磁直线同步电动机磁悬浮系统状态变量之间的非线性和不确定性扰动问题,提出一种磁悬浮系统H_∞鲁棒控制方法。由电励磁直线同步电动机磁悬浮系统的运行机理,建立电励磁直线同步电动机悬浮系统的悬浮力方程和运动方程,推导悬浮系统的状态空间模型,针对状态空间模型的非线性,在平衡工作点处对其进行线性化,将系统对扰动的抑制问题归结为H_∞鲁棒控制器的设计,通过解Riccati不等式的正定解,得到悬浮系统的H_∞鲁棒控制器。最后,采用MATLAB/Simulink软件进行仿真研究,通过与PI控制比较,结果证明H_∞鲁棒控制方法可使电励磁直线同步电动机具有良好的抑制扰动的能力。     

基于PID参数自整定的双容系统抗扰控制

针对双容液面调节系统的非线性、参数时变的特点,基于现代控制理论设计了带扰动观测器的模糊自整定控制器.把这种控制器应用在双容液面调节系统中,既实现了PID控制器参数的在线自整定,又增强了系统的抗扰能力.仿真试验表明,这种方案极大地提高了被控对象的静态和动态性能,对参数时变的适应能力强,鲁棒性好.该方案同样可以用于其他非线性、时变系统.     

航空相机镜筒位置控制的扰动估计与补偿

在航空相机镜筒速度内环设计了自抗扰控制器,以减小镜筒内偏心凸轮机构的运动对镜筒的扰动.采用扩张状态观测器对扰动进行实时估计,并生成扰动补偿量抵消扰动的影响.首先,分析了凸轮机构的运动对镜筒扰动的特点.然后,建立了镜筒的数学模型,基于带宽的单参数化设计思想设计了扩张状态观测器及带扰动补偿的控制律,设计了镜筒位置控制器.最后,在镜筒上对控制器的抗扰动性能进行了验证,并与目前航空相机常用的一阶平方滞后超前校正法进行了比较.结果表明,采用自抗扰控制能将凸轮机构对镜筒的扰动偏差减小为传统方法的50％左右.在提高系统抗扰动性能的同时,控制器增益减小约2个数量级,大大降低了对控制器增益的要求,提高了系统的稳定性,对改善航空相机控制系统的抗扰动性能及降低控制器设计难度具有较高的实用价值.     

自适应模糊控制方法在主动悬挂系统中的应用研究

提出了一种主动悬挂系统的自适应模糊控制方法 ,该模糊控制方法可以在线自适应调整模糊控制的有关参数。 1/ 4车辆模型作为仿真对象 ,模糊控制器可以显著地减小车辆的振动及干扰 ,提高车辆的舒适性。仿真结果表明该模糊控制方法的有效性。另外 ,当主动悬挂系统模型参数发生变化时该模糊控制器表现出良好的鲁棒性