基于微粒群算法的多层前馈神经网络

将微粒群算法和神经网络结合起来,实现了非线形模型的辨识问题和PID控制器参数优化问题.仿真实验表明:微粒群算法在神经网络控制及非线形模型辨识方面的应用具有可行性,具有良好的应用前景.     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

非线性广义预测控制算法及其仿真研究

为了实现对非线性广义预测控制算法的仿真研究,采用神经网络建立非线性预测模型,在其工作点附近线性化,并对线性化模型进行广义预测控制,利用单片输出BP网络所辨识的非线性模型进行分析,提出了一种基于非线性广义预测前馈补偿控制律的补偿算法,改善了线性化所带来的模型失配误差.最后通过Matlab进行了仿真.仿真结果验证了算法的有效性.     

机器人动力学系统的神经网络辨识

应用动态前馈神经网络结构和基于非线性最小二乘的学习算法,对两自由度机器人动力学进行神经网络模型辨识研究。闭环控制模态下的仿真结果表明,所采用的神经网络结构可有效地代表实际机器人的动态特性。     

机器人机力学系统的神经网络辨识

应用动态前馈神经网络结构和基于非线性最小二乘的学习算法，对两自由度机器人动力学进行神经网络模型辨识研究。闭环控制静态下的仿真结果表明，所采用的神经网络结构可有效地代表实际机器人的动态特性。     

迟滞非线性系统辨识与补偿控制研究

针对智能材料中存在的迟滞问题,对其开展了迟滞非线性特性分析,建立了迟滞系统。该迟滞系统由两个部分串联构成:一部分是滤去传递函数影响的Preisach模型;另一部分是不考虑迟滞影响的系统传递函数。将离线和在线辨识方法应用到辨识迟滞系统中,应用最小二乘法离线辨识得到了辨识传递函数参数,再用此辨识传递函数参数作为神经网络辨识的初始权值,得到了神经网络在线辨识的辨识模型;建立了辨识传递函数的逆模型控制系统和前馈逆模型PID控制系统,并对辨识系统进行了迟滞非线性补偿。研究结果表明,模型辨识方法的可行性和补偿控制的有效性在仿真中得到了验证。     

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。     

漂浮基空间柔性机械臂基于神经网络的逆模控制

针对传统控制方法对强耦合柔性空间机械臂难以有效控制的问题,提出基于神经网络的逆模控制策略。建立了非线性空间柔性机器人的动力学模型,根据增广变量输入法推得其控制律;利用具有良好逼近能力的前馈神经网络来自适应补偿柔性臂的未知非线性逆模型;采用Kalman滤波算法来保证网络权值在线实时调整(系统的误差代价函数由PID控制器提供)。仿真证明了所提出的控制方案的有效性,具有较高工程应用价值。     

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。     

汽车电子节气门的前馈反馈复合控制器设计

针对强非线性复杂时变的电子节气门,研究了一种前馈一反馈复合控制器.该复合控制器包括前馈控制器和反馈控制器两个部分,前馈控制器为一个逆模型控制器,用于抵消电子节气门的非线性特征,该逆模型由支持向量机算法辨识得到.而反馈控制器是一个PID控制器,用于补偿逆模型的建模误差并提高系统的鲁棒性.仿真实验表明该复合控制器的实际效果良好.     

Development of an adaptive radial basis function neural network estimator-based continuous sliding mode control for uncertain nonlinear systems

In this paper an adaptive neural network (NN)-based nonlinear controller is proposed for trajectory tracking of uncertain nonlinear systems. The adopted control algorithm combines a continuous second-order sliding mode control (CSOSMC), the radial basis function neural network (RBFNN) and the adaptive control methodology. First, a second-order sliding mode control scheme (SOSMC), which is published recently in literature for linear uncertain systems, is extended for nonlinear uncertain systems. Second, an adaptive radial basis function neural network estimator-based continuous second order sliding mode control algorithm (CSOSMC-ANNE) is adopted. In CSOSMC-ANNE control methodology, a radial basis function neural network with adaptive parameters is exploited to approximate the unknown system parameters and improve performance against perturbations. Also, the discontinuous switching control of SOSMC is supplanted with a smooth continuous control action to completely eliminate the chattering phenomenon. The convergence and global stability of the closed-loop system are proved using Lyapunov stability method. Numerical computer simulations, with dynamical model of the nonlinear inverted pendulum system, are presented to demonstrate the effectiveness and advantages of the presented control scheme.     

基于PSO优化RBF神经网络的反应釜故障诊断

针对单一径向基函数(RBF)神经网络在反应釜故障诊断中泛化能力不足的缺点,设计了基于粒子群(PSO)算法优化的RBF神经网络。利用PSO算法操作简单、容易实现等特点及其智能背景,对RBF神经网络的参数、连接权重进行优化,并用经PSO算法优化的RBF神经网络对反应釜故障进行仿真诊断。仿真诊断结果表明,PSO算法优化的RBF神经网络具有较好的分类效果,较RBF诊断模型精度高、收敛快,具有推广应用价值。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

RBF neural network based PI pitch controller for a class of 5-MW wind turbines using particle swarm optimization algorithm

In order to control the pitch angle of blades in wind turbines, commonly the proportional and integral (PI) controller due to its simplicity and industrial usability is employed. The neural networks and evolutionary algorithms are tools that provide a suitable ground to determine the optimal PI gains. In this paper, a radial basis function (RBF) neural network based PI controller is proposed for collective pitch control (CPC) of a 5-MW wind turbine. In order to provide an optimal dataset to train the RBF neural network, particle swarm optimization (PSO) evolutionary algorithm is used. The proposed method does not need the complexities, nonlinearities and uncertainties of the system under control. The simulation results show that the proposed controller has satisfactory performance.     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

Stabilization and tracking control of X-Z inverted pendulum with sliding-mode control

X-Z inverted pendulum is a new kind of inverted pendulum which can move with the combination of the vertical and horizontal forces. Through a new transformation, the X-Z inverted pendulum is decomposed into three simple models. Based on the simple models, sliding-mode control is applied to stabilization and tracking control of the inverted pendulum. The performance of the sliding mode control is compared with that of the PID control. Simulation results show that the design scheme of sliding-mode control is effective for the stabilization and tracking control of the X-Z inverted pendulum.     

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.     

简易旋转式倒立摆实验装置的控制研究

对倒立摆系统研究具有重要的应用价值,但其严重不稳定,受到了很多变量的影响。在对倒立摆系统进行研究后,提出一种简易典型的旋转式倒立摆实验装置。该装置使用角位移传感器采集摆杆角度,经过STM32处理后,通过运用PID算法来实现对旋转倒立摆的闭环控制,最后结合硬件调节反馈参数。结果表明这种控制方法可以良好的控制旋转式倒立摆。     

直线二级倒立摆系统的H_∞鲁棒最优控制

针对存在模型参数不确定性和外部扰动的直线型二级倒立摆系统的稳摆控制问题,对如何实现倒立摆系统鲁棒稳定的同时,还保证其达到期望的最优控制性能和H_∞性能指标的稳定性控制问题进行了研究。基于状态反馈、最优控制和H_∞鲁棒控制方法设计了一个H∞鲁棒最优控制器,用来实现对该倒立摆系统的稳摆控制。利用设计的控制器,基于倒立摆实验平台和Matlab数值仿真平台,使用该控制器来实现系统的控制并对稳定倒立摆的过程进行了验证。研究结果表明,该控制器能较好的实现对直线型二级倒立摆的稳摆控制,并对受控系统的模型参数摄动有较好的鲁棒性,同时还能利用最优的控制作用达到期望的H_∞性能指标。     

基于LQR的直线一级倒立摆最优控制系统研究

从理论和实践上对直线一级倒立摆作了深入的研究.用牛顿-欧拉方法建立了倒立摆的数学模型,在此基础上采用线性二次型最优控制方法设计了倒立摆的控制器.通过固高公司GLIP2003倒立摆系统验证了设计结果,并达到较好的控制效果.