基于双DSP在交流位置伺服系统的小波神经网络控制

采用双DSP设计完成了交流位置伺服系统的神经网络实时控制系统,其中一片DSP作为系统的小波神经网络控制器（NNC）,另一片DSP作为系统的BP神经网络在线辨识器（NNI）。由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,使系统具有自适应性。通过对交流位置伺服系统的控制实验,验证了本系统的实用性。     

基于神经网络的结构振动主动控制方法

以矩形简支薄板为研究对象,设计了一种基于神经网络的结构振动主动控制系统,通过对薄板表面施加激振力,来控制其振动噪声的辐射特性,采用有辨识器和无辨识器两种反馈控制算法实施频域控制.控制系统中的控制器和辨识器的拓扑结构均采用神经网络,分别称为神经网络控制器(neural network nontroller,简称NNC)和神经网络辨识器(neural network identifier,简称NNI).仿真结果表明,两种控制策略均可实现多频点控制,前者精度高,后者易实现.构建了简支薄板振动主动控制实验系统,针对易实现的无辨识器控制算法进行实验验证.实验控制效果良好,验证了该算法的正确性和可行性.     

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。     

模糊神经网络核子秤配料自学习控制系统

提出一种模糊神经网络自学习控制方法，并应用于核子秤配料自动控制系统中。经仿真实验和应用结果表明，该控制方案可改善具有时变及大纯滞后的核子秤配料控制系统，其性能优于一般Fuzzy控制。     

基于神经网络的直接优化控制

提出一种直接优化求解控制量的轨迹跟踪控制策略，无须知道系统的先验知识，基于神经网络在线实时辨识、反复迭代求解已知跟踪轨迹的一步最优控制量。几组非线性系统的仿真表明该算法具有简捷快速，适应面宽的特点。     

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。     

基于神经网络的直接优化控制

提出一种直接优化求解控制量的轨迹跟踪控制策略，无须知道系统的先验知识，基于神经网络在线实时辨识，反复迭代求解已知跟踪轨迹的一步最优控制量。几组非线性系统的仿真表明该算法具有简捷快速，适应面宽的特点。     

基于通用学习网络的控制器设计

神经网络已经广泛地应用于控制领域,但是现有的神经网络一般不包含延迟时间,或延迟时间不能任意设置。通用学 习网络(UniversalLearningNetwork)是一种新型可设定神经网络,该网络所有节点互连,任意两节点之间可以有多重连接, 且连接上有任意的延迟时间。利用通用学习网络对典型的非线性、大滞后系统——pH中和过程进行辨识,并作为预估器应用 于控制系统。仿真研究证明该网络能有效地应用于大滞后系统。     

基于电气比例减压阀的灰色预估神经网络控制方法研究

针对基于电气比例减压阀的气动压力控制系统具有时延、强非线性、系统参数时变等特点,提出用灰色预估模型对系统输出进行预测,并将此预估值作为系统的反馈量和神经网络辨识器的输入量,通过神经网络对系统进行辨识,最后利用神经网络控制器对系统进行控制.实验结果表明,该方法有效降低了时延对系统的影响,提高了动态响应的快速性和精确性,使系统具有较强的鲁棒性和实用性.     

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。     

针对纯滞后系统的RBF神经网络智能控制的研究

针对工业控制过程中普遍存在的大惯性、纯滞后、时变性、非线性对象的控制问题,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RBF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：该方法对于纯滞后控制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。     

全方位移动机械手运动控制Ⅱ——鲁棒控制

研究考虑全方位移动机械手系统动力学未知情况下的鲁棒控制问题.首先,在原有动力学模型的基础上,建立考虑外部干扰的移动机械手动力学模型.利用神经网络无穷逼近能力,设计估计器对系统结构不确定性进行在线辨识.然后,提出一种不依赖神经网络先验知识的鲁棒轨迹跟踪控制策略,从理论上证明其稳定性,并且该控制器能够有效阻止非模型有界干扰的影响,实现了对全方位移动机械手系统中不同动力学特性的移动平台和机械臂的协调控制.同时,为了减轻神经网络在线学习的计算量,提出一种分离式的神经网络结构,对系统结构不确定项中的两个独立矢量进行分别辨识,有效地提高了神经网络的训练效率.最后,通过计算机仿真结果验证了所提出控制律的有效性,能够快速稳定地实现全方位移动机械手系统的协调轨迹跟踪控制.     

基于BP神经网络的中央空调温湿度自适应控制系统

针对空调系统大惯性、大滞后的特点和常规PID控制所存在的不足,介绍了利用BP神经网络误差反传机制,探讨建立在BP神经网络基础上对温湿度的自适应控制。利用2个BP神经网络NNC和NNI,分别做控制器和辨识器,通过相互间误差的传递,对变风量空调系统中送风温湿度的控制问题,具有更快、更稳定的控制效果。在实际运用中,结合Lonworks总线技术给出系统的硬件和软件设计,使得系统智能节点可自由通信,便于安装调试且能对温湿度进行实时监控。该设计使中央空调控制系统的整体性能大为改善。     

基于神经网络算法的桥式起重机防摇摆控制

针对桥式起重机运行过程中载荷摆动造成的运行精度差和工作效率低下问题,提出了一种神经网络直接逆模型控制方法,以降低载荷摆动。介绍了该控制系统中的神经网络逆模型控制器与辨识器的结构和算法;采用了带动量因子的BP算法调整权值,提高了神经网络学习速度;最后,应用Matlab对所设计系统进行了仿真测试。仿真实验结果表明,在不同载荷、绳长情况下,相对于PID控制方法,该方法具有更好的控制性能和鲁棒性。     

神经网络在仿昆微型飞行机器人控制中的应用

分析了拍翅式仿昆微型飞行机器人控制系统的特点,探讨了人工神经网络在飞行机器人控制系统中的应用,提出了一种具有神经辨识器NNI和神经PID控制器NNC的飞行机器人控制系统。     

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。     

基于BP神经PID的干粉砂浆搅拌储罐控制系统

本文针对干粉砂浆搅拌储罐湿度自动控制系统的时滞性,复杂的非线性特性,难以建立精确的数学模型;对象和环境的不确定性,常规PID控制方法很难对其进行有效控制的问题,而且在实际应用中其参数整定问题一直是尚未很好解决的难点。为了建立有效的系统模型并解决控制参数整定问题,改善系统性能,将BP神经网络算法应用到干粉砂浆搅拌储罐湿度自动控制系统的系统在线辨识器(NNI)和自适应PID控制器(NNC)中,由NNI对被控对象进行在线辨识的基础上,通过对NNC的权系进行实时调整,实现PID神经网络的自学习和逼近任意函数的功能,在控制过程中根据变化实时调整PID的三个控制参数,从而进行PID控制参数的在线整定。     

一种新的固有频率跟踪及虚假频率剔除方法

针对时变参数辨识中常见的固有频率辨识和虚假频率剔除问题,引入了一种基于新信息准则的子空间跟踪辨识算法,结合实验提出了一种消除虚假固有频率的后处理方法。首先,利用基于新信息准则的子空间跟踪算法辨识出伪时变模态参数;其次,通过聚类方法估计各阶伪固有频率;最后,利用滑动的数据窗比对数据剔除虚假频率。该方法仅需要给出预估的活动模态数即可。不同频率变化形式的仿真算例结果证明了本研究方法较其他辨识算法在信号信噪比较低时具有较高的辨识精度。高温环境下的时变模态实验也验证了该方法的可行性,说明该方法在实际工程中具有较高的应用价值。     

一种基于神经网络的振动主动控制方法

分析了表面贴有压电材料ＰＺＴ作为作动器的悬臂梁系统的特性,从控制角度推导出系统的传递函数,在此基础上采用神经网络对系统进行振动主动控制。分别利用线性神经网络和ＢＰ神经网络作为辨识器和控制器,同时将速度信号引入到控制器中以提高系统性能。数值仿真证明了方法的可行性。