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。     

MATLAB神经网络工具箱在非线性系统建模中的应用

本文介绍在Matlab环境下发电厂水位控制BP模型的建模与仿真方法,得出了预测模型的最优参数.仿真结果表明,MAT-LAB神经网络工具箱可有效地用来解决复杂的非线性控制系统的优化设计问题.     

智能控制系统在集中供热系统中的应用

集中供热系统中采用智能控制系统,主要是区别于以往使用的常规自动控制系统,所谓“智能”是指系统网络建立采用了分级递阶智能控制方案,即系统网络结构分为执行级和组织协调级。而执行级的控制方案是采用了模糊控制思想。本文重点介绍了模糊控制的方案建立和实施。     

智能控制技术在电液伺服控制中的应用

控制理论经历了经典控制、现代控制发展到第３代控制———智能控制,电液伺服控制也在适应着这种趋势发展着。文章主要介绍智能控制（包括模糊控制、神经网络控制等）在电液伺服控制中的应用及发展现状。     

智能控制及其在机电一体化系统中的应用

随着近年来机电一体化系统控要求的不断提升,导致了被控制的对象以及控制目标等变得日益复杂起来,在机电一体化的控制过程中智能控制系统显得尤为突出和重要。因此,本篇文章主要侧重介绍智能控制及智能控制技术在机电一体化系统中的实际应用。     

用于三轴光电跟踪系统的神经网络误差修正法

系统误差的存在严重影响了光电跟踪系统的引导精度和测量精度,现阶段用于三轴光电跟踪系统的最小二乘系统误差修正法精度较低,球谐函数系统误差修正法亦不适于Z轴连续转动时的系统误差修正。三轴光电跟踪系统的系统误差是以其三个角度测量值为参数的曲面,而神经网络可以精确拟合复杂的曲线或曲面。分析和仿真证明,基于BP神经网络的系统误差修正法可用于Z轴连续转动的三轴光电跟踪系统,而且可把系统误差修正到约为原来的28%。     

基于神经网络的一类不确定非线性系统自适应H∞跟踪控制

基于神经网络针对一类具有输入不确定性的非线性系统提出了一种H∞自适应跟踪控制方法.控制器由等效控制器、H∞控制器及参数自适应控制器三部分组成.H∞控制器用于减弱外部及神经网络的逼近误差对跟踪性能的影响,参数自适应控制器用于抑制输入干扰对跟踪性能的影响.所设计的控制器不仅保证了整个闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后给出一个算例验证了该方法的有效性.     

模糊调整自适应神经网络在非线性系统中的应用

文中提出基于模糊调整的自适应神经网络控制策略,将其应用到非线性系统的仿真研究中.应用模糊推理机在线训练神经网络,同时构造了鲁棒控制器.仿真结果表明,该控制策略具有较快的调节速度和较好的稳定性.     

智能控制理论在倒立摆系统中的应用研究

倒立摆是自动控制理论与研究的典型试验设备,一直是控制领域研究的热点。本文对智能控制理论在倒立摆控制系统中的应用进行了分析,讨论了各种控制理论在该系统中应用的特点,并对倒立摆系统的控制研究前景作了展望。     

反向传播神经网络在非线性预测中的应用

在相空间重构理论的基础上将神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经计算机仿真表明该方法是行之有效的,并给出了具体应用实例。     

光电跟踪系统的双模控制

引入了模糊控制法和滞后超前校正法相结合的双模控制技术来提高光电跟踪系统的响应速度、抗干扰性能并降低超调。分别介绍了模糊控制法和滞后超前校正法的工作原理,基于两种方法的优势,设计了双模控制系统。利用MATLAB对双模控制系统进行了仿真实验和相应的实验验证。仿真实验显示:相比滞后超前校正法,双模控制法能够有效降低系统超调,提高系统响应速度,同时具有更强的抗干扰性。利用实际光电跟踪转台对双模控制法进行了实验验证,分别对转台进行了方位系统180°阶跃实验和俯仰系统60°阶跃实验,并与滞后超前校正法进行了对比。结果显示,双模控制法使方位系统和俯仰系统的超调都达到了0%,调节时间和稳态精度也都有所提高。得到的结果表明提出的双模控制法能够有效降低光电跟踪系统的超调,提高响应速度,增强系统的抗干扰性。     

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BP神经网络的PID配料控制

针对配料作业生产过程中参数多、调节复杂等问题,设计了带有神经网络的PID控制器。该控制器在配料系统中的成功应用,可以消除生产过程中人为因素的影响,提高产品质量的均一性、稳定性。     

Recurrent fuzzy neural network backstepping control for the prescribed output tracking performance of nonlinear dynamic systems

This paper proposes a backstepping control system that uses a tracking error constraint and recurrent fuzzy neural networks (RFNNs) to achieve a prescribed tracking performance for a strict-feedback nonlinear dynamic system. A new constraint variable was defined to generate the virtual control that forces the tracking error to fall within prescribed boundaries. An adaptive RFNN was also used to obtain the required improvement on the approximation performances in order to avoid calculating the explosive number of terms generated by the recursive steps of traditional backstepping control. The boundedness and convergence of the closed-loop system was confirmed based on the Lyapunov stability theory. The prescribed performance of the proposed control scheme was validated by using it to control the prescribed error of a nonlinear system and a robot manipulator.     

高精度智能相机光电跟踪控制系统的研制

主要研究空间光通信中光束抖动的跟踪控制,建立了以可开窗口高帧频CMOS相机和大规模FPGA芯片为核心的全功能camera link光束跟踪控制硬件平台.并在FPGA芯片中嵌入实现了全部跟踪控制算法,包括图像处理中将二元线性插值结合重心算法实现光斑的高精度定位,以及流水线并行运算的模糊增益自调整PID跟踪控制的状态机等.实验结果表明系统实时性强,算法的时间开销很小,光斑的定位精度高,跟踪带宽达到200 Hz以上,低频时跟踪精度约为2 μrad,实现了光束抖动的高带宽高精度的跟踪控制.     

光电跟踪系统自抗扰伺服控制器的设计

考虑系统扰动对光电跟踪伺服系统精度的影响,提出了采用自抗扰的控制方案,并分析了实现自抗扰的工作原理。对某型光电跟踪系统进行了结构分析,将目标运动速度视为外部扰动,系统内部参数摄动视为内部扰动,采用扩张状态观测器从系统响应的输入、输出信号中估计出扰动,并进一步用跟踪微分器提取扰动的一阶导数来提高对扰动的估计精度,以最大程度地补偿扰动。实验结果表明,在载体扰动下,跟踪最大角速度为40mrad/s,最大角加速度为8mrad/s2,机动目标的误差0.1mrad,且响应速度快,超调10%。该方案结构简单,控制鲁棒性强;无需额外的传感器对目标运动进行测量、滤波和预测,即可有效提高系统高精度捕获、跟踪快速机动目标的能力。     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

智能控制的发展前景

介绍了智能控制的发展历史和现状,并通过分析现有智能控制的主要方法和总结它们的特点及不足,指出智能控制当前的研究热点及发展前景.     

基于神经网络与遗传算法的悬臂式掘进机智能控制系统

由于煤矿巷道内煤层的分布是不均匀的,并且是时时变化的,这就给高效开采带来了难度。悬臂式掘进机在巷道中作业时,会因为煤层分布的不确定性,导致所受的截割阻力不停地变化,因此,要求掘进机可以根据不同的工况,能够快速地、实时地调整悬臂的摆动速度。该文提出了基于神经网络与遗传算法的复合控制理论的悬臂式掘进机的控制模式。该控制系统能有效地提高生产效率,并且安全可靠。     

基于神经网络的非线性系统约束预测控制

利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的基于神经网络模型的约束广义预测控制算法。该算法将非线性搜索转化为只对当前控制增量的约束,避免了非线性优化求解,并不需要很多的计算量。文中给出了仿真结果。