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.     

智能控制策略在机械自动化系统中的应用研究

机械自动化系统的发展离不开先进控制策略的支持。近年来,智能控制理论和技术的飞速发展为机械自动化系统提供了新的发展契机。本文以神经网络控制、遗传算法控制、专家系统控制、自适应控制和模糊控制等智能控制策略为切入点,系统分析了它们在自动化生产线、智能仓储物流系统、数控机床、工业机器人和电力系统等机械自动化领域的应用现状和实践案例。在此基础上,本文提出了一种集成多种智能控制策略的混合智能控制框架,旨在提高机械自动化系统的智能化水平,提升运行效率和可靠性。     

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。     

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.     

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.     

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。     

用FCGA优化的四辊冷轧机恒张力模糊控制系统

为了保证冷轧机轧制中带钢恒张这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

采用自适应趋光方法提高光伏发电效率的实验研究

提出了一种新的自适应跟踪太阳方位的方法,该方法采用时间模拟结合光电跟踪的方式,有效避免了现有方法存在的问题.设计了一套结构简单、成本低廉的双轴太阳方位自适应跟踪系统,完成了测控系统的硬件和软件设计.实验结果表明采用该系统的太阳能发电装置效率可提高30%左右,具有很好的推广应用前景.     

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。     

基于采样控制理论的光电跟踪伺服系统内模控制研究

针对外部扰动对光电跟踪伺服系统精度的影响,对稳定回路提出了一种两自由度内模控制,将控制器的设计转化为标准的H∞优化问题,使得系统对模型误差及参数摄动具有较强的鲁棒性。采用jump变换、提升操作等采样控制系统的理论与方法来优化设计相应的鲁棒控制器,综合考虑了系统的多采样率行为及采样点间的动态特性。仿真结果表明了所设计的控制系统具有较高的指令跟踪精度及较强的扰动抑制性能。本文的研究为高精度光电跟踪伺服控制系统的设计提供了新方法。     

基于神经网络的智能化机构振动主动控制实验研究

进行了基于神经网络的智能化机构振动主动的实验研究，设计了具有压电陶瓷作动器与电阻应变计传感器的宏观智能化机构实验装置及其振动控制系统；根据实验样本数据，离线设计了神经网络控制器；采用基于神经网络的直接自校正控制策略对智能化机构实施了在线控制，机构的动力学品质得到了显著改善。     

基于比例阀的气动伺服系统神经网络控制方法的研究

研究了用神经网络PID控制器对基于比例阀的气动伺服系统进行控制的方法。用神经网络辨识器来逼近非线性动力学系统,并在线修改控制参数。实验及分析表明,适当的选择网络参数,经过充分的离线训练,该控制器可以进行在线的自适应控制,系统的控制精度和动态特性有明显提高,且在环境参数变化时,控制器具有在线自学习和自整定参数的能力。     

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。     

智能控制型径向切入磨削加工系统

针对径向切入式磨削加工过程 (尤其是薄壁工件 ) ,提出了一套新的磨削工艺程式及与之相适应的递阶式智能控制模式。其上层是一个基于知识并具有学习能力的智能决策系统 ,它根据加工要求 ,按照当前加工条件 ,自动规划加工参数 ;下层的自适应环节能实现对磨削过程的在线监测和实时控制。仿真与试验结果表明 ,该方法能较好地应用于实际磨削过程 ,可在更短的时间内获得更理想的加工效果。这一系统具备了相当的柔性 ,可以适应小批量多品种的加工要求。     

基于粗集理论的模糊神经网络建模方法研究

智能控制研究发展到了模糊神经网络阶段,其中5层模糊神经网络结构的物理含义清晰,而Max-Min模糊神经网络反应快,实时性强。在分析两者优缺点的基础上,提出了基于粗糙集构建模糊神经网络的方法,并通过比较3种方法对同一个事例的建模,说明了基于粗糙集方法的优点。