无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。     

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。     

一种新的模糊PID控制器的优化及其仿真研究

该文提出了一种新的最优模糊PID控制器。该控制器由两部分组成，一部分是常规PID控制器，另一部分是在线模糊推理机构。在模糊推理机构中，引入了三个可调节因子Xp，Xj，和Xd，其作用是优化模糊推理结果，该模糊PID控制器用来控制智能人工腿中的一个直线电机，并已获得很好的控制效果。     

模糊逻辑在PID参数整定中的应用

PID控制是最早发展起来的控制策略之一,由于受到参数整定方法烦杂的困扰,常规PID控制器参数往往性能欠佳,对运行工作情况的适应性差。本设计将模糊控制和PID控制结合起来,构建自适应模糊PID控制器,实现PID参数的最佳调整。该模糊自整定PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速、稳态特性。     

基于模糊神经网络的机器人关节驱动补偿控制器

本文提出了一种模糊神经网络控制器,该控制器用于工业机器人关节驱动的位置控制,克服了传统PID很难达到对非线性以及不确定因素的控制效果和简单模糊控制不能完全消除稳态误差的缺点,通过神经网络对模糊规则的学习优化,提高了机器人关节末端位置精度,具有较好控制效果。     

一种新型的二维PID模糊控制器

通过对常规PID控制器的结构分析,设计出一种新型的二维PID模糊控制器,其结构形式简称为fuzzy PD+ fuzzy ID型.根据模糊规则的图解分析,提出fuzzy ID控制嚣的输入变量(偏差和偏差变化加速率)与输出变量之间的控制结构,并确定两控制器的模糊控制规则的相似性.通过对该PID模糊控制器的结构分析,给出与常...     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

一种PID模糊控制器(fuzzy PI+fuzzy ID型)

提出一种二维PID模糊控制器,其结构形式筒称为fuzzy PI+fuzzy ID型.根据fuzzy PI和fuzzy ID控制器的图解说明,确定该fuzzy PI和fuzzy ID控制器的模糊控制规则的相似性.理论分析表明,该PID模糊控制器除具有常规PID性能外,还具有非线性等特点.仿真结果表明,与常规PID和fuzzy PI控制相比性能更优.     

模糊单神经元控制器设计

本文在综合常规模糊控制器和单神经元PID控制器的优点上,提出了一种新型的模糊单神经元PID控制器设计方案,仿真结果表明这种控制器有比较好的控制效果。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

Design of an adaptive self-organizing fuzzy neural network controller for uncertain nonlinear chaotic systems

Though the control performances of the fuzzy neural network controller are acceptable in many previous published papers, the applications are only parameter learning in which the parameters of fuzzy rules are adjusted but the number of fuzzy rules should be determined by some trials. In this paper, a Takagi–Sugeno-Kang (TSK)-type self-organizing fuzzy neural network (TSK-SOFNN) is studied. The learning algorithm of the proposed TSK-SOFNN not only automatically generates and prunes the fuzzy rules of TSK-SOFNN but also adjusts the parameters of existing fuzzy rules in TSK-SOFNN. Then, an adaptive self-organizing fuzzy neural network controller (ASOFNNC) system composed of a neural controller and a smooth compensator is proposed. The neural controller using the TSK-SOFNN is designed to approximate an ideal controller, and the smooth compensator is designed to dispel the approximation error between the ideal controller and the neural controller. Moreover, a proportional-integral (PI) type parameter tuning mechanism is derived based on the Lyapunov stability theory, thus not only the system stability can be achieved but also the convergence of tracking error can be speeded up. Finally, the proposed ASOFNNC system is applied to a chaotic system. The simulation results verify the system stabilization, favorable tracking performance, and no chattering phenomena can be achieved using the proposed ASOFNNC system.     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

基于HGA的模糊神经控制器设计及其应用

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应。给出一种基于递阶遗传算法的模糊神经网络优化算法,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

线控转向汽车传动比智能控制策略的研究

以线控转向汽车的传动比控制为重点进行研究,提出了传动比智能控制策略,旨在进一步改善系统的转向性能。针对转向系统的不确定性、非线性的特点,在原有基于模型控制方法的基础上,研究了模糊控制和模糊神经网络在传动比控制中的应用;首先利用模糊控制技术设计传动比控制器,然后研究了模糊神经网络的结构和算法,利用模糊神经网络对理想传动比控制进行改进,实现了输入变量隶属函数中心值和宽度的在线调节,进而对传动比进行优化;从仿真结果可以看出基于模糊神经网络的控制方法比单模糊控制扩大了传动比变化的车速范围,更加符合理想传动比的要求,表明基于模糊神经网络控制方法更具有可行性和有效性。     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。