“灵巧手指”的位置／力模糊控制算法研究

为了使“灵巧手指”位置／力控制具有良好的控制性能,在力控制器的设计中应用了模糊控制、神经网络等方法,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明：这两种控制方法与常规PID控制相比,控制性能得到明显改善。     

机器人智能控制研究进展

以介绍机器人控制技术的发展及机器人智能控制的现状为基础 ,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法 .讨论了机器人智能控制中的模糊控制和变结构控制 ,神经网络控制和变结构控制 ,以及模糊控制和神经网络控制等几种智能控制技术的融合 .并对模糊控制和神经网络控制等方法中的局限性作出了说明     

并联式混合动力电动汽车控制策略研究

简要阐述了并联式混合动力电动汽车的控制思想及几种不同的控制策略;选用模糊控制方法对一种并联式混合动力电动汽车驱动系统实施控制,并介绍了以电辅助式控制策略为辅的变结构模糊控制策略.仿真结果表明了这种控制策略的可行性.针对这种控制策略的不足,提出了新的研究建议,即开发模糊控制与神经网络相结合,基于模糊神经网络的控制策略.     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

机器人力控制综述

针对机器人作业时新的力控制要求,本文综述了现有的传统控制策略与智能控制策略.首先介绍传统力控制策略中的阻抗控制、位／力混合控制与自适应控制,其次介绍智能控制策略中的模糊控制、神经网络与优化控制.同时,对各控制算法基本原理进行深入分析,列举各算法的应用成果,并对未来力控制研究提出了展望.     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

RBF神经网络整定的模糊控制在二次调节控制系统中的应用

为了克服实际控制系统中存在的非线性和参数时变性所引起的常规控制器控制性能恶化，提出了一种新的控制方法——基于RBF神经网络整定的模糊控制，并在文中给出了具体算法，该控制方法以无量化解析模糊控制为主体，采用RBF神经网络对控制对象进行辨识，然后利用辨识所得到的Jacobian信息在某一给定的控制性能指标下对控制参数进行在线调整，将其应用于二次调节控制系统，并对系统进行了仿真，系统采用不同控制器的仿真典线表明：基于RBF神经网络整定的模糊控制具有更好的控制性能。     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

模糊、神经网络控制技术在建模、优化及控制中的应用

根据模糊控制、神经网络控制的特点，研究了在建模、优化和控制应用中的几种方法，并对其进行了较为详细的分析。     

基于神经网络的模糊控制及其应用

本文介绍一种利用神经网络的学习功能设计模糊控制逻辑的方法，并对这种方法在工业控制中的应用前景做了探讨。     

Tremor suppression strategy of the tremor suppression robot

Based on the development of the performance of magnetorheological damper,the tremor suppression strategy that uses angle displacement sensor and force sensor to sense the information of the tremor and ...     

基于动态模糊神经网络的多余力矩抑制方法

针对负载模拟器难以准确建模,多余力矩严重影响力矩加载性能的特点,提出一种基于动态模糊神经网络抑制多余力矩的新方法．该动态模糊神经网络无须较强领域的专家知识,是系统自动建模及抽取模糊规则的网络,且模糊神经网络结构是动态变化的,其模糊规则是在学习过程中逐渐增长而形成的．设计了结合前馈反馈控制和直接逆控制的控制策略,在线更新算法,实时更新网络结构及参数以及时跟踪被控对象逆模型的变化,与其并行的PID控制器的作用在于保持系统的稳定并获得更快速的系统响应和更佳的跟踪精度．通过仿真可以看出基本消除了多余力矩,系统性能得到改善,仿真效果令人满意．     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

基于神经模糊控制的交流调速系统

针对交流电机这种复杂的被控对象,提出一种用神经网络实现模糊控制的方案,并给出了这种基于神经元网络的模糊控制器的基本设计方法。仿真结果表明,采用这种控制器后,交流调速系统的性能明显提高,并能根据样本通过自学习适时修改控制器。     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。     

基于HGA的模糊神经控制充电器设计与实现

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,提出了基于递阶遗传算法的模糊神经网络优化算法来进行蓄电池的充电控制,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,实现对非线性的、时变的、有干扰的、具有纯滞后的蓄电池充电控制系统的最佳控制.     

T-S型模糊RBF神经网络多变量自适应控制器的研究

提出Ｔ Ｓ型模糊ＲＢＦ神经网络模型,并将该网络模型应用于多变量控制系统,构成多变量自适应控制器．同时对网络结构和参数的学习算法及网络参数的在线自学习算法进行研究．仿真结果表明本文提出的学习方法是有效的,该多变量控制器具有良好的自适应控制能力     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。