一种欠驱动船舶编队滑模鲁棒控制方法

为实现模型参数不确定和外界风浪流干扰情况下的欠驱动水面船舶编队控制,提出一种跟随者仅利用领航船的位置及航向信息,而不利用领航船的速度、角速度和动力学信息的编队控制方法.根据领航船的位置及航向角信息设计虚拟船,使其轨迹与参考船在有限时间内重合;基于虚拟船策略建立领导-跟随模式下的船舶编队控制模型;将反步法与滑模变结构方法相结合,设计了一种可以有效处理模型参数摄动和外界环境干扰问题的鲁棒控制器,使得跟随船沿着虚拟船的轨迹运动,从而与领航者保持期望的队形,达到编队控制的目的.通过对由3只“Northern Clipper”实船所组成的船舶编队进行编队控制仿真实验,结果验证了所提方法的正确性和有效性.     

移动机器人自适应模糊神经滑模控制

针对含有驱动器动力学的非完整移动机器人轨迹跟踪控制问题,以驱动器电压作为控制输入,提出了一种新型非完整移动机器人自适应模糊神经滑模控制算法,采用自适应动态递归模糊神经网络在线估计由于参数不确定和外加干扰而引起的未知时变函数,减小了不确定性的估计误差;结合自适应鲁棒控制器,不但克服了移动机器人所受的参数与非参数的多不确定性问题,同时也确保了机器人对指定轨迹的跟踪;基于Lyapunov方法进行了参数自适应律设计和系统稳定性分析,保证了控制系统跟踪误差的收敛性,仿真结果表明了该方法的有效性。     

基于RBF网络的开关磁阻电动机自适应滑模控制

结合滑模控制和神经网络各自的优点,对开关磁阻电动机提出了一种基于RBF神经网络的开关磁阻电动机自适应滑模控制方案。设计了基于反馈线性化的滑模变结构控制器,通过RBF神经网络的在线学习实时估计系统参数变化,减小系统参数变化对控制效果的影响,实现了开关磁阻电动机的自适应滑模控制。理论分析证明了所设计自适应神经滑模控制器的稳定性和可行性,仿真结果证明了所设计控制器可行性。     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构。该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法。该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性。在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性。     

基于智能PID移动机器人电机转矩控制研究

针对移动机器人电机模型参数非线性、不确定性、时变性强等特点,采用常规的按照典型工况整定的固定参数PID控制器无法取得满意的效果.提出了用RBF网络来整定PID参数的控制方案,将RBF神经网络和经典PID控制相结合构成智能PID控制器.它具有较强的自适应能力,适于实时控制,控制品质优于经典PID控制器.     

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构.该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法.该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性.在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性.     

基于神经网络PI重复控制器的三相并联有源电力滤波器

针对传统的PI控制的局限性,提出一种新的控制策略,利用基于神经网络的PI控制器与重复控制器并联构成的控制方法,大大提高了响应速度和补偿精度。该控制器利用BP神经网络技术,根据误差大小对PI控制器参数进行在线实时自适应整定,从而满足最优性的要求。利用重复控制的零稳态误差能力保证了装置的稳态精度。最后通过与传统PI控制器的仿真对比说明所提方法的可行性。     

参数在线跟踪的交流传动系统双神经网络模型参考自适应控制

该文研究的目的在于将一种具有优越的非线性并行处理特征的神经网络引入自适应控制器的设计中，将其并行收敛特性和便于实行的参数设计原则与模型参考自适应控制模式结合起来，进行具有很高自适应控制要求的交流传动系统控制器设计。该文将Hopfield神经网络引入交流传动系统的模型参考自适应控制，通过神经网络控制器来给出交流传动系统的励磁及速度控制器输出，使控制效果具有对某些参数变化的一定程度的鲁棒性。对于不可控的负载转矩分量，加入参数自动跟踪神经网络，构成上有参数在线跟踪功能的交流传动双神经网络模型参考自适应控制模式，进一步提高了系统的控制性能。结果充分证明了Hopfield神经网络在处理自适应交流传动系统控制问题中的适用特征。     

移动机器人模糊Q-学习沿墙导航

针对在基于行为的移动机器人沿墙导航控制器的设计中缺乏足够的先验知识的问题,采用Q-学习方法让机器人通过学习来自动构建导航控制器.将模糊神经网络和Q-学习相结合,用模糊神经网络直接逼近连续状态和动作空间中的Q值函数.利用对Q值函数的优化获得控制输出.模糊神经网络中的节点根据状态动作对的各个分量和时间差分的新颖性进行自适应地添加和构造,这样不仅能克服节点选择的困难还能使网络保持适度的规模.网络中的参数采用扩展卡尔曼滤波方法进行自适应调整.基于Khepera 2机器人的沿墙导航实验验证了该方法的有效性和优越性.     

基于自适应模糊滑模控制的机器人轨迹跟踪算法

针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。     

基于RBF神经网络的伺服系统自适应自抗扰控制

针对伺服系统中存在的非线性,提出了一种基于RBF神经网络的自适应自抗扰控制（ADRC）方法,设计了基于RBF神经网络的自适应自抗扰ADRC控制器。通过仿真和实验验证了该方法能有效地克服采用PD控制时系统的超速超回现象和爬行现象,在参数变化时具有较好的稳态性能和较强的鲁棒性。     

基于粒子群优化的BPNN自适应切换控制算法研究

针对工业控制系统中存在的一系列非线性和时变性,以及传统自适应控制方法中的瞬态响应差等问题,提出了一种基于粒子群优化(PSO)的神经网络多模型切换自适应控制方法.利用粒子群优化算法对神经网络权重进行调节得到最优权值,基于BP神经网络和多模型设计自适应控制方案,构造合理的切换准则,使得系统在任意时刻都可以选择最优控制器对系...     

神经网络在船舶柴油发电机转速控制应用

通过在船舶柴油发电机转速控制中的应用,将整理后的数据训练神经网络,建立了Elman神经网络,代替传统的PID控制算法,使训练好的Elman具有自适应功能,在船舶电力系统中代替PID控制器,实现了转速的自适应控制功能,并对Elman神经网络模型进行仿真测试。仿真结果表明该方法控制精度高,动、静态特性好,运用基于Elman神经网络的串行控制方法解决了船舶柴油发电机组系统的非线性控制问题。     

神经元自适应控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力 ,用于控制时可以不依赖控制对象的数学模型 ,神经网络控制器可克服传统PID控制器在电机参数改变时鲁棒性较差等不足。提出了基于神经元的用于感应电机矢量控制的自适应磁链和转速控制器。该设计适用于交流电机矢量控制系统 ,具有结构简单、易于实现、控制性能好、鲁棒性强等特点     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

基于神经网络的LCL并网逆变器控制研究

为克服光伏逆变器受系统外界干扰和自身参数影响大,以及传统控制器设计需要大量传感器测量系统参数的问题,结合反步控制的设计简单和神经网络对任意非线性函数的万能逼近特点,提出了一种基于神经网络的LCL并网逆变器控制策略。通过李雅普诺夫函数推导了在部分系统参数和扰动未知下的自适应律,控制器设计只需少量系统参数并具有较强的鲁棒性。实验表明所提控制方法响应速度快,输出谐波低,抗干扰能力强。     

全方位移动机器人模糊自适应PID控制

针对全方位移动机器人,结合PID和模糊控制两者的优点,提出了一种模糊自适应PID(FAPID)的控制方法。对模糊自适应PID控制算法进行了理论分析,基于Matlab建立了全方位移动机器人的简化仿真模型。仿真研究表明,采用模糊自适应PID控制方法,系统的调节时间缩短,响应速度加快,抗干扰能力和适应参数变化的能力要优于常规的PID控制。     

双神经网络交流传动自适应规划控制

将Hopfield神经网络应用于交流传动系统的自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出；并将Hopfield神经网络控制器代替矢量控制系统中的转速调节器，使速度控制器具有对某些参数变化良好的鲁棒性。对于不可控的负载转矩分量，加入神经网络负载转矩在线跟踪控制器，形成参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的性能．仿真结果证明了该控制方案的有效性．     

基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

神经网络自适应PI控制器在有源滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计一种神经网络自适应PI控制器。该控制器将神经网络技术和PI控制器设计方法相结合,控制器采用PI控制器结构,具有结构简单、计算时间短、易于实现等优点。同时利用神经网络技术,使其输出作为最优控制规律下的PI控制器的参数值,并根据误差大小对控制器参数进行在线实时自适应整定,从而满足大工况、全工作条件和最优性的要求。仿真实验表明,神经网络自适应PI控制器较一般的PI控制器有更快的响应速度和更高的补偿精度,而且经过神经网络自适应PI控制器作用后,其电网电流的谐波畸变率和电流跟踪误差均降低到PI控制器的55%左右。