基于神经网络和智能预测控制的机器人算法

提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系统在线计算方便，控制质量提高了。通过对机器人的仿真结果可以看出，传统的PID对于不确定对象不能很好的解决，而采用本文设计的控制器，系统的鲁棒性和快速性都得到了改善，并且具有较好的控制效果。     

基于RBFN故障检测的集散控制系统容错控制

集散控制系统（DCS）的容错控制需要解决系统的实时故障检测和容错控制律重构二大问题,本文运用径向基函数神经网络（RBFN）构造DCS的故障诊断器,通过RBFN进行容错故障范例检索,实施对DCS的控制律分段容错实时重构。这一方案在输煤控制系统中获得良好应用。     

基于神经网络的机器人独立关节控制

提出了一种适用于系统控制的神经元模型，该模型是Ｐｅｒｃｅｐｔｒｏｎ算法的一种推广。它可直接作为控制器亦可连成网络控制器用于机器人独立关节伺服系统，仿真实验表明，本文设计的控制器不仅适用于机器人独立关节伺服系统的控制而且还适用于几乎全部ＳＩＳＯ线性定常和时变系统的控制以及部分非线性系统的控制。     

基于模糊神经网络的机器人自学习控制

研究了一种模糊神经网络与传统PD控制相结合的机器人学习控制系统,该控制系统具有自学习、自适应、控制精度高等特点。     

容错技术在并联机器人控制系统中的应用

将容错技术应用于６－ＤＯＦ并联机器人控制系统，实现的机器人容错分布式计算机控制提高了系统的可靠性和稳定性。     

基于修正开关模式的三相整流器故障容错控制

通过分析三相桥式脉宽调制(PWM)整流器的开关管开路故障时空间电压矢量的变化情况,提出一种基于修正开关模式的开关管开路故障容错控制算法,对比分析修正前后电压矢量的变化,给出具体的实现方法。该方法对于单管和多管同时开路故障均能实现容错控制,能较好地改善故障下三相电流平衡度,减小直流侧电压纹波,提升系统性能和可靠性,实现算法简单,无需增加硬件电路。仿真与实验验证了该方法的有效性。     

三相永磁容错电机单相故障的容错控制

为了使三相永磁容错电机在单相故障后仍能输出满足要求的转矩,提出了容错电流优化控制方法。针对开路故障,利用故障前后磁动势不变的原则,得到了故障时的容错补偿电流,实现对转矩脉动的补偿。针对短路故障,利用分开补偿的策略,对由短路电流引起的转矩脉动和缺相不对称转矩脉动进行分开补偿,进行了电流矢量合成,实现了电机在短路时输出转矩脉动的最小化。通过MATLAB/Simulink进行仿真,验证了所提出容错控制方法的有效性。     

基于神经网络视觉伺服的机器人模糊自适应阻抗控制

提出一种未知环境下基于神经网络视觉伺服的机器人模糊自适应阻抗控制策略.首先使用BP神经网络来学习曲线图像特征变化率与机器人关节角速度的映射关系,其次由机器人力伺服控制得到离散阻抗控制模型,并根据接触力的变化对阻抗模型参数进行模糊调节,减少了受限运动中力干扰的影响.最后通过末端固定安装单摄像机和力传感器的6自由度机器人跟...     

BP神经网络整定的PID在机器人轨迹跟踪中的应用

充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度.仿真实验证实了该控制策略的正确性和有效性.     

基于ANN的船舶柴油发电机转速容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和Elman神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

基于BP神经网络的凝汽器故障诊断研究

通过对现有凝汽器运行中常见的典型故障及征兆集的分析,进一步完善了凝汽器的典型故障知识库,对故障征兆的具体表达方法进行了分析。运用 Matlab 神经网络工具箱和隶属度函数两种方法对凝汽器的运行状态进行故障监测和诊断,通过实例验证表明应用 Matlab 神经网络工具箱方法不仅计算简便,而且诊断结果具有较高的可靠性。     

基于BP神经网络的电力变压器故障树分析

针对电力变压器故障特点,采用故障树分析与BP神经网络相结合的方法预测变压器故障率。介绍了变压器故障树的建立与故障树分析流程、BP神经网络的建立、样本获取和学习训练。通过实例计算结果与实际统计结果的比较,验证了此方法的可行性与有效性。     

基于改进BP神经网络的风机故障诊断研究

采用动量法和学习速率自适应的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数。在网络训练过程中同时采用标准训练样本和含有白噪声的训练样本,使网络具有一定的容错性。实例诊断表明,改进的BP神经网络缩短了学习时间,是风机故障诊断的有效方法。     

基于可测性分析的容差网络故障定位的神经网络实现

利用BP网络的分类功能，提出一种有容差模拟电路的故障诊断方法，此方法基于可测性理论及模糊组概念，所用训练样本少，有较强的抗容差干扰能力。     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

基于Park变换和神经网络的逆变器故障检测方法

为实现实时检测逆变器电路中功率元件的故障,提高逆变器电路工作的可靠性,提出了一种基于Park变换故障检测算法和神经网络的逆变电路开路故障检测方法.利用Park变换得到三相电流基波幅值作为特征量用于故障检测,基于BP神经网络并结合简单逻辑判断即可实时检测逆变器电路的故障类型、故障桥臂以及故障元件位置,仿真结果论证了方法的可行性.     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于傅里叶变换和神经网络的逆变器故障检测与诊断

提出了一种基于傅里叶变换和神经网络的逆变器故障检测与诊断方法。利用加窗傅里叶变换提取逆变器输出信号的正序对称分量,提出了谱残差和相对谱残差的概念,利用获得的基本谱残差实现了逆变器的故障检测。通过对谱残差和谱相位的对比分析,提出了一种简单的故障判断逻辑,实现了逆变器故障桥臂定位。最后利用神经网络方法,实现了故障元件的分离。仿真结果表明了本文方法的有效性。