陶瓷浆料3D打印机挤压力模糊神经网络PID稳定控制研究

针对在微流挤出陶瓷浆料3D打印机作业过程中挤压力稳定控制的需求,根据打印机挤压力控制系统非线性、时变性的特点,总结了现有挤压力稳定控制策略的优缺点,并在模糊PID (proportion-integral-derivative,比例-积分-微分)控制器中嵌入神经网络结构,提出了挤压力模糊神经网络PID稳定控制策略。该策略基于六层模糊神经网络,以挤压力偏差值e和偏差值变化率ec为输入,PID控制器控制参数为输出,完成正向模糊控制过程,并基于神经网络的自学习优势实现反向传播及在线更新神经网络权值,以实现打印过程中挤压力的精准自适应调节。挤压力控制Simulink仿真、挤压力控制实验及坯体打印实验表明：相较于传统PID控制策略,采用模糊神经网络PID控制策略可使超调量减小20.9%,挤压力提前90 s达到稳定状态,压力峰值减小12 N,压力谷值增大18 N;相较于采用模糊PID控制策略,超调量减小1.73%,挤压力提前56 s达到稳定状态,压力峰值减小4 N,压力谷值增大8 N;模糊神经网络PID控制策略具有一定的优越性,可使打印过程中挤压力的控制精度更高,稳定速度更快,超调量更小,所打印坯...     

高频真空木材干燥的模糊神经网络控制方法研究

高频真空木材干燥是一种干燥速度快、能源消耗低、环境污染小的新型联合干燥技术。在木材高频真空联合干燥过程的理论分析基础上,针对神经网络方法建立的木材干燥模型,设计了木材干燥模糊控制器和模糊神经网络控制器。对模糊控制和模糊神经网络两种控制方法进行了仿真实验,结果表明模糊神经网络方法控制效果更好,如温度上升快,控制精度高,稳定性好。模糊神经网络控制方法对实现木材干燥过程的全自动控制具有重要研究意义。     

液压控制系统中自组织双模糊神经网络控制模型关键点研究

越来越多的工业液压控制系统对控制精度和响应速度提出高要求,针对按照预设流量和压力进行精确控制的液压系统,阐述一种基于自组织双模糊神经网络的闭环控制模型,并对其中的系统模型、控制模型、神经网络模型和执行机构模型四个关键点进行详细阐述。     

模糊神经网络在高层建筑横风向振动控制中的应用研究

提出了模糊神经网络方法控制高层建筑横风向风振反应。通过观测部分楼层加速度和控制力输出，建立了模糊神经网络控制器，解决了传统控制中有限的传感器数目对系统振动状态估计的困难．利用模糊神经网络控制器预测结构的控制行为，消除了闭环控制系统中存在的时滞。利用模糊神经网络控制器的自学习能力来确定模糊规则和语言变量隶属函数，解决了土木工程复杂结构模糊控制中，难于依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。模糊神经网络方法的优势在于算法自身的鲁棒性，处理结构非线性、参数不确定性及时变等问题的能力。通过对基准建筑的刚度不确定性分析，讨论了模糊神经网络控制器的鲁棒性。仿真分析表明，模糊神经网络控制策略能有效地抑制高层建筑的横风向风振反应，控制效果略优于LQG控制，而拥有LQG控制不具备的诸多优点。     

基于T-S型模糊神经网络的空间结构GMM作动器主动控制

基于自主研发的超磁致伸缩材料(Giant Magnetostrictive Material,GMM)作动器的主动控制特性,应用T-S(Takagi-Sugeno)型模糊神经网络设计了主动控制系统,该系统以GMM作动器两端节点的相对速度和相对位移作为输入,计算输出控制电流。通过神经网络的自适应学习功能进行模糊划分及生成模糊规则,利用模糊系统的推理能力对空间结构模型进行基于地震响应的主动控制仿真,同时与标准型模糊神经网络系统进行仿真对比。结果表明,二者对空间结构模型的主动控制都能达到良好效果,基于T-S型模糊神经网络推理简单,其仿真速度远快于标准型。因此,采用T-S型模糊神经网络对空间结构进行主动控制更能满足工程应用需求。     

基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络－－类模糊神经网络，并以基于多项式系的类模糊神经网络为例作了讨论。该网络具有隐层少，运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制，给出了类模糊神经网络控制的选择记忆算法，并证明了这种算法的收敛性，这一类非线性系统的在线控制问题得以初步解决。     

模糊控制与神经网络的研究与应用

模糊控制和神经网络在系统辨识与控制、模式识别、信号处理等各个领域中都获得广泛的应用,尤其在工业控制领域方面获得更加有效的应用。结合模糊控制和神经网络各自的优点,将模糊技术与神经网络技术进行有机结合,从而构造出一种可自动处理模糊信息的神经网络或自适应模糊系统。     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

具有模糊协同控制的电子膜敷膜系统与工艺

为解决纳米电子膜喷射敷膜的一致性和标准化,根据多元惨杂SnO材料配方的工艺指标要求,依据人工喷射过程中温度、压力和时间的经验数据,采用人工神经网络和模糊协同控制方法,建立了电子膜加热元件敷膜过程的自动喷射系统,分析了基于神经网络的模糊协同敷膜控制技术的可行性,并通过实例进行了分析.结果表明,采用模糊协同控制喷射系统能够控制电热膜元件表面的功率密度,元件表面膜层均匀、单位功率一致,使电子膜加热元件的制作工艺达到了标准化.     

一类自适应模糊神经解耦混合控制器的研究

将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明,该控制方法对非线性时变系统有较好的控制效果。将该算法应用于电控天然气发动机空燃比控制中,利用宽域空燃比传感技术,通过调整喷射脉宽控制发动机的空燃比,取得了良好的控制效果。     

空调系统神经模糊控制器——结构和算法

提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。     

基于高斯基模糊神经网络的漂浮基柔性空间机械臂自学习控制

讨论了载体位置不受控、姿态受控情况下,自由漂浮柔性空间机械臂的高斯基模糊神经网络自学习控制问题。利用拉格朗日方程和模态综合法可建立柔性空间机械臂的动力学模型,但由于此类空间机器人系统严格遵守动量守恒,其动力学方程表现出强烈的非线性性质。结合神经网络和模糊控制,即利用神经网络来实现模糊推理可使模糊控制具有自学习能力,在此基础上,设计了柔性空间机械臂关节空间的高斯基模糊神经网络自学习控制方案。由于将动量守恒定理耦合到系统动力学方程的推导过程中,所提出的控制方案具有不需要测量、反馈载体位置、移动速度和移动加速度的显著优点。系统的数值仿真,证实了方法的有效性。     

基于神经网络PID控制器的压铸机压射速度控制系统的设计

目的 通过神经网络PID控制器,提高铸件过程中对压铸机压射速度的准确控制,以改善铸件的品质.方法 首先,从压射系统的结构出发,分析其工作过程,通过输入电压求取电液伺服装置的传递函数,利用比例阀所受压力,计算其端口流量,进而完成压射系统的建模.然后,以STM32F103RE处理器为核心,配以输入电路、反馈电路等外围单元,...     

Recurrent RBFN-based fuzzy neural network control for X-Y-theta motion control stage using linear ultrasonic motors

A recurrent radial basis function network (RBFN) based fuzzy neural network (FNN) control system is proposed to control the position of an X-Y-theta motion control stage using linear ultrasonic motors (LUSMs) to track various contours in this study. The proposed recurrent RBFN-based FNN combines the merits of self-constructing fuzzy neural network (SCFNN), recurrent neural network (RNN), and RBFN. Moreover, the structure and the parameter learning phases of the recurrent RBFN-based FNN are performed concurrently and on line. The structure learning is based on the partition of input space, and the parameter learning is based on the supervised gradient decent method using a delta adaptation law. The experimental results due to various contours show that the dynamic behaviors of the proposed recurrent RBFN-based FNN control system are robust with regard to uncertainties.     

空调系统神经模糊控制器-仿真和优化

以恒温空调系统为控制对象，对神经模糊控制器、常规模糊控制器和PID控制器进行了数字仿真，并用单纯形法对控制比例因子进行了参数寻优，获得了最优参数和动态响应曲线；通过对神经模糊控制器的优化学习，大大提高了神经模糊控制器的控制精度和稳定性，其性能优于最优化的PID控制器和最优化的常规模糊控制器，能有效地满足温度控制要求，并具有较好的鲁棒性；由于神经模糊控制器具有模糊控制和神经网络的智能，经过优化学习后，它具有艮好的控制性能和自适应能力。     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

基于自适应模糊神经网络的DMFC温度建模和控制

针对DMFC电堆的实时控制要求，应用自适应模糊神经网络技术对DMFC电堆的工作温度进行辨识建模和控制。在温度控制过程中，将训练好的网络模型作为DMFC电堆控制系统的参考模型，并对控制模型的参数进行在线自适应调整。仿真结果表明所设计的自适应模糊神经控制器性能优越。