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。     

自组织模糊控制及在机器人中的应用

自组织模糊控制能够在线生成控制规则并对模糊控制规则和模糊参数进行调整,从而简化了模糊控制的设计,并改善了系统的性能;而将自组织控制的思想与传统控制方法结合也可以进一步改善系统的性能。因此介绍了关于自组织控制方法的最新研究进展及其在机器人控制中的应用。     

基于模糊RBF神经网络自学习的不确定机器人模糊自适应控制

针对机器人系统的不确定、非线性特点，设计了模糊RBF神经网络控制器学习机器人系统的不确定性上界，并利用模糊推理机产生的分目标学习误差进行训练，避免了采用系统直接输出反馈误差进行训练所存在的权值饱和与过调整问题。此外，在反馈回路还设计了固定比例增益控制器FC，起着监督的作用，对系统实施渐近稳定的控制。仿真结果表明这种控制方案实现了对机器人系统的高精度控制。     

锅炉燃烧系统的自学习模糊控制

由于燃烧组织的不合理,以及操作、管理水平的偏低,很多工业锅炉存在着效率偏低以及污染严重的问题。本文设计了一套锅炉燃烧系统自学习模糊控制系统。该系统从对象的数据样本通过基于神经网络的模糊辨识获得虚拟对象模型,然后在虚拟对象上对虚拟模糊控制器进行训练,并将经过训练优化后的参数和控制策略应用于实际控制器。同时,本文提出了一种变论域方法,极大提高了模糊控制器的稳态精度。仿真和现场试验表明,该系统具有良好的控制效果,明显提高了锅炉的效率。     

智能积分自调整模糊控制在DC/DC变换器中应用

提出了一种用于DC/DC变换器的模糊PID混合控制策略,该方法只需测量DC/DC变换器的输出电压,然后由智能积分环节和自调整模糊控制器并联得到控制量,并且基于8位微控制器PIC16F877实现了这种控制策略。实验结果表明,该控制方法不但能使DC/DC变换器输出电压启动速度加快,超调量小无静态误差,而且易于实现,通用性好,具有实用价值。     

模糊控制理论及其应用的发展

对模糊控制进行了综述,介绍了模糊控制理论、模糊控制理论的发展、研究以及应用情况。指出模糊控制是一种形式简单、内涵丰富、易于实现的智能控制方法。     

基于神经网络的学习控制及其在机器人中的应用

针对一类非线性系统的跟踪控制问题 ,首先提出了一种遗忘因子迭代学习控制算法 ,给出了算法收敛的充分条件 ,然后 ,利用神经网络原理 ,对要求跟踪的新的期望轨迹 ,在系统的历史控制经验基础上 ,用神经网络估计系统的期望控制输入 ,然后将其作为迭代学习控制器的初始控制输入 ,再由迭代学习律逐步改善控制输入 ,使系统的实际输出只需较少的迭代次数就能达到跟踪的精度要求。机器人系统的仿真结果表明了该算法的有效性。     

焊接无损探伤机的参数自适应模糊控制

介绍了焊接无损探伤机的参数自适应模糊控制方法，通过调整脉冲电压波形来调整激发电流。主要介绍了参数自适应模糊控制器的结构、模糊规则及控制算法。结果表明，该系统具有较强的鲁棒性和更好的静动态特性，胶片感光质量达到了理想的要求。     

基于现场总线和实时自学习模糊控制的煤粉制备监控系统

利用M CG S组态化编程技术,设计了基于RPOF IBU S现场总线的煤粉制备分布式控制系统,该系统综合了可编程控制器(PLC)、分散控制系统(DCS)、模糊控制和自学习控制算法的优势,使其在投产后操作简便,运行稳定可靠,提高了生产率和产品质量。同时对其他制备控制系统设计具有较强的现实指导意义。     

随机模糊控制策略及其在机器人控制中的应用

针对模糊规则的自动生成问题,采用Skinner操作条件反射(OC)和概率有限自动机(PFA)构成的OCPFA学习系统,设计能对模糊规则进行自学习和自组织的随机模糊控制策略.本策略首先采用设计的OC学习机制,从模糊行为集合中随机选取一个模糊行为,作为模糊规则的后件;然后利用环境对选取模糊行为的反馈信息,更新OC学习机制;最后依据更新后的OC学习机制,重新选取模糊后件行为,直至学习到最优的模糊规则.理论证明,其自学习和自组织过程在概率意义上是收敛的.在两轮自平衡机器人上的仿真和实验均表明,设计的随机模糊控制策略不需要系统的模型,成功地实现了机器人的自平衡控制,并提高了机器人的学习速度和控制精度.     

一种基于GA-BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

开关磁阻电机的Pi-sigma模糊神经网络建模

开关磁阻电机的磁路高度饱和及双凸极结构导致了相绕组的磁链是转子位置和相电流的非线性函数。本文采用兼具Takagi-Sugeno(T-S)模糊逻辑和神经网络优点的Pi-sigma模糊神经网络来建立开关磁阻电机的非线性模型并采用了附加动量项的自适应学习速率训练算法。实现了开关磁阻电机的较高精度建模,减少了学习训练次数,简化了结构,使其可在线快速运算。本文通过对相电流与转子位置角的非均匀间隔采样和对论域的全面覆盖,来达到测量数据的合理分布,以提高建模精度和泛化能力并减少测试数据量。通过对模型输出数据与实测数据进行比较及对泛化样本数据的校验表明,本文所建立的模型具有精度较高、泛化能力较好、结构较简洁、运算速度较快等特点。     

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...     

基于模糊神经网络的电动执行机构

电动执行机构控制的对象往往有多参数、非线性、时变以及变量强耦合的特点,很难建立精确的数学模型.模糊神经网络控制系统利用神经网络的非线性映射能力完成模糊控制,能很好地解决控制对象的动态特性所具有的非线性、时变性、参数可变等问题.仿真对比试验表明,电动执行机构采用模糊神经网络控制器(FNNC)后,系统的响应速度变快,调节精度提高.该控制器的适应性、鲁棒性也明显优于常规PID控制器.     

微型水力发电机组的T-S模糊神经网络控制器

随着能源短缺现象的加剧,全球能源互联网的提出,微型水力发电越来越被人们重视。详细分析了模糊控制、神经网络以及TS模糊神经网络结构和算法,针对微型水力发电机系统的非线性和时变性的特点,构件了微型水力发电机组的T-S模糊神经网络控制器,采用MATLAB/Simulink仿真软件,在动态负载条件下对该微型水力发电机组进行仿真,分析了突甩负载和突加负载对机械功率、转子速度、频率和电压的影响,并与PID控制器进行比较。其仿真结果表明,所建立的T-S模糊神经网络控制器动态特性模型符合工程实际,满足系统的稳定性要求,具有良好的稳定性和鲁棒性。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

基于RBF神经网络与模糊控制的短期负荷预测

针对电力系统短期负荷预测,综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,建立了径向基函数（Radial?Basis?Function,RBF）神经网络和模糊控制相结合的短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对预测日负荷进行了预测,并采用在线自调整因子的模糊控制对预测误差进行在线智能修正。实际算例表明RBF神经网络与模糊控制相结合提高了预测精度。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

基于人工神经网络控制算法的SSSC潮流控制器设计

本文提出了一种应用神经网络控制策略为静止同步串联补偿器(SSSC)设计的新型潮流控制器。径向基函数神经网络的理论基础是函数逼近,用一个两层的前向网络去逼近任意函数,以更好地进行潮流控制。仿真结果表明,这种控制器与传统的PI调节控制相比,不但能快速调节潮流,增加系统阻尼,改善系统稳定性,并且有较强的适应性、鲁棒性。