基于神经网络的航天器姿态控制

文章给出了存在不确定质量参数和扰动时航天器进行姿态机动的控制系统，控制法则由神经网络和线性控制逻辑组成，这是为预定参数轨道飞行的航天器设计的。为得到闭环稳定条件使用了李雅普诺夫稳定性理论，这些稳定性条件施加到神经网络上起网络可调权得主控调整的约束作用。模拟结果证明当航天器惯量发生变化和出现干扰时，所提出的控制法则具有良好的跟踪特性，除了良好的鲁棒特性，模拟结果还证明由于所提出的神经网络控制器显示出网络权重迅速收敛，说明控制器具有学习能力。     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

基于TS模糊区域模型的航天器姿态控制

由于燃料消耗和柔性部件展开等原因,挠性航天器的姿态动力学方程存在着参数的不确定性,因此,研究参数不确定TS模糊系统的鲁棒控制器设计方法,并将其应用到平面机动挠性航天器的姿态机动控制问题.将参数不确定TS模糊系统描述为TS模糊区域模型,根据PDC原理设计了模糊区域控制器,并用分段Lyapunov法证明了模糊控制系统的全局...     

航天器姿态控制算法研究综述

航天器姿态控制在很长时间内一直是一个活跃的研究课题,航天器模型本身的非线性性质,加上不确定性参数和干扰,使姿态控制问题很具吸引力和挑战性.近年来,航天器姿态控制方法得到了快速发展,出现了许多系统性和鲁棒性优良的控制设计方法.文章对近年来的航天器姿态控制相关方法进行了分析、总结,分别对航天器姿态控制系统组成、姿态控制任务进行了详细介绍,对姿态控制算法中的最优控制方法、自适应控制方法、PD控制方法和H2/H∞及其混合控制方法进行了对比分析,最后,作出了总结与展望.     

补偿模糊神经网络在模糊规则训练中的应用

目前,自治式水下机器人（Autonomous Underwater Vehicle,AUV）、自动导引驾驶小汽车、轮船等领域应用模糊规则控制已经受到许多人的关注,模糊规则的制定与训练是其中之关键所在,该文将模朔规则控制应用在无人机自由编队飞行控制中。在训练模糊规则过程中,常规的BP神经网络法存在学习速度慢、无法结合号家知识以及容易陷入局部最小等缺点,为了克服上述不足,文中引人了补偿模糊神经网络,它足一个结合了补偿模糊逻辑和神经网络的混合系统,由面向控制和面向决策的神经元组成,其模糊运算采用动态的、全局优化运算,学习速度快、学习过程稳定。将其用于无人机自由编队飞行的模糊控制规则进行训练,结果表明用补偿模糊神经网络刘模糊规则的训练效果良好。     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

航天器姿态控制采用的动量偏置系统

自从上世纪50年代末，空军的Agena卫星采用重力梯度稳定方法以来，动量偏置系统对于航天器的姿态控制与稳定一直占据突出的地位。从那时以来，此类系统已经历了许多发展和改进，而且对于当前的地球同步轨道通信卫星来说，仍是占据主导地位的稳定方法。本文跟踪了Space／Systems Loral公司建造的航天器上所采用的动量偏置系统的一个特别的发展过程，重点讨论三类滚动／偏航控制系统。第一类是在具有动量偏置的早期卫星上使用的WHECON系统，第二类是在80年代中至90年代初的卫星主要采用了Terasaki控制系统，第三类是高斯线性二次型最优(LQG)动量偏置控制系统，该类系统90年代初引入，并在当前飞行的许多卫星上所采用。     

多变量系统的模糊神经网络控制模型及其应用

本文综合模糊控制系统与人工神经网络的优点，提出了一种多变量系统的模糊神经网络控制模型并给出了其建模方法，该方法适合于多变量系统的建模及其模糊控制器的设计。笔者以此方法建立了渣贫化电炉生产过程的模糊神经网络控制模型并开发出相应的决策支持系统，该系统自１９９２年６月投入生产现场使用以来，一直稳定可靠地正常运行，取得了令人满意的效果和显著的经济和社会效益。     

基于神经网络的模糊预测控制及其应用

应用模糊控制的逻辑推理性能，借助神经网络的学习能力，提出了一种模糊神经网络预测控制模型。利用该模型对发酵过程的预测控制，实验曲线表明，可获得较高的预测精度和较好的控制效果。     

神经网络模糊控制在交流调速系统中的应用研究

研究交流调速系统的控制方法,利用神经网络来实现交流调速系统的模糊控制。通过实际交流变频调速系统的实验表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。     

模糊神经网络PID控制器及在DTC中的应用

本文详细介绍了常规控制和模糊PID控制在直接转矩控制系统中的应用，建立在MATLAB仿真模型的基础上．利用多层神经网络构建模糊PID控制器，通过神经网络自学习能力在线提取模糊控制规则，根据不同时刻的误差和误差变化率运用模糊推理在线自整定PID参数。仿真表明，改进的模糊PID控制器具有常规PID控制器更好的效果。本系统适用于高性能交流伺服或调速系统。     

动态模糊神经网络控制器在伺服系统中的应用

通过在ANFIS的归一化层与输出层之间加入递归,层提出了一种新型的动态模糊神经网络（DFNN）,将模糊推理系统、神经网络和Ⅲ型控制有机地结合起来。给出DFNN的网络结构,为基于收缩间距隶属函数和BP算法提供了参数调整方法。系统实验表明,DFNN控制器比PID＋前馈控制具有更好的动、静态响应,尤其在前馈信号难以取得的情况下具有更明显的优势。     

模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

模糊神经网络控制器

自从1965年美国学者LAZadeh教授提出模糊集合论以来，模糊系统理论得到很大的发展，而1974年英国剑桥的E．H．MhlTldani首次应用模糊控制实现了对蒸汽机的控制。使人们对模糊控制引起了极大的热情。近二十年来，模糊控制经历了重大的发展与演变，现已深入到自组织控制，预测控制．多变量控制等方面。但是，无论是何种模糊控制系统，其核心都集中于模糊推理框架。如何将模糊规则表达与近似推理有机结合起来，实现高速动态推理，一直是尚待解决的问题。近年来随着人工种经网络理论的发展，人们开始将神经网络和模糊控制相结合，构成模糊神…     

神经网络模糊控制器的研究

本文讨论如何用人工神经网络（ANN）构成模糊控制器（FLC）的问题，基于ANN的FLC能通过在线学习提高它的适应能力实现智能控制，这里提出的经网络控制器NNFLCFC以动态系统的状态变量为输入，输出则是控制信号。     

模糊神经元及其在FCMAC中的应用

本文通过对模糊集合与神经网络的特点及相互关系的阐述，引出将二者优点结合于一身的模糊神经网络理论。从模糊神经元开始，着重介绍其拓扑结构、分类、隶属函数的特点及相应激励函数的确定方法。最后以模糊小脑神经网络(FCMAC)为算例，阐述了模糊神经元的应用问题。仿真结果表明：它具有比常规CMAC学习速度快，结果精确等优势。     

模糊神经网络在转台系统中的应用研究

在自动飞行控制系统与惯性导航系统模拟试验中,飞行仿真转台控制系统性能的优劣严重影响了试验结果.为了研究自动飞行控制系统和惯性导航系统,将模糊神经网络自适应控制方法应用于飞行仿真转台中.该方法通过神经网络来实现模糊推理,利用神经网络的学习能力调整模糊隶属函数和控制规则,从而克服模糊控制精度不高和自适应能力差的缺点.仿真结果表明,该方法可以使飞行仿真转台具有高的定位能力和控制精度,操作失真度小及具有良好的动态性.     

模糊神经网络及其在智能控制中的应用

文章介绍了处理不精确信息的模糊逻辑、模糊推理、模糊神经网络构造等方法，给出了一个在智能控制中的实例。     

基于模糊神经网络的系统辨识

基于模糊神经网络研究系统辨识问题,提出一种具体的模糊神经网络结构和相应算法,设计了开环系统和闭环系统辨识的结构。针对多个不同的对象进行仿真研究,结果表明用模糊神经网络建模较之传统建模方法能力强。