数控珩磨机进给系统模糊神经网络控制研究

针对数控珩磨机电液比例进给系统进给压力/位移相对迟缓、动态性能差的问题,通过建立珩磨机进给系统比例阀控液压缸数学模型,采用二维模糊神经网络控制器将模糊逻辑推理与神经网络的自学习功能结合起来,提高系统的自学习能力,并进一步提高系统的动态性能。仿真实验表明,采用模糊神经网络控制器对数控珩磨机进给系统进行实时控制,系统稳定性改善的同时,响应速度加快,进给系统的综合性能得到提高。     

基于模糊神经网络的故障预测方法研究

在对模糊神经网络技术进行研究的基础上,介绍了故障预测原理,建立了预测分析的模糊神经网络模型,提出了改进的预测算法,并举例对算法进行了仿真验证。预测结果表明该方法能够取得比传统的BP更好的效果,是可行而有效的。为仪器设备的尽快维修提供了可靠的依据,具有良好的应用前景。     

基于自调整规则因子的数控进给伺服控制器设计

介绍了自调整规则因子模糊控制器的原理,利用Matlab仿真软件中的模糊逻辑工具箱和Simulink仿真环境对该控制器进行了仿真,并应用于数控进给系统中,提高了控制系统的动态性能和稳态误差.     

机床切向进给速度模糊控制器的设计

根据某机床工作的实际需要,基于模糊控制原理,设计了该机床切向进给速度的模糊控制器,并利用MATLAB仿真软件对其进行了仿真分析。分析结果表明:模糊控制使得系统的超调量和稳态误差有所减小,提高了系统跟踪速度信号的能力,保证了切向进给速度的稳定。     

基于神经模糊技术的电液伺服控制

研究了基于神经模糊混合技术的电液伺服系统控制问题。综合神经网络与模糊逻辑技术的优势,构造了一种神经模糊控制器,它具备知识自动获取、并行分布存储及快速模糊推理决策的能力,给出了一种在线学习算法。用于一类典型的电液伺服系统的控制,获得了满意的效果。神经模糊混合技术对于电液伺服控制的发展与要求（如更复杂系统及其高性能控制）具有重要价值。     

电液伺服振动平台的模糊PID控制器设计

基于具有体积小、操控方便、安全性能好、可以实现大功率等优势的振动平台,融合了普通PID控制算法控制精度高和模糊控制算法灵活且具有强大的自调整功能等优点的模糊PID控制技术。利用MATLAB/Simulink仿真软件设计了一种具有响应速度快、无滞后、超调量小、控制精度高等优点的模糊PID控制器,并仿真验证了该模糊PID控制器能够满足电液伺服振动平台具有时变参数、扰动变化大、非线性控制系统的控制要求。     

皮革数控裁剪机伺服进给系统的设计与仿真

为了满足皮革裁剪机自动化高速裁剪的需求,设计了皮革裁剪机伺服进给系统.针对皮革数控裁剪时所存在高速切割和动态响应性问题,对伺服进给系统进行了数学建模,同时对其机械传动机构进行了转动惯量等效分析;在此基础上提出了电流、速度和位置的三环PID控制策略,建立了伺服进给控制系统Simulink仿真模型.研究结果表明,采用了三环PID控制方法后的皮革裁剪机伺服进给系统获得了更加优良的动态特性,对进一步提高高速皮革裁剪机的裁剪速度和精度具有较好的工程实用价值.     

基于递归型小波神经网络的感应电动机伺服驱动系统自适应控制

针对感应电动机伺服驱动系统具有的多变、强耦合、慢时变等非线性特性和不确定性扰动,传统的位置速 度PID控制策略不能保证轨迹跟踪的精度和良好的动态品质的问题;保证系统对系统内部参数波动和外界不确定 性扰动具有较好的鲁棒性,在矢量控制策略的基础上,提出了基于递归型小波神经网络的自适应控制方案。神经 网络参数的在线学习机制采用delta自适应律并结合了BP算法和梯度下降法,算法简单,计算量大大减少。仿真 的结果验证了方案的有效性。     

一种新型的模糊神经网络控制器

本文在分析传统模糊控制的基础上,提出了一种由模糊神经网络实现的自适应模糊控制器,详细分析了网络的结构形式、控制器的在线学习、离线学习方法。最后成功地将它应用于两关节液压机器人的实时控制之中。     

基于双模糊控制器的间歇式控制系统设计

本文针对制药生产过程控制中间歇式反应釜温度控制非线性和大滞后的特点，提出了用双模糊控制组成前馈-反馈控制器的方法，并以药品酯化过程控制中的反应釜作为控制对象，翌模塑控制器的一般设计方法进行了详细的表述。最后通过实际控制结果充分证明这种控制器的可用     

基于模糊神经元控制的交流伺服系统

根据交流伺服系统高性能的要求,设计了一种模糊单神经元混合协调控制的交流伺服系统,它融合了模糊控制及神经网络控制技术各自的优点,大大提高了伺服控制的动、静态性能,取得了满意的效果。     

电液伺服系统的模糊神经网络并行自学习鲁棒控制

基于模糊神经网络结构，提出了一种复合式控制方案，解决了传统自适应控制中模型的在线辨识和控制器的在线设计问题。达到了对不确定非线性系统的高精度输出跟踪；通过引入运行监控器，解决了模糊神经网络实时性差的问题；同时，利用一个鲁棒反馈控制器，来保证模糊神经网络学习初期闭环系统的稳定性。应用到电液力伺服加载系统中，获得满意控制效果。     

用于非线性加热炉的神经网络预测控制器

将预测控制的优化思想与神经网络精确描述非线性和不确定性动态过程的特性有机结合,提出了可用于非线性加热炉的直接优化的神经网络预测控制方法,该方法是采用离线训练的神经网络,通过在线反馈校正,分段优化控制量,可使最优预测输出逼近参考轨迹;基于李雅普诺夫方法,讨论了闭环系统的稳定性,得到闭环系统局部渐进稳定的一个充分条件;讨论了加权系数h和λ对系统的影响;仿真结果表明了该方法的有效性、准确性和鲁棒性。     

电液位置伺服系统的自适应模糊神经网络控制

将电液位置伺服系统分为已知规律的线性部分和包括非线性、参数不确定性、负载干扰等在内的未知规律部分，用模糊神经网络仅对未知规律部分进行在线估计，缩小了搜索空间，系统估计的精度得到改善，加快了收敛速度。同时，对模糊神经网络建模误差的界进行在线估计，使变结构控制增益由接近建模误差的估计值确定，克服了传统变结构控制因过于保守的鲁棒控制增益带来较大控制量而不易实现的缺陷。     

基于简化模糊模型的广义预测控制器

利用适应模糊推理修正非线性系统的局部线性化，提出一种基于模糊辨识的非线性系统广义预测控制器。仿真研究表明，该算法能有效实现对非线性对象的预测控制，抑制外来噪声，具有良好的鲁棒性。     

基于模糊控制的液压伺服控制系统研究

针对非线性的液压伺服控制系统,设计了一种常规PID控制器和一种模糊PID控制器,并分析了它们的优点和缺点。通过MATLAB仿真表明,该模糊控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强、可靠性高的特点,为液压系统控制提供了可行的方案。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于泵控缸位置伺服系统的模糊控制系统设计

在电液位置伺服控制技术中,大多采用电液伺服阀控制液压缸位置,其缺点是能耗大、效率低。为此设计了一种通过数字泵直接控制液压缸位置的模糊控制器,该控制器的设计目标是在实现液压缸的精确位置伺服控制的同时追求节能降耗。     

一种基于DSP的伺服控制器的设计与应用

介绍了一种由专用电机控制芯片DSP MotionChip作为核心的伺服控制器，该伺服控制器可以方便的用于各种运动控制系统中。文章详细地介绍了该伺服控制器的硬件组成原理、软件结构方案，以及由多个这种伺服控制器组成的多轴运动控制的方法。     

一种带有稳态参数的新型神经网络模糊控制器

本文首先设计了一种比较新型的基于神经网络的模糊控制器,然后使用了一种改进的BP网络训练算法L-M算法,最后对训练好的控制器进行仿真实验,实验中加入了一个稳态参数,实验结果表明其具有较好的控制性能。