统一潮流控制器逆系统方法控制策略

统一潮流控制器在同步旋转dq坐标系下的数学模型, 反映出统一潮流控制器是一个强耦合的、非线性的系统. 为解决对这个强耦合、非线性系统直接设计控制器的困难, 采用逆系统方法, 将原系统线性化且解耦, 构造出一个伪线性系统. 然后, 运用变结构控制, 针对构造出的这个伪线性系统, 设计该系统的控制策略以实现对统一潮流控制器综合控制. 最后, 通过建立仿真试验模型进行仿真, 仿真的结果验证了文中提出的这种控制策略的可行性和有效性.     

基于神经网络逆控制的自适应控制器设计

根据系统非线性,参数不确定性和时变性等特点,提出一种基于神经网络逆控制方法,并介绍其结构和特点,通过仿真实验表明此结构的有效性。     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．     

神经网络广义逆系统控制

提出适合于高阶非线性系统线性化解耦的广义逆系统，它与被控系统复合后，不但能实现原系统的线性化和解耦，而且通过合理地设计逆系统，可使伪线性复合系统的极点在复平面上任意配置，进一步提出由静态神经网络和若干积分惯性等线性环节组成的神经网络广义逆系统，为模型未知且内部状态不易测量的高阶非线性系统的线性化解耦控制提供一条有效途径，进一步拓展了神经网络逆系统控制方法的适用范围。     

基于复合正交神经网络的自适应逆控制系统

目前,在自适应逆控制系统中常采用BP神经网络,而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足,但由于正交神经网络学习算法存在某些局限性,提出了一种复合正交神经网络,该正交网络结构与三层前向正交网络相同,不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数,该神经网络算法简单,学习收敛速度快,并能对网络的函数参数进行优化,为非线性系统的动态建模提供了一种方法。仿真实验表明,网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性,有线性、非线性逼近精度高等优异特性,非常适合于实时控制系统。     

基于前馈神经网络复合逆控制的研究

为了提高神经网络直接逆控制方法的跟踪精度和抗干扰能力,结合前馈神经网络直接逆控制与通用模型控制策略各自的优点,提出了一种基于前馈神经网络复合逆控制的方法。该方法将控制系统的参考轨迹改造成一条规范的二阶曲线,从而使得控制器参数物理意义明确,且易于整定。仿真实验验证了系统具有良好的鲁棒性和抗扰性能。     

神经网络α阶逆系统方法在开放式机器人控制器的应用

开放式机器人控制器的研究正成为机器人技术研究领域的热点。开放式机器人控制器除了硬件和软件上是开放的,还必须能作为一个平台,对机器人的相关算法进行研究和改进。在介绍本实验室开发的开放式机器人控制器的基础上,成功地将神经网络α阶逆系统方法作为机器人位置伺服算法应用于实际,取得了良好的控制效果。工程试验证明神经网络α阶逆系统方法是一种有前途的方法,还说明这套机器人控制器是“开放”的。     

非线性系统的神经网络自适应逆控制

提出了非线性系统的神经网络自适应逆控制方法。设计中使用了2个神经网络，经离线训练的NN1实现非线性系统的逆，在线网络NN2用于补偿逆误差和系统的动态特性变化，对一非线性系统的仿真结果表明，神经网络自适应逆控制能够提高系统的动态性能，并且具有较好的鲁棒性。     

基于神经网络的新型复合速度控制器的设计

针对传统PID控制和神经网络直接逆动态控制各自的特点,提出了将两者相结合构造一种新型复合神经网络速度控制器的方法：基于感应电机间接磁场定向矢量控制系统．对该复合速度控制器进行仿真研究。仿真结果表明,在电机参数变化和负载扰动的情况下,该控制器的应用使感应电机间接磁场定向矢量控制系统具有很好的鲁棒性和抗扰性能：     

两电机变频系统神经网络广义逆内模控制

为了提高非线性强耦合的两电机变频调速系统的解耦控制性能和鲁棒性能,提出了基于神经网络广义逆系统的二自由度内模控制方法。先对原系统数学模型进行广义逆存在性分析,进而推导出原系统的广义逆数学模型,再用动态神经网络逼近广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的解耦线性化与开环稳定,有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,保证系统的鲁棒稳定性。最后基于S7-300的平台,做了相关的试验研究。结果表明,该方法不但能够很好地实现系统的解耦,而且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制。     

时滞系统神经网络逆控制研究

为了改善大时滞对象的控制效果,提出一种带时滞时间辨识的神经网络逆控制系统。利用自适应线性元件与BP网络相结合,辨识对象的时滞时间及不含时滞环节的模型,再对不含时滞的模型构造神经网络逆,并选择合适的参考模型使逆模型的输出平滑。将训练好的逆模型作为控制器,与被控对象串联形成开环控制,有效避免了闭环控制可能引起的不稳定。仿真结果表明,该控制策略能够实现系统快速平稳的输出,且能够克服时滞时间及参数变化引起的不良影响,与Smith预估控制器相比,具有较好的鲁棒性及抗干扰能力。     

多变量自适应PID型神经网络控制器及其设计方法

提出一种PID型神经网络控制器（PID-like Neural Network Controller，PIDNNC）及其设计方法．基于PID的简单结构和良好性能优势以及神经网络的自调节和自适应的特长，创建一种具有PID结构的多变量自适应的PID型神经网络控制器．该网络控制器的隐含层由带有输出反馈和激活反馈的混合局部连接递归网络组成．通过定义误差函数作为设计目标，采用弹性BP算法，并用变化率以及弹性BP算法中的符号法来处理某些求导关系，获得适于实时在线调整网络权值的修正公式．根据李亚普诺夫稳定性定理推导出确保控制系统稳定的学习速率的取值范围．最后通过实例进一步说明所提出网络控制器的优越性．     

动态定量称重系统神经网络预测PID控制器研究

采用神经网络预测与PID控制理论相结合,为动态定量称重系统设计了一种神经网络预测PID控制器。该控制器算法简单,通过自学习、记忆功能在线调整PID控制参数KP、Kl、KD。建立了动态定量称重系统的仿真模型,将神经网络预测的PID控制与常规PID进行对比分析,神经网络预测PID控制器具有很好的控制效果。     

模糊神经网络在阿胶模式识别中的应用

介绍采用模糊神经网络法对动物药阿胶进行模式识别，识别效果令人满意，由于其有模糊性，对于一些杂皮胶或混胶，也能识别出相应的隶属度。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于神经网络PID控制的自动化测试系统的开发与设计

针对汽车交流发电机性能自动化测试系统中测试对象特性的多样性及测试环境的多变性,在进行测试条件参数调节的过程中,采用改进型BP神经网络PID控制器,实现PID参数的在线自整定,改善自动化测试系统的动态品质,从而有效提高发电机生产线的生产效率.     

逆系统方法的径向基函数网络实现

研究采用径向基函数网络（ＲＢＦＮ）构造系统逆控制器的工程实现问题，同时给出该直接逆动态控制器存在的充分条件。为进一步改善基于ＲＢＦＮ的直接逆动态控制器的动态性能，对该伪逆系统进行ＰＩＤ综合。仿真研究表明，以ＲＢＦＮ拟合对象逆过程的ＰＩＤ综合控制策略不仅能改善系统的动态性能，而且具有良好的参数鲁棒性能。     

一种神经网络自适应PID控制器

应用人工神经网络的原理,设计了一种神经网络的职能PID控制器。仿真结果表明,此PID控制器对非线性时不变系统有比传统的PID好的控制效果。该控制器将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确之优点,又具有神经网络自学习、自适应之能力,控制效果明显提高。     

基于自适应交互算法的神经网络控制器设计

自适应交互算法是一种简单有效的算法，可以应用于不同类型的系统，与常用的BP算法相比，它不需要反馈网络反向传播误差，可以直接用来设计自适应神经网络控制器，使控制器的设计简单化，将这种算法应用于神经网络，并设计了神经网络控制器，通过仿真研究表明，用自适应交互算法设计的控制器不仅结构简单，而且控制效果也非常好。