共查询到20条相似文献,搜索用时 62 毫秒
1.
基于遗传算法的神经网络自适应控制器的研究 总被引:5,自引:1,他引:5
提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对BP算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足,用改进的遗传算法来优化神经网络辨识器与控制器的参数,以提高控制系统的性能,仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。 相似文献
2.
3.
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。 相似文献
4.
5.
非线性系统神经网络稳定自适应控制器的研究 总被引:5,自引:0,他引:5
提出一种利用神经网络逼近具有不确定性及随机干扰的仿射非线性系统新算法,采用自适应控制率在线调节网络权值,基于H∞控制选择控制量以削减噪声干扰,并从理论上证明了采用该算法后系统的全局稳定性。将该算法用于气动系统位置跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。 相似文献
6.
基于动态神经网络,研究了一类具有未建模动态的未知多变量非线性系统的鲁棒直接自适应控制。基于Lyapunov理论得出一种理棒稳定的权学习算法,该算法不需要知道理想权矩阵的先验知识,并保证设计的控制器的稳定性,仿真结果表明提出的鲁棒控制算法的有效性。 相似文献
7.
本文针对机械手轨迹跟随控制问题,提出了一种稳定的神经网络自适应控制器设计方法,这里机械的非线性动力学假设是未知的,提出方法是神经网络方法和扇区自适应变结构控制方法的集成,扇区变结构控制的作用有两个,其一是在系统神经网络控制失灵的情形下提供闭环系统的全局稳定性;其二是在神经网络的近似域内改进系统的跟随性能,本文采用李雅普诺夫稳定理论给出了的稳定性和跟随误差收敛性的证明,并且通过数字仿真验证了提出方法 相似文献
8.
基于BP神经网络的自适应控制 总被引:48,自引:2,他引:48
本文利用BP神经网络对被控对象进行在线辨识和控制。为实现自适应控制,本文对specialised learning算法进行了改进,在此基础上,本文还提出了一种基于BP网络的自适应PID控制器。 相似文献
9.
10.
11.
12.
并联机器人力控制是并联机器人研究的一个热点和难点,引起了许多学者的关注,并取得了一定的成果。多数使用了传统的力控制研究方法。该文中,作者将神经网络引入并联机器人的力控制中,并介绍了一种改进型BP神经网络,以及其学习算法和网络的训练过程,并结合实际并联机器人6-SPS并联机器人,设计出基于改进型BP神经网络的并联机器人自适应力控制器,并进行了仿真和实验研究,通过研究表明所设计的控制器是可行和有效的。 相似文献
13.
针对四旋翼无人机姿态控制中模型不完整、部分参数和扰动不确定的问题,提出了一种基于神经网络的自适应控制方法,采用RBF神经网络对无人机姿态动力学模型中不确定和扰动部分进行学习,设计了以类反步法为基础,包含反馈控制和神经网络控制的自适应控制器,实现了对未知动态的准确逼近,解决了传统控制方法中过于依赖精确模型的问题。同时设计了神经网络的权值自适应律,实现了控制过程中的在线学习和调整,并且通过李雅普诺夫方法证明了闭环系统的稳定性。仿真结果表明,在存在较大扰动的情况下,上述控制器可得到很好的控制效果,可以实现误差的快速收敛,具有较好的鲁棒性和自适应性。 相似文献
14.
质子交换膜燃料电池的神经网络建模与控制 总被引:2,自引:0,他引:2
该文从设计质子交换膜燃料电池(PEMFC)控制方案的角度出发,首先提出了采用Elman动态神经网络对PEMFC系统进行建模的新方法,以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络,并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度;Elman神经网络辨识可使辨识过程简化并提高了辨识精度。然后在此基础上设计了自适应模糊神经网络控制器。最后的仿真实验以Elman神经网络模型为参考模型,使用自适应神经网络控制算法控制PEMFC的工作温度,取得了较好的控制效果。结果显示所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。 相似文献
15.
16.
提出了一种神经网络自适应控制器,给出了控制器的结构形式和学习算法。基于MATLAB6.1/SIMULINK环境,利用SFUNCTION模块实现该控制器,给出了具体实现的一般方法,并针对三阶纯滞后、时变非线性对象进行仿真。仿真结果表明了该算法的有效性。 相似文献
17.
18.
19.
基于动态递归网络的PID自适应控制器的设计与应用 总被引:1,自引:1,他引:0
本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法。本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于汽车磷化加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于磷化温度控制,取得了良好的控制效果。 相似文献