多层卷绕钢丝绳的张力控制仿真研究

针对多层卷绕钢丝绳张力恒定的控制要求,以及卷绕钢丝绳变层时干扰信号强的特点,采用S函数建立了神经网络PID控制器,通过训练神经网络的权系数间接地调整PID参数来优化控制效果,并对多层卷绕张力控制系统进行数学建模与Matlab/Simulink仿真,通过与常规PID控制仿真结果对比,表明设计的神经网络PID控制器比常规PID控制器对多层卷绕钢丝绳张力控制具有更好的效果。     

液压提升机电液伺服控制系统研究

液压提升机液压系统具有大惯量、非线性、变参数等特性,用c-mex s-function实现模糊神经网络控制器,对其液压部分和控制部分分别建立Amesim和Simulink仿真模型。分析Amesim/Simulink的联合仿真结果可知,模糊神经网络PID控制器在液压提升机的控制系统中具有良好的干扰抑制性能和跟踪能力。     

基于模糊RBF神经网络的风机综合节电控制器的设计

风机系统大多都是大滞后、强耦合、非线性的系统,针对传统的PID控制、开环恒压频比控制对风机这类负载达不到理想的控制效果,提出了基于模糊RBF神经网络控制的风机综合节电控制器的设计方案,将变频调速和功率因数补偿结合,分析了综合节电控制器的原理、建立数学模型以及模糊RBF神经网络控制器的设计,并进行MATLAB仿真。     

提升机恒减速制动过程仿真分析及控制系统设计

矿井提升机中应用模糊神经网络技术,对其速度进行控制,能够促使矿井提升机在相应减速过程中就恒减速过程予以实现。本文通过设计高精度模糊控制器,实施计算机数字仿真,对恒减速制动模糊控制进行试验验证,以此得出最终设计效果。     

提升机恒减速过程模糊控制技术研究

将模糊神经网络技术应用于矿井提升机的速度控制,使矿井提升机减速过程实现恒减速过程。文章就模糊控制器的设计和模糊控制器的数字仿真进行了研究,以及恒减速模糊器的试验研究。     

模拟复合正交神经网络控制器在机械臂控制中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并应用于机械臂的控制.控制器采用模拟复合正交神经网络与PD的并行控制方法,对机械臂的位置控制做了仿真实验.结果表明,相对于常规PD控制器,该神经网络控制器具有自学习、自适应功能,位置跟踪获得了满意的控制效果.该模拟神经控制器能应用于机器人控制系统中.     

模糊控制在水位自动调节系统中的应用研究

针对水位自动调节系统中存在的参数时变性、死区非线性等问题,设计了基于模糊神经网络的控制器。该模糊神经网络控制器增强了传统模糊控制的性能,可以实现在线和离线的自适应调节,改善了系统的动态响应特性。计算机仿真结果表明系统的控制精度、稳定性和对复杂工况的适应性都得到了显著提高。     

基于BP神经网络的煤矿矿井空调模糊控制器设计研究

针对矿井空调被控对象时滞、时变、非线性的特点,基于神经网络方法,设计了一种基于BP算法的神经模糊控制器,通过采用MATLAB提供的神经网络工具箱和Simulink软件包对其进行了仿真。结果表明,该控制器比经典PID控制及单纯模糊控制具有较好的鲁棒性,动态性能好,控制迅速,适于我国煤矿企业广泛使用的矿井空调控制系统。     

轴承故障的模糊聚类方法

介绍了模糊聚类方法的原理及FCM算法,并将它应用于少故障类别的轴承故障诊断中,取得了良好的效果,与神经网络方法相比,模糊聚类方法的实现只需少量样本,克服了神经网络方法需要大量样本来实现的瓶颈,实用性更强。     

一种模糊神经网络控制器

简单介绍了模糊技术和神经网络的关系 ,并给出了一种利用神经网络技术的模糊控制器的控制方案。应用模糊神经网络技术 ,将模糊逻辑与BP算法相结合 ,使该控制器具有很强的适应性 ,拥有模糊控制和神经网络的双重优点 ,适用于参数时变、纯滞后的高阶系统。     

基于模糊小波神经网络的永磁直线同步电机故障诊断

在分析永磁直线同步电机故障的基础上,采用小波基函数作为模糊隶属函数,将模糊控制与神经网络相结合,建立模糊小波神经网络模型,实现对永磁直线同步电机的故障诊断。针对BP算法的不足,使用混合学习算法训练网络,优化了网络参数。仿真结果表明该方法是很有效的。     

空气重介流化床分选过程解耦控制研究

针对空气重介流化床干法分选系统具有多变量、非线性、强耦合和参数不确定性的特点,提出了两级串联结构的自适应模糊神经网络解耦控制策略,前级为基于连续性智能权函数规则的自调整模糊控制器,后级为基于动态耦合特性的自适应神经元解耦控制器。     

基于遗传算法改进BP网络的地表沉陷预计

本文采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络，即先用遗传学习算法进行全局训练，再用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，将该方法应用于地表沉陷预计问题中。建立了采动地表沉陷的神经网络预计模型，利用矿区大量的地表沉陷实际观测数据样本对该神经网络进行训练和学习，并用该网络对几组数据进行采动地表沉陷预计。结果表明，该神经网络预计模型具有收敛速度快、预测精度高的优点，为采动地表沉陷预计提供了实用的方法。     

模糊神经网络在提升机制动系统故障诊断中的应用

针对BP神经网络在提升机制动系统故障诊断中的局限性,如收敛速度慢和可靠性差等缺点,根据提升机制动系统的故障机理和特点,提出了一种基于遗传算法的模糊神经网络故障诊断方法。结合了神经网络和模糊逻辑的优点,在利用神经网络对提升机制动系统进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,并利用遗传算法对网络的权值和阈值进行修正,加快了网络收敛的速度,克服了易陷入局部极小的问题。     

模糊神经网络在矿井提升机直接转矩控制中的应用

基于神经网络与模糊控制的结合,提出以基于神经网络的模糊控制器的矿井提升机直接转矩控制(DTC)系统。该系统具有很强的鲁棒性和自适应性,动态响应快,速度跟随准确。     

基于模糊神经网络的重介质悬浮液的密度和液位的控制

针对在重介质选煤过程中存在着时变、非线性和强耦合的控制环节,传统的控制策略并不能很好的对其进行控制的问题,采用了模糊神经网络控制算法,建立了重介质选煤过程的控制模型,该模型主要由模糊神经控制器控制主选分流执行阀和加介分流执行阀和清水阀来完成重介质选煤控制,对该控制策略进行工业试验,结果表明,对于重介质悬浮液密度和合格介质桶的液位的控制,采用模糊神经网络控制策略精度高,响应速度较快,可满足生产工艺的控制要求。     

采煤机调高系统的模糊神经网络自适应控制

针对采煤机滚筒调高系统的非线性特点,采用了一种基于BP算法的模糊神经网络自适应控制,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力融为一体,形成了对非线性系统的良好控制策略。经仿真结果表明,该系统具有良好的动、静态性能及自适应性。     

免疫RBF神经网络PID控制器在矿井输送机中的应用

针对如今复杂被控对象大滞后、非线性和时变性的特点,研究把人工免疫算法和RBF神经网络相结合对PID控制器进行参数寻优,应用到矿井输送机上。利用人工免疫算法,无需事先确定隐层结点个数,设计了一种动态的RBF神经网络,并且分析基于免疫算法的RBF神经网络的PID控制器的算法结构。通过仿真实验得知:研究设计的免疫RBF神经网络的PID控制器在抗干扰性、跟随性和鲁棒性方面都表现出了良好的控制效果,非常适合用于控制模型不确定的情况。