基于模糊控制对剪切线位置控制方式的改进

定尺控制是钢板剪切线研究的一项重要内容.针对中厚板剪切生产线对板材定尺的要求，对剪切线位置控制方式进行了改进，设计了一种输出参考模糊控制器.该控制器以预定的响应轨迹作为位置输出的参考，以此轨迹上的点对应的值与设备实际输出值之间的误差进行驱动，使系统在减速阶段以理想的参考轨迹为参照，实现快速、无超调的准确停车以完成对剪切板材定尺的位置控制.仿真结果和试验结果证明该方法具有优良的控制特性和很强的鲁棒性，满足位置控制的要求.     

基于遗传算法的模糊神经网络PID控制器研究

研究对象是某类型贴片机的位置控制系统,运用基于遗传算法的模糊神经网络 PID控制器对其位置系统进行控制.着重介绍了基于联接机制的模糊神经网络的结构,以及遗传算法对模糊神经网络的网络结构和隶属度函数的优化.通过实例详细地给出了优化过程和优化结果,并通过仿真结果,充分地说明了模糊神经网络的优异性能以及遗传算法在多目标寻优中的强大优势.     

基于HGA的模糊神经控制充电器设计与实现

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应,提出了基于递阶遗传算法的模糊神经网络优化算法来进行蓄电池的充电控制,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数,实现对非线性的、时变的、有干扰的、具有纯滞后的蓄电池充电控制系统的最佳控制.     

基于神经网络PID控制的抛料垛板系统

抛料垛板是中厚板剪切线最后一道工序,为了保证剪切自动生产线的效率并防止在垛板时损坏板材表面,提出了一种基于神经网络PID控制的抛料垛板系统.该控制系统采用智能控制中的神经网络和经典PID控制相结合的方式,实现抛料辊驱动电动机对九辊矫直送料电动机的位置跟踪,保证了抛料的高效性,在辅助隔板的作用下,有效防止了板面受损.通过分析和仿真实验表明,抛料垛板系统具有响应速度快、稳态精度高和鲁棒性强等优点,能够满足钢板剪切线高效优质剪切的生产需求.     

汽车牵引力控制系统的控制方法

将逻辑门限、PID、模糊以及神经网络等控制方法应用于牵引力控制系统,建立了油门位置控制器和驱动轮制动控制器。采用计算机仿真方法对各控制方案进行了比较分析。结果表明:油门控制采用神经PI、制动控制采用逻辑门限方法最实用。     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

模糊神经网络在夹送辊同步控制中的应用

针对滚切式双边剪在钢板剪切过程中的跑偏问题以及夹送辊在输送钢板过程中不同步所造成的钢板跑偏现象,研究了基于模糊神经网络的模型参考自适应控制算法及其在中厚板生产线上双边剪夹送辊传动系统中的应用.利用模糊神经网络的自学习能力整定PID控制器参数,以实现有效的非线性控制.基于此方法进行夹送辊同步控制,以防止钢板跑偏.通过仿真实验,证明了该算法的有效性,说明了模糊神经网络的模型参考自适应控制器在系统参数时变时的控制效果优于传统的PID调节器.     

直接驱动X-Y平台递归神经网络控制仿真

针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线 轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络（SCFNN）和递归神经网络（RNN）的优点.仿真结果表明,所设计的控制系统对于参数的变化、外部的扰动等具有较强的抑制作用,减小了系统的轮廓误差,具有较强的鲁棒性.     

基于模糊神经网络的自主车导向控制器

为了实现自主车跟踪固定路径的精确控制,建立了自主车路径偏差控制系统的数学模型。设计了基于神经网络的自主车导向控制器,建立了模糊神经网络控制器的结构,并由实验数据产生训练样本。该控制器通过精确控制两个驱动轮的差动转速实现路径跟踪。实验结果表明采用模糊神经网络的导向控制器能够稳定地实现跟踪导向路径的控制功能。     

船舶航向保持模糊神经网络控制器研究

将模糊控制与神经网络融合为一体,为船舶航向保持控制系统设计出一种模糊神经网络自学习控制器．计算机仿真结果表明,控制方案可行,控制系统性能良好．模糊技术与神经网络的有机结合,为复杂系统的智能控制提供了良好的手段．     

船舶航向保持模糊神经网络控制器研究

将模糊控制与神经网络融合为一体,为船舶航向保持控制系统设计出一种模糊神经网络自学习控制器,计算机仿真结果表明,控制方案可行,控制系统性能良好,模糊技术与神经网络的有机结合,为复杂系统的智能控制提供了良好的手段。     

基于T—S模型模糊神经网络预测的退火炉温度控制

目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性．方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T—S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温．并通过仿真与传统的模糊PID控制方案进行对比分析．结果T—S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点．结论T—S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制．     

基于神经网络预测的铝电解模糊控制系统应用

目的采用神经网络作为非线性估计器,设计自组织模糊控制器,解决常规控制方法难以解决铝电解过程中存在的时变和大时滞问题,提高控制性能.方法在分析铝电解生产过程的基础上,通过建立神经网络预测模型以及基于规则双阶段获取的自组织模糊控制器,将神经网络与预测控制算法相结合,提出了一种基于神经网络预测的铝电解模糊控制系统.结果给出了以STD工业总线控制机为核心的模糊控制系统,实现了铝电解过程的最优控制.使得神经网络预测模型的输出能够很好地跟踪铝电解生产过程,预测效果更佳.结论该系统能使电解过程很快达到稳态,产生的超调量较小,具有良好地响应特性和鲁棒性,提高了铝电解过程的动态和稳态性能.     

超声-电火花加工中的放电间隙实时控制

超声-电火花复合加工控制系统是1个典型的高度非线性、强耦合的时变复杂系统,控制系统的性能是决定复合加工性能好坏的关键.针对超声-电火花复合加工系统的这一特点,设计了新型模糊神经网络控制器.神经网络采用添加动量项的LMS算法(最陡下降法)自学习得到模糊控制规则,并随系统变化对其进行优化.该控制算法优化了控制过程,提高了控制系统的实时性.通过普通电火花加工设备提取出加工效果试验数据,建立加工效果与放电参数之间的关系模型,对放电间隙进行实时控制,试验结果表明新型控制器的控制效果优于传统加工效果.     

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器(FNN)实现对超声马达位置进行控制的方法，并提出适应法则进行在线训练，以减小由于参数的不确定性和外部干扰对超声马达所产生的影响，提供了FNN控制器的结构图，仿真与实验研究表明，FNN控制器能够实现对超声马达位置的精确控制。     

深孔电解加工中模糊神经网络控制方法的探讨

针对电解加工过程中由加工参数相互影响导致的系统复杂的和不确定性,结合模糊控制的推理性特、神经网络自适应和并行运算的特点,设计了利用神经网络反馈学习调整模糊控制器结构参数的模糊神经网络控制器。仿真试验表明,该控制器能够较好地完成控制任务。     

汽车主动悬架系统的神经网络控制算法

通过对汽车主动悬架建立再生神经网络模型,提出了一种神经模糊适应性控制算法,该算法在多层神经网络的基础上,借助一套模糊规则,调节模糊神经控制器参数,通过神经网络建模确定了汽车主动悬架的动态参数,并向神经模糊适应性控制器提供学习信号．对一辆装有磁流变液减振器及基于DSP微处理器模糊神经控制系统的微车,在各种速度与路面条件下进行试验,将控制效果与开环被动悬架系统的进行了比较,结果表明,神经控制算法在减小微车振动方面表现出了良好的性能．     

直流无刷电机位置跟踪的模糊PID控制

为了设计高精度的直流无刷电机伺服控制系统,性能优良的位置跟踪控制器是其重要保障.基于直流无刷电机的工作原理.运用Matlab/Simulink建立其自动位置跟踪控制系统的计算机仿真模型,系统的电流和速度环采用PI控制,结合PID控制和模糊控制设计了系统位置环的模糊PID控制器.数字仿真结果表明,模糊PID控制的动静态特性优于传统单一的PID控制,论文的研究工作对设计性能优良的直流无刷电机控制器具有借鉴意义.     

非线性动态系统的模糊神经网络自适应H∞鲁棒控制

针对非线性动态系统不稳定性,提出了一种基于模糊神经网络的H∞鲁棒直接自适应控制方法,通过设计非线性动态系统的H∞控制器,采用模糊神经网络在线学习对动态系统的建模不确定性产生的误差,可保证不确定闭环稳定并具有H∞性能,并证明了模糊神经网络H∞鲁棒直接自适应控制系统的稳定性,仿真算例也表明了该方法具有较好的抗干扰性能、鲁棒性较好.