遗传模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，提出了基于遗传算法的模糊神经网络控制方案。该方案把神经网络与模糊逻辑控制结合起来，采用遗传算法（GA）对模糊神经网络控制器中的参数进行搜索和优化，给出了设计方法和优化步骤。实验结果表明：该控制方法用于交流伺服系统，具有精度高、无超调、收敛性好以及较强的鲁棒性和抗干扰性等优点。     

模糊神经滑模控制在交流伺服系统中的应用

针对滑模控制器中要求估算不确定参数的变化范围以及系统抖动的问题,提出了一种模糊神经滑模控制器的方案,该系统仿真结果显示其具有较强的鲁棒性     

基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用

提出了一种基于神经网络的规则自校正模糊控制器,设计了一种在线的模糊推理算法,利用神经网络调整模糊控制规则,并将其用于交流伺服系统的控制中,仿真实验结果表明：该控制器响应快、鲁棒性强,采用该控制器的系统具有较好的动、静态性能和抗干扰能力。     

基于模糊神经网络的交流伺服系统

提出了一种基于神经网络的模糊控制交流伺服系统,将神经网络与模糊逻辑结合起来,输入信号先模糊化,然后通过构建的神经网络,在线调整其权值和变化的控制参数,使系统的输出具有更好的动、静态性能,提高了系统的鲁棒性。仿真实验证明了这种基于神经网络模糊控制方法在交流伺服系统中应用的可行性和可靠性。     

某交流伺服系统GA-RBF神经网络建模

RBF(径向基函数)神经网络在处理现实问题时经常会遇到数据量大,网络结构复杂,难以寻找到参数最优解的问题.针对上述问题,利用遗传算法(GA)的全局搜索能力优化RBF神经网络,对具有复杂非线性的某交流伺服系统进行精确辨识.仿真结果表明了基于遗传算法的RBF神经网络具有建模精度高,泛化能力好的特点.     

双模糊神经网络模糊协调控制的交流伺服系统

根据交流伺服系统高性能的要求,设计了一种双模糊神经网络模糊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。     

交流伺服系统的神经网络控制及其性能改进方法

应用神经网络控制系统和模糊控制器各自优点，设计出高精度快响应交流伺服的位置控制器，并对神经网络算法进行快速运算的改进，对实际模型进行仿真，结果表明采用本文的控制器能逃跑伺服系统高精度快响应的要求。     

基于模糊高斯基函数神经网络控制的交流伺服系统

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络,并将之用于交流伺服系统的控制中     

神经网络在伺服系统中的应用

本文简要地介绍了神经网络的基本原理，重点阐述了神经网络在伺服系统中的应用及其发展趋势。     

基于遗传算法的模糊神经网络在动态系统辨识中的应用

复杂不规则系统的语言建模构成了许多控制／决策系统的核心问题,模糊逻辑是进行语言建模最有效的方法之一。本文介绍了一种基于模糊逻辑、神经网络和遗传算法的语言建模方法,并给出了新型的混合学习算法,即：首先由自组织算法确定出模糊神经网络的初始隶属度函数;其次由最大匹配因子学习算法完成模糊规则确定;最后提出了一种改进的遗传算法用来优化调节已经获得的隶属度函数。通过具体的仿真实例说明了所提出的建模方法在动态系     

基于模糊神经网络算法的交流伺服系统DSP控制

将神经网络与模糊逻辑控制结合起来,设计模糊神经网络控制器应用于交流伺服系统中的转速调节器,克服交流调速系统中参数漂移、非线性和耦合等因素的影响.针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器(DSP)作为控制器运算单元,并在DSP上实现模糊神经控制算法,提高了系统实时性.实验结果表明,采用该控制器的调速系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

基于模糊控制的交流伺服系统

将模糊控制器用于交流伺服系统的控制，利用模糊控制不依赖于对象模型和鲁棒性强的优点来克服交流伺服系统中参数漂移、非线性和耦合等因素的影响。实验结果表明基于模糊控制的交流伺服系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。     

双滑模统一控制在交流伺服系统中的应用

针对强耦合数学模型的伺服系统抗干扰问题,提出了一种位置、电流双滑模统一设计的方法。这种方法可以采用控制电压向量的方法,使位置、速度、电流误差都以滑模规律自动衰减,并且电压向量的选择加入模糊控制,使控制柔化,减少了系统在滑模线附近的抖动现象,使系统鲁棒性好,响应速度快。通过Matlab6．5的仿真,验证了这种方法的可行性。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。