遗传算法和神经网络融合型最优控制器及其在铣削加工参数控制中的应用

本文提出了一种改进的高效率遗传算法,并将它与神经网络相结合形成最估控制器,其中神经网络实现对过程的在线辨识,遗传算法根据辨识结果得出成输入以实现最优控制,并将此最优控制器用于铣削加工过程的在线建模和实时最优控制,最后给出了仿真和实验结果,证实了该成控制器的有效性。     

遗传算法及其在训练前向神经网络中的应用

本文论述了遗传算法的基本原理，操作及算式，并以一个识别部分英文字母的多层前向神经网络为例，给出了用遗传算法训练网络优化网络权值的方法和步骤，实验结果表明了这一方法的有效性。     

遗传算法在神经网络中的应用

本文在分析了神经网络在应用中存在的局限性的同时也介绍了遗传算法的基本概念,以及分析遗传算法在实际应用中的优势．并且在此基础上介绍了使用遗传算法优化神经网络的方法和在应用中使用遗传算法优化神经网络时应该注意的问题以及参数的设置方法。     

遗传算法在辅助设计神经网络中的应用

本文论述了遗传算法的基本思想，基本操作及运用过程，并给出了它在辅助设计人工神经网络中的实例。实验结果表明，利用遗传算法技术辅助设计神经网络消除了目前采用的反复试验方法所固有的盲目性和随机性，并能确保得到最佳方案的设计。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

遗传算法和神经网络在白细胞自动识别中的应用

该文讨论并建立了一真彩色白细胞显微图像微机自动识别系统。针对传统组合优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征选择策略。根据细胞特征,笔者对传统的遗传算法做了相应的改进。最后运用选择特征子集来训练BP神经网络作为分类器。结果证明该方法对于分类系统的性能优化有明显效果。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用,并对目前几种较重要的神经网络控制现状进行了评述,最后对神经网络控制的发展作了展望。     

遗传算法和BP神经网络在GDP预测中的应用

GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果制定相应的宏观调控手段,对GDP与经济发展提出政策思考,是十分有意义的。因此,文章运用遗传算法和BP神经网络对GDP进行预测,以揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。     

遗传算法和模糊神经网络在齿轮传动中的应用

基于遗传算法优化模糊神经网络齿轮传动机构优化的新模型,首先将各参数用二进制串表示,用适合度函数衡量算法的收敛状况。然后寻找最优模糊隶属函数参数,按适值选取最后一代群体中N个可能具有全局性的进化解,分别以该进化解为初始权值,用BP神经网络进行求解,比较N个由神经网络求得最优解,从而获得全局最优解。Matlab仿真结果表明所构造的识别模型预测误差非常小。     

基于遗传算法的神经网络在销售决策中的应用

在传统的ERP中，销售管理的预测分析是一个难题。通过采用遗传算法采样得到输入值，通过BP神经网络进行复杂的非线性预测，以使ERP系统智能化，自动化水平更高，通过神经网络自适应学习和训练，找出输入和输出的关系，以求解问题。     

受饱和输入约束的非线性系统滑模自适应控制

利用神经网络和滑模控制,研究带有饱和输入的一类非线性系统。为了便于问题分析,引入饱和约束模型输出与控制输入的差值这个变量,分5种情况讨论,求得神经网络权值的在线调节律,得到保证闭环系统稳定的控制律。利用Lyapunov函数,证明了闭环系统的稳定性;仿真实验说明了算法的有效性。     

基于遗传算法学习的复合神经网络自适应温度控制系统

针对一类温度控制系统中存在的非线性和参数不确定等问题,提出一种复合神经网络自适应控制结构.在控制系统中构造了神经网络正模型来再现被控对象的动态特性,用神经网络控制器实现优化控制律的非线性映射.文中选用了被控对象80组历史数据作为样本集,并利用遗传算法的全局搜索能力及高效率来训练多层前向神经网络的权系数.最后用升降温工艺曲线作为输入对温度控制系统进行仿真.仿真结果表明,应用遗传算法能够提高神经网络的学习效率.保证神经网络全局快速收敛,从而克服了传统的误差反传学习算法的一些缺点.证明了采用这种神经网络自适应控制结构.使神经网络控制器的输出可以适应对象参数和环境的变化.使温度控制系统具有很好的学习和自适应控制能力,取得了良好的控制效果.     

永磁同步电机的高阶终端滑模控制方法

提出一种基于高阶终端滑模的永磁同步电机转速控制方法, 提高了系统的鲁棒性和响应速度. 根据矢量控制原理, 设计了非奇异终端滑模面, 使得电机转速、直轴电流、交轴电流在有限时间内达到给定值. 同时, 采用高阶滑模消除抖振, 保证系统的稳定性. 仿真结果表明, 和PI控制方法相比, 电机转速能够更快地跟踪给定值, 并且, 系统对于负载扰动具有较强的鲁棒性.     

Adaptive B-spline-based fuzzy sliding-mode control for an auto-warehousing crane system

In this paper, an adaptive B-splined-based fuzzy sliding mode control (ABFSM) is presented to the application of auto-warehousing crane motion control. The ABFSM comprises an adaptive fuzzy identification controller (AFIC) and a B-spline-based compensation controller (BCC). The AFIC is designed to approximate the ideal controller of a crane system. To alleviate the load of fuzzy rule base construction, only the information from the sliding surface is used as the input of AFIC such that the conciseness and translucency of the control system can be upgraded. On the other hand, the BCC aims to compensate the approximation error of the AFIC. With the introduction of the B-spline function, the boundary of the approximation error can be represented by means of polynomial mapping. Thus, the design of the compensation controller can be achieved based on the characteristics of the B-spline function. In this paper, the objective of the ABFSM is to track the distance-speed reference trajectory of the crane control system. With the tuning law of the AFIC and the BCC, the stability can also be guaranteed by means of Lyapunov function. To validate the performance of the proposed approach, the ABFSM is applied to auto-warehousing crane motion control under various conditions for x, y, and z directions, respectively. From the simulation the advantages of the proposed ABFSM are demonstrated, where the capability to handle the uncertainty with efficiency is verified.     

数据挖掘技术在漏洞扫描系统中的应用研究

首先介绍了漏洞扫描和数据挖掘技术的相关知识,然后在此基础上提出了一个数据挖掘技术在漏洞扫描系统上的应用模型,并采用遗传算法与神经网络相结合的方法对系统进行了优化仿真实验,最后对其应用前景进行了展望。     

Certainty equivalence adaptation combined with super-twisting sliding-mode control

ABSTRACT

In this paper, a Lyapunov-based control concept is presented that combines variable structure and adaptive control. The considered system class consists of nonlinear single input systems which are affected by matched structured and unstructured uncertainties. Resorting to the certainty equivalence principle, the controller exploits advantages of both the sliding-mode and the adaptive control methodology. It is demonstrated that the gains of the discontinuous control action may be reduced remarkably when compared with pure sliding-mode-based approaches. The efficiency of the presented concept is demonstrated in detail, using results of numerical simulations.     

永磁同步电机伺服系统的自适应模糊滑模控制

针对永磁同步电机伺服系统的跟踪控制问题,提出了一种基于扰动观测器的自适应模糊滑模控制方法.通过扰动观测器估计等效扰动,改善了系统的动态性能和稳态性能,并且只需要等效扰动的变化有界,而不是为零,放宽了要求;根据模糊控制原理引入3条模糊规则,在保证滑模条件的前提下有效地削弱了抖振;采用自适应策略估计模糊系统参数的最优值,简化了控制器的设计.实验结果表明,与常规自适应模糊滑模控制相比,本文提出的控制方法不仅能够有效地减小跟踪误差,而且能够改善参数估计过程,保证了参数估计的有界性.     

永磁同步电动机新型滑模观测器无传感器控制

由于传统滑模观测器算法存在固有抖振, 根据永磁同步电动机的数学模型, 设计了一种新的滑动模态观测器转子位置自检测控制算法; 切换函数采用饱和函数代替开关函数; 选择合适的边界层厚度以削弱抖振; 将反电动势估算值反馈到定子电流的观测计算中, 通过选择合适的反馈值来提高低速时转子位置角的估算精度和高速时系统的稳定性. 为了简化驱动系统的硬件结构以提高滤波效果, 设计了一个截止频率可随转子转速变化的低通滤波器对延迟进行补偿. 以1台表面式永磁同步电动机为对象进行实验, 实验结果表明, 这种新型滑模观测器对电机参     

QGA-RBF网络在无线传感瓦斯监测系统中的应用

煤矿的安全事故中有80%以上为瓦斯事故,为了更加准确的预测瓦斯涌出量,使得煤矿安全进一步得到保障,采用足够的具有代表性的瓦斯检测数据作为样本,在无线传感瓦斯监测系统为模型的基础上,对采用QGA算法改进后的RBF神经网络算法建立的瓦斯涌出量预测模型进行瓦斯预测研究。并采用MATLAB进行仿真研究,结果表明经过优化后的预测模型较单一的RBF网络模型有更好的预测精度,可以为煤矿瓦斯防治提供理论依据。     

带有饱和的电机伺服系统非奇异终端滑模funnel控制

本文提出一种非奇异终端滑模funnel控制(NTSMFC)方法, 实现带有饱和输入电机伺服系统的指定性能跟踪控制. 根据中值定理, 非光滑饱和函数转化为放射形式, 并且应用一个简单的神经网络进行逼近和补偿. 为保证跟踪误差被限制在指定的界限内, 同时为避免构建复杂的barrier李雅普诺夫函数或逆函数, 本文采用一个新的限制变量. 然后, 构建非奇异终端滑模funnel控制器保证电机伺服系统的指定跟踪性能. 该方法无需事先已知输入饱和函数的界限等先验知识, 且基于李雅普诺夫函数设计可以保证位置跟踪误差的收敛性, 最后给出仿真对比实例证明了该方法的有效性.