神经网络α阶逆系统的结构、辨识及其在控制中的应用

对于未知非线性系统，采用人工神经网络构造其α阶逆系统，并将神经网络α阶逆 系统用于对原非线性系统的控制。仿真结果表明，该控制方法适用于一般的未知线性、非线 性系统，具有普遍意义，且结构简单，易于工程实现。     

永磁同步电机的神经网络逆动态解耦控制

永磁同步电机是一个非线性、强耦合系统，应用神经网络逆系统方法对永磁同步电机进行动态解耦控制研究。通过对永磁同步电机的数学模型可逆性分析，得出解析逆系统，由解析逆系统与永磁同步电机原系统复合成两个伪线性子系统来构造神经网络逆系统，使永磁同步电机动态解耦成二阶线性转速子系统和一阶线性磁链子系统，并采用鲁棒伺服控制器对伪线性子系统进行线性闭环控制器的设计，实现永磁同步电机转速和定子磁链的动态解耦，仿真表明系统具有良好的动静态性能。     

超声波电机神经网络逆模型的辨识建模

针对超声波电机时变、强耦合使得数学模型难以建立的问题,以超声波电机转速的非线性逆控制为应用背景,本文给出了超声波电机神经网络逆模型的辨识建模方法.基于实验测得的足够样本数据,通过反复测试确定模型形式为三层非线性DTNN网络.进行串-并联辨识,建立了以电机转速为输入、驱动频率为输出的超声波电机神经网络逆模型.所得模型的输入-输出关系与实测数据接近,表明了所建模型的有效性.     

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。     

基于神经网络直流PWM伺服系统自适应控制

针对直流ＰＷＭ伺服系统提出了一种采用神经网络的自适应控制方案，给出了采用神经网络的学习控制算法的稳定性分析，仿真结果表明采用神经网络控制的直流ＰＷＭ伺服系统具有快速性好，稳态精度高、对干扰和惯量变化有较强的鲁棒性，基结构简单，便于实现数字控制，为研究伺服系统的智能控制提供了一种新途径。     

基于神经网络的FUZZY控制器及其在伺服系统中的应用

介绍了一种用ＢＰ神经网络来完成从模糊化，规则推理到反糊化整个模糊控制过程的模型控制器，并将之肜于伺服系统的位置调节器。     

基于神经网络逆的永磁同步电动机解耦控制

针对永磁同步电动机这一非线性多变量的复杂系统,提出了不依赖对象精确数学模型与参数的永磁同步电动机神经网络逆系统控制方法.给出了永磁同步电动机的一般数学模型和解析逆模型,证明了该系统可逆,用神经网络逆系统对其进行控制是可行的.永磁同步电动机的逆系统由静态神经网络加积分器构成,与原系统串联,实现了永磁同步电动机的转速和磁链动态解耦.在此基础上,对两个解耦的伪线性子系统设计了线性闭环调节器,使整个系统获得优良的动静态性能.仿真实验结果表明,神经网络逆系统方法可以实现对永磁同步电动机的高性能控制,对参数变化和负载扰动具有较强的鲁棒性.     

神经网络α阶逆系统控制方法的可行性

证明满足一定条件的单输入单输出系统的α阶逆系统(与原系统复合起来可构成α阶积分或 时延系统)存在且唯一，阐明静态多层网络加若干积分器或时延因子可以逼近这样的α阶逆 系统，对神经网络α阶逆系统方法用于线性、非线性控制的可行性作了探讨。     

基于神经网络的机器人逆运动学算法

本文提出了一种基于神经网络改进算法的机器人逆运动学的求解方法，在讨论机器人逆运动学求解问题以及基于BP算法的神经网络基本原理的基础上，分析了几种BP算法改进方法，给出了基于神经网络的机器人逆运动学求解的具体步骤和设计神经网络的相关注意事项，与传统算法进行比较，通过PR实验室机器人仿真研究表明，该算法具有简单，学习收敛速度快等特点，且避免了传统算法的放多棘手问题。     

基于多标量模型的感应电机神经网络逆控制

感应电机多标量模型具有状态变量是标量且物理意义明确和不需旋转坐标变换等优点;神经网络逆系统适合解决不确定性因素(参数变化和外在扰动等)存在的情况下,感应电机高性能的控制问题.为此,提出基于多标量模型的感应电机神经网络逆控制结构,实现感应电机系统的自适应解耦线性化,进而提高系统控制性能.最后对系统进行了仿真研究和软硬件实现方案讨论,理论分析和仿真表明所提控制结构是有效的.     

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。     

基于神经网络逆系统的电力系统稳定器的研究

首先分析了具有PSS辅助励磁控制的单机无穷大系统的可逆性,在此基础上,以发电机功角为控制输出量,提出了一种基于神经网络??阶逆系统的电力系统稳定器(NNIPSS)的设计方案,为了增强伪线性系统的动态品质特性和鲁棒性,闭环辅助控制器采用Fuzzy-PID开关切换控制方式.将所设计的NNIPSS用于单机无穷大电力系统,并同常规PSS(CPSS)相比,仿真结果表明了其对于改善电力系统动态水平和暂态稳定的优越性和有效性.     

基于神经网络逆系统的磁悬浮开关磁阻电动机的解耦控制

磁悬浮开关磁阻电动机作为一个多变量、非线性和强耦合的系统,其控制系统的设计非常复杂.对于磁悬浮开关磁阻电动机来说,得到径向力和平均转矩的先验知识是实现电机闭环控制的基本条件.基于基本电磁场理论,论文给出磁悬浮开关磁阻电动机的径向力模型,对该模型进行可逆性分析,证明该系统可逆,应用神经网络逆系统方法实现径向力的动态解耦,以便达到高性能的控制目的,仿真结果验证了方法的可行性.     

双馈发电系统的神经网络逆控制

将神经网络逆控制方法应用于双馈发电系统,根据双馈发电机功率控制数学模型推导逆系统模型,合理选择逆控制输入、输出信号,用神经网络实现逆控制算法,将系统分解为有功功率和无功功率的两个单变量线性子系统.运用线性系统综合方法,设计了由PI调节器组成的有功功率和无功功率线性闭环子系统,建立了相应的仿真模型并进行了仿真.仿真结果表明,采用神经网络逆系统控制的双馈发电系统具有较好的性能,不仅能够方便地实现有功功率的控制,而且可独立地提供电网所需的无功功率.     

基于神经网络逆系统理论无轴承异步电动机解耦控制

无轴承异步电动机是一个多变量、非线性、强耦合的系统,其径向力和转速之间存在交叉耦合,若要实现电动机转子稳定悬浮和运行,必须对电动机转速和径向力进行动态解耦控制。为此,本文提出了一种基于神经网络逆系统的无轴承异步电动机解耦控制方法。理论分析表明,此方法可以将无轴承异步电动机动态解耦成位移子系统、转速子系统和磁链子系统,从而简化外环控制器的设计,进一步提高整个系统的控制性能。最后,对采用所提解耦方法的整个无轴承异步电动机控制系统进行了仿真和初步的实验研究,结果验证了该解耦方法的有效性。     

电液伺服系统的神经网络在线自学习自适应控制

针对电流伺服系统的复杂非线性和不确定性特性,提出了一种基于神经网络的在线自学习自适应控制策略,引入的神经网络模型可跟踪学习系统的时为动力学,控制器的设计依赖于系统的先验知识,控制参数的调整是基于被控过程的测量信息利用反馈误差学习算法实现的,该系统已应用大于型电液伺服结构试验机的控制,显示了优良的控制品质。     

两电机变频调速系统的神经网络广义逆解耦控制

两电机变频调速系统是一个多输入多输出(multi-input multi-output,MIMO)非线性强耦合的控制系统。神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的单输入单输出(single-input single-output,SISO)系统具有开环稳定的特性,从而有利于系统的综合。论文对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。基于S7-300PLC试验平台,分别研究伪线性复合系统的开环特性和闭环特性,试验结果表明神经网络广义逆控制方法不但可以实现系统的解耦,而且可以使伪线性化后的子系统开环稳定,附加闭环控制器的问题就迎刃而解。     

基于PID神经元网络的稳定平台伺服控制系统设计

介绍了稳定平台传统PID三环控制原理及结构框图.针对传统PID控制器的不足之处,设计了基于PID神经元网络的稳定平台伺服控制系统.仿真结果表明PID神经元网络控制系统具有较高的响应速度、较高的稳定精度和较强的抗负载扰动能力,具有很强的鲁棒性和自适应能力.     

可编程逻辑控制器变频调速系统神经网络逆控制

神经网络逆系统方法是近年来提出的一种新型的控制算法，它结合了神经网络与逆系统的优点，使其具有很强的应用价值。可编程逻辑控制器（PLC）以其优异的性能在变频器加异步电机构成的变频调速系统中得到了广泛的应用，但对于异步电机这一复杂控制对象，需要进一步提高其控制性能。使用神经网络逆系统方法完成了PLC变频调速系统速度环的线性化，并进行闭环控制。实验结果表明，与传统线性控制方法相比，采用神经网络逆控制的PLC变频调速系统的运行性能得到了显著提升，体现了神经网络逆控制的工程实用性。     

可编程逻辑控制器变频调速系统神经网络逆控制

神经网络逆系统方法是近年来提出的一种新型的控制算法,它结合了神经网络与逆系统的优点,使其具有很强的应用价值。可编程逻辑控制器(PLC)以其优异的性能在变频器加异步电机构成的变频调速系统中得到了广泛的应用,但对于异步电机这一复杂控制对象,需要进一步提高其控制性能。使用神经网络逆系统方法完成了PLC变频调速系统速度环的线性化,并进行闭环控制。实验结果表明,与传统线性控制方法相比,采用神经网络逆控制的PLC变频调速系统的运行性能得到了显著提升,体现了神经网络逆控制的工程实用性。