基于模糊神经网络 PID 的开关磁阻电机控制系统研究

针对开关磁阻电机存在的转矩脉动大、噪声大、速度不稳定等问题,对开关磁阻电机的启动、运行、调速等方面进行了研究,提出了一种基于模糊神经网络PID的控制方法,将模糊控制理论与BP神经网络相结合,构成了模糊BP神经网络,根据系统误差,误差的变化,以及误差变化的变化实时调整PID控制参数,使电机在整个转速范围内获得了最优的PID参数。实验采用DSP作为控制核心,不对称逆变桥作为功率变换器,驱动一台2 k W的开关磁阻电机运行。研究结果表明,该方法大大改善了开关磁阻电机控制系统的动、静态性能,控制精度高、转矩脉动小,对干扰有较高的鲁棒性。     

RBF神经网络在非线性系统辨识中的应用研究

用RBF神经网络代替BP神经网络 ,通过函数逼近完成对非线性系统的辨识 ,然后结合RBF网络的特性在RBF网络的泛化性能的提高方面进行了分析研究 ,并结合实例仿真进行检验     

基于RBF神经网络的某交流伺服系统辨识研究

针对某交流伺服系统的模型辨识问题,采用RBF神经网络进行系统辨识.由于神经网络学习时间较长且不易收敛,故用聚类与梯度训练相结合的混合学习算法对RBF神经网络进行训练.使用聚类方法对学习样本进行聚类,确定隐含层结构,用梯度训练法对确定的网络结构进行训练,仿真实验验证了该混合学习算法的有效性.     

基于线控电动汽车的驱动转向 一体化控制器研究

Aiming at the problem that recently both the driving strategy for the motor in wheel and steering strategy for the electric vehicle were researched independently,the structure,the control system,the motor in wheel driving control system,the independent steering system, the CAN communication network and the power tube isolation drive were studied,and the integrated controller for the electric vehicle was proposed. Experiments on 5 kinds of vehicle working mode were carried out based on the integrated steering controller driver. The steering and electronic diferential control of tlie normal working mode was focused by experiment. The results indicate that tlie integrated controller can meet tlie real time,accuracy and reliability requirements of tlie electric vehicle. [ABSTRACT FROM AUTHOR]     

神经网络模型参考控制在风力发电机组变桨距系统的应用

变桨距系统是风力发电机组研究的关键部分。针对变速变距型风力发电机组的液压驱动式变距执行机构,提出了基于神经网络模型参考的PID变桨距控制方法,以解决变桨距机构的非线性、参数时变性、抗干扰和滞后性控制问题。     

基于OPNET的数字化变电站DoS攻击建模与仿真研究

针对智能变电站通信网络面临后果中最为严重的拒绝服务攻击(DoS)类型,首先对数字化变电站的周期性、随机性、突发性等不同特性的数据流进行了建模,随后给出了基于SYN-flood攻击原理的数字化变电站DoS攻击建模,并详细介绍了基于OPNET的仿真模块设计及实现方案;搭建了变电站星型网络站控层服务器遭受SYN-flood的攻击仿真场景,并针对变电站常见的10Base T、100Base T两种链路宽带场景进行了仿真。仿真结果展示了DoS攻击前后的站控层服务器主要性能特性以及后果,即导致服务器CPU持续处于高利用率状态;TCP连接延时增加;链路吞吐量增加以消耗链路带宽等,从而揭示DoS攻击企图达到服务器无法响应正常的业务请求即拒绝服务的目的。     

基于RBF神经网络的电液伺服系统应用研究

采用RBF神经网络实现对电液位置伺服系统辨识建模,在线跟踪系统模型的变化,以此为基础设计控制参数可在线调节的神经网络PID控制器,解决系统非线性以及不确定性给系统带来的控制问题,提高系统的控制性能,实现系统的智能控制。     

汽车空调控制系统的低成本设计研究

为降低自动空调系统的成本,以及在商用车和工程机械上的推广应用等问题,将嵌入式微控制器技术应用到空调控制系统中。对汽车空调制冷和制热的工作机理进行了研究,开展了控制系统主控芯片的降成本选型可行性分析,建立了汽车空调的工作原理和其所适用的控制系统硬件之间的关系,提出了离散化控制算法在低成本空调控制系统中的软件实现方法,给出了基于STC12C5AS2微控制器的控制系统硬件设计。在汽车空调系统模拟测试台上对系统启动时间、操作响应速度等技术指标进行了评价。结果表明,选用8位微控制器设计的汽车空调控制系统不仅可以降低硬件成本,而且开机速度快、操作体验良好,能够满足用户的使用要求。     

并网光伏系统低电压穿越策略综述

针对光伏电源大规模接入电网后引起的电网稳定问题,对国内外电网故障时光伏低压穿越策略的研究成果进行了梳理与总结。首先分析了目前我们国家对光伏低电压穿越能力的要求以及实现途径;然后分别阐述了外加辅助设备和逆变器控制两大策略具体实现低电压穿越的各种方式以及发展情况;再对两大类穿越策略以及各种实现方式的优缺点进行了分析和总结,并为光伏低电压穿越策略的后续研究提供了建议和参考。研究结果表明,上述两类低压穿越策略可以按实际情况单独或配合使用,这样能更经济有效的实现光伏的低电压穿越。     

基于RBF神经网络动态辨识的自整定PID控制策略

提出了在采用最近邻聚类算法在线构造RBF（NN1）正向辨识器,并在线辨识被控对象的Jacobian阵的基础上,引入RBF（NN2）对PID控制器参数进行在线调整的算法。该算法可以实现PID控制参数的自动在线整定和优化。通过与BP网络调整控制器参数的方法的对比和仿真实验证明,该方法控制精度高,响应速度快,并且具备较强的自适应性和鲁棒性。     

基于RBF神经网络的人脸识别

介绍了RBF神经网络在人脸识别中的应用;通过理论分析和实验效果突出了RBF神经网络在机器学习中的优势。实验结果证明:RBF神经网络具有运算速度快、识别率高、算法简单等特点。在训练样本减少的情况下,该学习机的分类性能没有明显退化。因此,RBF神经网络是一种性能优异的学习机。     

基于RBF神经网络的A320引气系统故障诊断研究

根据神经网络的非线性、自适应性及自学习等优点,针对空客A320飞机引气系统,提出了一种基于RBF网络的A320引气系统智能故障诊断方法.对近几年记录的A320引气系统故障表现与故障原因进行特征提取和分类,并用于RBF网络的学习.利用部分典型故障特征对网络进行测试表明,该故障诊断方法可以有效地根据空客A320飞机的引气系...     

基于径向基函数神经网络的超分辨率图像重建

为了突破成像极限,经济可行地获取高质量的卫星图像,提出了一种基于径向基神经网络的超分辨率图像重建算法。以径向基神经网络为基础,依据卫星图像退化模型获取网络训练所需的学习样本图像,采用向量映射的方式加速网络收敛。其中,径向基函数的中心、宽度及网络的隐含层数、连接权值是决定径向基神经网络的关键参数,直接关系到网络的重建性能。采用最近邻聚类算法,动态地建立起基函数的中心及宽度,自适应地确定网络的隐含层数及连接权值。建立起的径向基函数神经网络显著地提高了图像重建性能和网络收敛速度(221s即可收敛)。仿真实验和泛化实验表明,训练好的径向基神经网络可以有效地进行卫星图像的超分辨率重建,效率高,误差小。     

应用径向基函数神经网络的经纬仪跟踪误差建模

提出了一种基于径向基函数(RBF)神经网络建立光电经纬仪等效跟踪误差模型的方法来评价光电经纬仪的跟踪性能.分析了光电经纬仪存在的非线性因素,说明了采用理论建模方法难以准确描述其全部过程的原因.然后,介绍了RBF神经网络和靶标系统,基于一组靶标参数建立了RBF神经网络模型,并更换靶标参数进行模型验证.最后,对更换后的靶标参数进行重新训练建模,并改变参数周期,对模型进行了验证.实验结果表明:所建的神经网络模型精度与靶标参数有关,当动态靶标的半椎角a为21.2°,倾角b为43.8°,靶标匀速运行周期T为8.5s时,网络模型在靶标速度最大时误差也达到最大为3.18′,其它时刻均小于0.6′.当a为16.6°,b为37.5°,T为13 s时,模型最大误差为1.8′左右,在此模型下真实输出与网络模型输出的最大偏差为2.4′左右,其它时刻均小于1.2′.结果表明,采用RBF神经网络所建立的跟踪误差模型能够反应真实系统的情况,是可行实用的,且具有较高的精度和泛化能力.     

采用RBF和BP神经网络处理EMD分解过程中端点效应

在分析经验模态分解端点效应出现原因的基础上,采用BP和径向基函数神经网络预测法对端点效应进行研究.在实验中,通过延长信号的采样时间,使端点的数据延长,从而抑制EMD分解时产生的端点效应.同时为了比较两种数据延长方法的效果,分别将延长后的数据进行EMD分解.实验结果表明,这两种都可以有效抑制端点效应对分析结果产生的影响,提高经验模态分解的效果.     

基于径向基函数神经网络的压电式六维力传感器解耦算法

针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,     

基于RBF神经网络的门式起重机故障诊断系统的研究

门式起重机是港口码头、铁路集散中心常见的大型吊装设备,为了避免其发生故障影响工程作业的效率和进度,有必要对门机进行实时监控并对其发生的故障进行诊断和预测.探讨了基于径向基函数（RBF）神经网络的门机故障诊断系统,针对门机的几种常见故障进行诊断,结果表明该方法切实可行.     

基于RBF神经网络的教学机器人转角测量

以AS-UII教学机器人为研究对象,提出了一种间接测量机器人转角的方法.该方法利用RBF神经网络建立模型,以多组电机速度、运行时间为样本,解决了机器人转角与电机速度、运行时间的关系问题.实验证明,该方法是有效可行的.因此,可以根据电机的速度、时间来间接确定机器人的转角,为机器人的路径规划提供角度参数.     

RBF神经网络和均匀设计在塔式起重机安全状态模式识别中的应用

对径向基函数(RBF)神经网络的分类能力进行了分析，在塔式起重机安全状态模糊综合评判的基础上，构建了反映塔机状态参数与整机安全状态类别间映射关系的径向基函数网络，利用均匀设计给出训练样本对，并进行了实例计算，结果表明该方法可行有效。     

基于RBF神经网络的飞机蓄压油箱爆破故障诊断

本文采用径向基（RBF）神经网络，对军用飞机燃油系统蓄压油箱空中爆破进行故障诊断，结果表明RBF神经网络具有精度高，收敛速度快等优点，可应用于飞机燃油系统其它部件的故障诊断。