基于CMAC的三关节机器人视觉伺服系统研究

根据小脑模型关节控制器（CMAC）收敛速度快,适于实时控制系统的特点,设计了一种CMAC学习控制方法。在该方法中,CMAC被用作前馈控制器对常规反馈控制器进行补偿。实验证明了所设计控制系统的有效性。     

FCMAC实现的再励学习稳定控制系统设计

给出了一种通过再励算法调节网络权值的再励模糊CMAC网络,然后针对一类非线性系统,提出了一种基于此网络的稳定控制系统。控制结构中采用滑模控制使状态到达设计的切换面,保证系统的稳定,另外,用基于瑞励学习的模糊CMAC作为补偿控制器减弱系统不确定部分的影响。最后仿真实例表明了所给算法的有效性。     

基于遗传算法的模糊自适应控制在DTC的应用

系统中采用了两个模糊控制器,其一是用模糊控制器取代了常规直接转矩控制系统的磁链和转矩控制器;其二是根据异步电动机的运行特点提出了一种基于遗传算法的模糊自适应PI控制器作为直接转矩控制系统的速度调节器.在这种模糊自适应PI控制器的设计中,用自适应模糊控制器推断出PI控制器的参数,用遗传算法和参数调整算法对模糊控制器的量化因子和比例因子分别进行离线粗调和在线优化细调,解决了常规模糊控制器在电机直接转矩控制过程中特别是起动过程因参数不变带来的超调量大、响应慢、不稳定性等问题.仿真试验结果验证了所研究设计的控制器的有效性,系统在动态响应、抗干扰能力、增强鲁棒性等方面均获得了满意的效果.     

基于遗传算法的模糊控制器规则优化

模糊控制器设计的关键问题就是模糊控制规则的选择。基于遗传算法的模糊控制规则表优化,是为模糊控制提供一种更加方便、有效的查表法。为了提高模糊控制器的性能,提出了基于遗传算法的模糊控制器规则表的优化方法,并进行了仿真实验。仿真结果表明,在模糊控制中采用遗传算法使控制系统最终达到所要求的控制效果,证明了该方法的可行性和有效性。     

谷物干燥过程模糊支持向量机控制器的设计

为了准确控制谷物干燥过程的温度和湿度,设计了一种基于改进遗传算法和最小二乘算法的干燥过程模糊支持向量机控制器。利用模糊算法解除温湿度的耦合作用,采用支持向量机实现模糊逻辑控制的全过程和信号的非线线处理,同时采用混合学习算法优化控制器参数,即先采用最小二乘算法离线优化支持向量机性能参数,再采用改进遗传算法在线优化支持向量机性能参数和模糊比例因子,以使其控制性能适应对象的变化而达到最优。仿真结果表明,设计的模糊支持向量机控制器比常规PID控制器和经典模糊控制器具有更好的控制性能,能够满足谷物干燥工艺要求。     

模糊PID复合控制在钻床电气控制系统中的应用

为了能够有效控制钻床的电气控制系统,深入研究了模糊PID复合控制在钻床电气控制系统中的应用。介绍了遗传神经网络模糊PID控制器和遗传算法的基本原理,建立钻床电气控制系统的遗传神经网络并设计了算法流程,研究结果表明了该方法具有非常好的稳态精度。     

基于遗传算法的无刷直流电动机自适应模糊控制

针对模糊控制器所存在的问题,提出了基于遗传优化机制自适应模糊控制器的设计方法。模糊控制规则和模糊变量的隶属度函数的参数,均利用遗传算法进行离线确定和优化。将优化后的自适应模糊控制器用于无刷直流电动机的双闭环控制系统中。仿真结果表明该系统无超调、响应快,具有较强的鲁棒性。     

基于模糊自适应PI控制的开关磁阻电机直接转矩控制

针对常规模糊控制器在开关磁阻电机直接转矩控制（DTC）中的超调量大、响应慢、脉动大等问题,提出一种基于遗传算法的模糊自适应PI控制器的速度调节器设计方案,结合遗传算法与模糊PI控制,应用遗传算法优化模糊自适应PI控制器的模糊控制规则和量化因子及比例因子,以确保开关磁阻电机直接转矩控制系统响应具有最优的动态响应和稳态性能。仿真与试验结果分析表明,与传统模糊PI控制相比,该设计方法具有适应性强、动态响应好、鲁棒性强等优点,取得了比较满意的控制效果。     

模糊CMAC及其在交流伺服控制中的应用

详细地阐述了小脑模型关节控制器 (CMAC)的工作原理 ,将模糊理论引入CMAC ,提出了一种模糊小脑关节控制器 (FCMAC) ,反映了人脑认知的模糊性和连续性 ,并将所提FCMAC用于交流伺服系统的控制。仿真实验结果表明 ,所提FCMAC控制方法与CMAC相比 ,性能有了很大的改善。     

多馈入交直流输电系统的模糊控制器协调优化算法

设计了一套阻尼区域间功率振荡的模糊控制器。在多馈入交直流输电系统的直流功率控制系统和发电机励磁系统中同时采用了该模糊控制器,并对影响其性能的关键参数进行了协调优化。为了解决优化结果容易限于局部最优的问题,采用了遗传算法进行全局并行寻优,同时引入序优化理论在概率意义上保证优化解的质量。仿真结果表明:与常规阻尼控制器相比,模糊控制器能更好地提高交直流互联系统的动态稳定性且具有鲁棒性。序优化遗传算法比传统遗传算法具有更稳定的性能,可作为多馈入交直流输电系统的模糊控制器参数协调优化的一种有效方法。     

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

基于CMAC的双馈水轮发电机系统控制策略研究

针对可调速双馈水轮发电机系统的不确定性、非线性和参数时变的特点，提出了一种采用小脑模型(CMAC)神经网络的自适应控制策略。该控制策略以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相结合构成系统的复合控制。该文对双馈水轮发电机系统的稳态调节和暂态特性进行了数字仿真研究，并与常规的PID控制进行比较。结果表明，基于CMAC的自适应控制策略对系统模型结构和参数变化、负荷扰动都具有很好的适应性和鲁棒性，控制品质优良，是一种适于在线学习控制的双馈水轮发电机系统控制方法。     

Reference Model with an Adaptive Hermite Fuzzy Neural Network Controller for Tracking a Synchronous Reluctance Motor

This article presents a reference adaptive Hermite fuzzy neural network controller for a synchronous reluctance motor. Although synchronous reluctance motors are mathematically and structurally simple, they perform poorly under dynamic modes of operation because certain parameters, such as the external load and non-linear friction, are difficult to control. The proposed adaptive Hermite fuzzy neural network controller overcomes this problem, as using the Hermite function instead of the conventional Gaussian function shortens the training time. Furthermore, the proposed adaptive Hermite fuzzy neural network controller uses an online self-tuning fuzzy neural network to estimate the system's lumped uncertainty. The estimation method involves a fuzzy controller with expert knowledge of the initial weight of the neural network. Finally, the Lyapunov stability theory and adaptive update law were applied to guarantee system convergence. In this article, the responsiveness of the adaptive Hermite fuzzy neural network controller and an adaptive reference sliding-mode controller is compared. The experimental results show that the adaptive Hermite fuzzy neural network controller markedly improved the system's lumped uncertainty and external load response.     

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。     

神经网络自学习模糊控制及其应用

本文提出了一种新的自学习模糊控制算法。利用改进的ｐｉ－ｓｉｇｍａ神经网络，对模糊控制器的结论参数进行辨识，并不断修正隶属函数，实现了模糊规则的自动更新。这种方法被用于机器人解耦控制，取得了满意的仿真结果。     

基于CMAC神经网络的超磁致伸缩非线性控制

对于超磁致伸缩材料固有的迟滞非线性特性，本文提出一种基于小脑模型神经网络(CMAC)前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器(GMA)的迟滞逆模型进行补偿，再利用CMAC模型在线快速学习适应的能力，结合PID控制器降低跟踪控制时的误差和扰动，从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型，最后通过仿真实验验证所提方法的有效性。结果表明，提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度，在CMAC-PID复合控制方案的作用下，系统的期望位移与实际位移相对误差值最大值仅2.39%,平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化，有效地提高GMA的跟踪精度。     

工业用电加热炉的智能温度控制系统设计

工业用电加热炉作为一类大惯性、大时滞和参数时变的强非线性系统,其温度控制问题一直工业过程控制中的难题。提出一种新型的基于TSK模糊理论的模糊神经网络PID控制器,采用实数编码混沌量子遗传算法优化模糊神经网络的隶属函数参数和模糊TSK增益,具有较快的收敛速度和更强的优化能力。分析加热炉温度控制系统的原理和结构,阐述基于TSK模糊理论的模糊神经网络PID控制器的设计过程以及实数编码量子遗传算法的实现流程。通过工业用电加热炉的温度控制仿真和试验,验证了所提出的算法具有更好的动态性能、更高的稳态精度和更强的抗干扰能力。     

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。     

基于模糊神经解耦控制的双馈水轮发电机系统仿真

双馈水轮发电机系统是一个涉及水力、水轮机和发电机的综合复杂系统。针对系统具有多变量、非线性、强耦合和参数不确定性的特点，本文提出了一种两级串联结构的自适应模糊神经网络解耦控制策略，前级为基于智能权函数规则的自调整模糊控制器，后级为基于动态耦合特性的自适应神经网络解耦控制器，并从理论上证明了学习算法的收敛性。为了验证所提出控制策略的有效性和正确性，本文对双馈水轮发电机系统在水力、水轮机和发电机参数变化时的鲁棒性分别进行了仿真研究。与常规PID控制的仿真结果比较表明，提出的解耦控制策略能较好地克服参数变化和对象模型结构变化对运行性能的影响，具有鲁棒性好，解耦能力强的优点。