用于气动伺服系统的自适应神经模糊控制器

研究了一种基于压力比例阀的气动伺服系统自适应神经模糊控制器。其中的神经网络辨识器（NNI）通过高线训练可以充分逼近非线性动态系统的模型,并能够在线调整模糊控制器的控制规则。系统的位置控制精度和伺服特性有了很大改善。试验结果表明,所提出的控制器对该气动伺服系统具有很好的控制特性以及很强的自适应能力。     

神经网络模型参考自适应控制及其在带材板形控制系统中的应用

通过对某轧机液压弯辊系统特性的分析,提出了神经网络模型参考自适应控制策略,兼顾了系统的动态特性和静态特性,成功地解决了未知、不确定、非线性系统的辨识与控制问题;并将其用于液压弯辊系统仿真,结果表明该系统的性能良好,将会明显提高产品质量。     

DECOUPLING CONTROL OF TWO MO-TORS SYSTEM BASED ON NEURAL NETWORK INVERSE SYSTEM

In accordance with the characteristics of two motors system, the united mathematic model of two-motors inverter system with v/f variable frequency speed-regulating is given. Two-motor inverter system can be decoupled by the neural network invert system, and changed into a sub-system of speed and a sub-system of tension. Multiple controllers are designed, and good results are obtained. The system has good static and dynamic performances and high anti-disturbance of load.     

神经网络在柴油机振动有源控制中的应用

将神经网络技术应用于柴油机双层隔振系统,构造了一种AVC(Active vibration control)系统。用Matlab语言进行有源控制仿真计算之后,采用液压执行机构在柴油机双层隔振试验台上进行试验研究,结果表明神经网络技术在振动有源控制中具有一定的可行性,在某些主要频率下振动可衰减8dB左右。     

脉冲TIG焊熔宽动态过程的自学习模糊神经网络控制

对脉冲ＴＩＧ焊工艺中熄接电流一正面熔宽动态过程提出了一种自学习模糊神经网络控制方法，模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整。将上述方法用于控制仿真和实际脉冲ＴＩＧ焊过程控制试验，结果表明提出的自学习模糊神经网络控制方案有效。     

基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

电液伺服系统的二阶滑模控制算法研究

针对存在非线性和不确定性的电液伺服系统的跟踪问题,研究了基于时间最优和Lyapunov函数的二阶滑模控制算法。分析了现有二阶时间最优滑模控制算法的问题,提出了改进的二阶近似时间最优控制算法。它可在保证鲁棒性的同时,有效抑制抖振并提高二阶滑模的响应速度。以大型工程机械的电液伺服转向系统为例对算法进行仿真研究,验证了算法的有效性。     

FUZZY NEURAL NETWORK FOR MACHINE PARTS RECOGNITION SYSTEM

The primary purpose is to develop a robust adaptive machine parts recognition system. A fuzzy neural network classifier is proposed for machine parts classifier. It is an efficient modeling method. Through learning, it can approach a random nonlinear function. A fuzzy neural network classifier is presented based on fuzzy mapping model. It is used for machine parts classification. The experimental system of machine parts classification is introduced. A robust least square back-propagation (RLSBP) training algorithm which combines robust least square (RLS) with back-propagation (BP) algorithm is put forward. Simulation and experimental results show that the learning property of RLSBP is superior to BP.     

ARTIFICIAL NEURAL NETWORK AND FUZZY LOGIC CONTROLLER FOR GTAW MODELING AND CONTROL

0 INTRODUCTION(The satisfied control of the overall weld process is not easily accomplished, largely due to the inadequacies of the available process models. Without exceptions, most welding control methods are based upon the analytical welding models. Although these models are derived directly from the physical laws that govern the main features of the weld pool, a number of assumptions are made to obtain the mathematical solutions and some variables are ignored due to the complexity of t…     

变量泵源阀控系统的前馈自适应控制方法

变量泵源导致系统开环增益下降和动态变化,传统的反馈控制和串联校正很难使此类系统跟踪精度达到要求应用复合控制方法,可以对开环增益变化进行有效补偿,提高跟踪控制精度。运用MCS-96系列单片机技术、反馈控制、前馈控制和自适应控制原理,开发设计了数字控制器,实现了对系统的前馈自适应数字控制。试验研究结果表明,前馈自适应控制是实现变量泵源阀控系统高精度跟踪控制的有效方法。     

模糊自适应在负载仿真台同步补偿中应用研究

针对电液负载仿真台中位置同步补偿法克服多余力矩系统的特点 ,参照模型参考模糊自适应的控制方法 ,以舵机系统为参考模型 ,同步系统为被控系统来提高同步控制的精度 ,以便在更大程度上消除多余力 ,仿真和分析结果表明该方法十分有效     

基于自学习模糊神经网络AMT车辆巡航控制

利用模糊神经网络在不能获得精确数学模型的非线性系统中能够达到最优控制的特性 ,建立了车辆巡航模糊神经网络控制模型 ,并对其离线训练后应用于装有机械式自动变速器桑塔纳 2 0 0 0型轿车进行巡航控制道路试验 ,取得满意效果。     

直接型模糊自适应滑模控制在智能减振结构中的应用

在智能减振结构中,需要控制器有很好的鲁棒性,以保证在结构参数发生变化的情况下仍可以获得理想的控制结果。简单模糊逻辑控制在系统结构参数变化比较大的情况下,其鲁棒性能比较差。引入滑模控制的思想,把基本控制量分为等效控制量和开关控制量,并同时用两个模糊逻辑进行近似逼近,自适应率的设计保证了系统的稳定性,从而建立了直接型模糊自适应滑模控制。通过和简单模糊控制的控制结果比较,验证了直接型模糊自适应滑模控制在智能减振系统中的有效性。     

基于神经模糊技术的电液伺服控制

研究了基于神经模糊混合技术的电液伺服系统控制问题。综合神经网络与模糊逻辑技术的优势,构造了一种神经模糊控制器,它具备知识自动获取、并行分布存储及快速模糊推理决策的能力,给出了一种在线学习算法。用于一类典型的电液伺服系统的控制,获得了满意的效果。神经模糊混合技术对于电液伺服控制的发展与要求（如更复杂系统及其高性能控制）具有重要价值。     

柴油机燃烧系统故障的小波包神经网络模糊诊断法

喷油器堵塞和气门机构间隙异常是柴油机燃烧系统的常见故障,对其诊断十分重要,常规诊断方法效果不理想。文中提出一种将小波包分解、神经网络和模糊逻辑结合起来的诊断方法。运用小波包频带能量分解,不仅能得到中低频的燃烧爆发振动信号,也能得到中高频的气门落座信号;运用神经网络使故障诊断具有自适应、自学习的能力;将模糊逻辑用于判决中,使判决结果更可靠、意义更明确。用24台次柴油机故障模拟实验数据训练神经网络,效果良好。对现场使用的12台次柴油机故障诊断,有10台次诊断完全正确,取得了较满意的效果。     

基于遗传算法的模糊振动主动控制器的参数编码设计和约束处理

在采用模糊控制的压电材料智能结构中,利用遗传算法对模糊控制隶属函数进行优化时,遗传编码的设计将影响优化结果,从振动主动控制要求出发,设计了振幅输入模糊集的隶属函数参数编码,并对模糊子集约束条件进行处理。结果表明新的编码方式可以产生适合振动主动控制的隶属函数,且设计的约束修补算法简单有效。     

基于Backstepping的电液伺服系统多级自适应滑模控制

针对电液伺服系统的非线性特性、系统参数及外部负载的非匹配不确定性,在电液伺服系统的位置跟踪控制中,提出了基于Backstepping逆向递推技术的多级自适应滑模控制方法,应用Backstepping的逆向递推方法有效地解决了高阶系统的控制问题,并结合了自适应方法和滑模控制方法各自优良的抗干扰特点。仿真结果显示,该控制方法具有较强的鲁棒性及良好的跟踪性能。     

定压网络静液驱动系统神经网络控制的研究

针对定压网络静液传动及其控制系统的特点,提出了对其使用静态神经网络及具有自适应学习率的反传学习算法进行控制,给出了有关的相应结果。     

神经网络在直接力矩控制中的研究及应用

提出了利用多层神经网络取代传统开关状态选择器在感应电动机直接力矩中的控制以获得最优的开关状态量的方法。利用MATLAB/MULINK软件做的直接力矩控制的仿真系统包括感应电动机、逆变器开关、触发电路和控制电路。在选定了代表开关状态选择器的最优神经网络后 ,设计了神经网络结构图并进行了验证。为了确定神经网络的可靠性和稳定性 ,将其作为直接力矩控制系统的一部分进行了仿真试验 ,结果表明神经网络直接力矩控制系统优于传统的直接力矩控制系统     

机械加工过程模糊控制系统的模糊化新方法及其控制算法研究

提出并研究了一种模糊化新方法及其控制算法。该模糊化新方法,具有2m（m可以足够大）个通用的模糊变量且具有通用的隶属函数;由此所建立的模糊控制算法,具有4m2条推理规则,且这4m2条推理规则可由一个算式统一地显式地表述出来,因而具有通用、简洁等特点,可方便地应用于机械加工过程模糊控制系统中。