基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

基于FNNs的闭式循环柴油机配氧前馈控制策略研究

配氧控制是闭式循环柴油机(CCD)系统的关键技术之一，为改善其动态特性，在PID反馈控制的基础上，设计了基于模糊神经网络(FNNs)模型的前馈控制器，并采用PID反馈控制输出信号作为网络训练的误差信号，使模糊神经网络逐步具有前馈补偿能力，从而能够有效对负荷扰动进行及时补偿．仿真结果表明，采用FNNs前馈控制器后，可以有效改善氧气控制的动态特性，并且具有快速的学习速度和很强的适应能力．     

基于Sugeno型模糊神经网络的空间杆系结构的压电驱动器主动控制

基于自主研发的压电主动杆件的振动控制特性,采用主动杆件两端节点的相对位移和相对速度作为输入以及控制电流作为输出,设计了空间杆系结构的Sugeno型模糊神经网络控制系统。首先通过LQR方法对结构进行控制产生训练数据样本,再利用神经网络的自适应学习功能进行模糊划分及产生模糊规则,最后利用模糊系统的推理能力对空间杆系结构模型进行基于地震响应的主动控制仿真,同时与基于经验的Mamdani型模糊推理规则进行仿真对比。仿真结果表明两种模糊推理模型对结构模型的控制都能达到良好效果,但是由于Sugeno型模糊推理的计算简单,其仿真速度比Mamdani型模糊推理快几十倍,而且省去了人为的经验总结过程,因而采用Sugeno型模糊神经网络控制器更能满足工程应用的要求。     

基于FOA-GRNN的纳米铁粉分解炉温度预测

为提高纳米铁粉的制备工艺,实现纳米铁粉分解炉温度的精确控制,提出一种基于果蝇优化算法和广义回归神经网络的纳米铁粉分解炉温度预测方法。该方法采用现场采集数据,选取进液量和各个温区加热装置的开度因素来预测待预测温区温度。通过广义回归神经网络,建立温度预测模型,并利用果蝇优化算法对光滑因子进行动态寻优。选取不同种群规模对建立模型进行验证,并将该文建立模型与普通广义神经网络和粒子群算法优化的广义神经网络模型的预测效果进行对比。验证表明:该文建立模型平均相对误差为0.43%,且能够排除人为设置参数的干扰,具有较好的准确性与稳定性,可进一步用于分解炉温度控制的研究。     

基于T-S型模糊神经网络的空间结构GMM作动器主动控制

基于自主研发的超磁致伸缩材料(Giant Magnetostrictive Material,GMM)作动器的主动控制特性,应用T-S(Takagi-Sugeno)型模糊神经网络设计了主动控制系统,该系统以GMM作动器两端节点的相对速度和相对位移作为输入,计算输出控制电流。通过神经网络的自适应学习功能进行模糊划分及生成模糊规则,利用模糊系统的推理能力对空间结构模型进行基于地震响应的主动控制仿真,同时与标准型模糊神经网络系统进行仿真对比。结果表明,二者对空间结构模型的主动控制都能达到良好效果,基于T-S型模糊神经网络推理简单,其仿真速度远快于标准型。因此,采用T-S型模糊神经网络对空间结构进行主动控制更能满足工程应用需求。     

Variable-structure control of gas collector pressure based on smooth switching strategy for coke ovens

针对基于专家切换策略的焦炉集气管压力变结构控制方法具有动态切换特性差的缺点和集气管压力在不同工况切换时容易导致压力出现振荡和超调的现象,提出了一种基于平滑切换策略的集气管压力变结构控制方法.该方法根据集气管分管压力在不同工况下具有的动态特性,选用基于满意聚类的T-S模糊模型建立相应的动态子模型,并采用相应的模糊子控制器进行控制.为保证子模型切换过程状态轨迹的平滑性,采用监督级控制器动态切换子模型及相应的子控制器.仿真和实际效果说明了该算法的有效性.     

高频真空木材干燥的模糊神经网络控制方法研究

高频真空木材干燥是一种干燥速度快、能源消耗低、环境污染小的新型联合干燥技术。在木材高频真空联合干燥过程的理论分析基础上,针对神经网络方法建立的木材干燥模型,设计了木材干燥模糊控制器和模糊神经网络控制器。对模糊控制和模糊神经网络两种控制方法进行了仿真实验,结果表明模糊神经网络方法控制效果更好,如温度上升快,控制精度高,稳定性好。模糊神经网络控制方法对实现木材干燥过程的全自动控制具有重要研究意义。     

半实物仿真的电加热炉系统辨识与模糊控制

以电加热炉为实验对象,建立基于MATLAB/Simulink的电加热炉炉温半实物仿真控制系统.通过系统辨识方法得到电加热炉的准确数学模型,使用模糊PD控制策略,先通过计算机仿真方式得到合适的控制器规则和参数,再将此控制器应用到对电加热炉的实际控制当中,对电加热炉的炉温进行控制,达到了较为理想的控制效果.实验表明,半实物仿真方法在系统建模和设计控制器、寻找合适控制器参数等方面具有方便、准确等优点,可以广泛应用到工业控制的压力、液位等其他方面的控制.     

模糊神经网络在电磁铸造液柱成形控制中的应用

电磁铸造的液柱成形性控制是工艺成败及获得合理的形状铸锭的关键，稳定、合适的液柱高反映了各种工艺参数的良好配合，采用基于模糊理神经网络预测方法，通过对铸造系统电信电信号的踊跃，进行模糊模式识别，预测液高度，结果表明，基于模糊神经网络的控制系统使得过程中液柱高度更加稳定，有利于电磁铸工艺过程的顺利进行，使铸锭的表面质量得到的改善。     

Elman与Bp神经网络应用于交通流预测的对比研究

将动态神经网络Elman应用于交通流预测中,通过对比应用较为广泛的Bp神经网络,对实际监测到的一组数据进行学习、仿真和预测。结果表明,Elman网络在对具有动态特性的交通流预测中,具有比Bp网络更好的预测效果。     

HVAC系统的模糊预测函数控制器设计

针对暖通空调HVAC系统中由于存在高度非线性、时变特征以及扰动和不确定性等因素而难以控制的特点，提出基于Takagi-Sugeno(T-S)模糊模型的预测函数控制器设计方法。该方法通过最小二乘辨识算法建立系统的模糊T-S模型，然后基于模糊全局线性化预测模型，采用预测函数控制算法设计系统控制律。仿真实验结果表明该算法是一种跟踪性能好、鲁棒性强的有效控制方法。与常规的PID控制器相比，该方法具有超调量小、调整时间短等优良的动态性能。     

未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题，采用基于神经网络的多步预测控制算法进行了仿真研究，仿真对象选取控制工程界常用的单摆试验装置．该算法的实现步骤为：获取系统开环试验数据；辨识神经网络正向动态模型；设计非线性优化控制律．仿真研究结果表明，所提出的建模与控制方法是有效的．     

基于进化动态递归模糊神经网络的上肢康复机器人自适应阻抗控制

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统运动平滑性和稳定性造成的影响,在传统阻抗控制方法的基础上,提出了一种基于进化动态递归模糊神经网络(EDRFNN)的新的自适应阻抗控制方法。该方法根据在线辨识得到的患肢机械阻抗参数,运用EDRFNN对目标阻抗控制参数进行动态调整。在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用基于Lyapunov函数稳定收敛性理论设计的动态BP算法对目标阻抗控制参数在线作进一步的调整。分析和仿真结果表明,这种新的方法较其它阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性。     

基于BP神经网络的盾构推进速度自适应PID控制

盾构掘进过程中地质多变,推进速度要求实现非线性控制,因此对控制方法提出较高的要求.在分析了盾构推进液压系统原理的基础上,建立了盾构推进速度仿真模型,设计了基于BP神经网络的盾构推进速度自适应PID控制器,运用MATLAB软件对常规PID推进速度控制和基于BP神经网络的自适应PID推进速度控制进行了阶跃响应仿真对比,并对基于BP神经网络的自适应PID推进速度控制的正弦跟踪特性进行了仿真.仿真结果表明基于BP神经网络整定的PID控制具有良好的跟踪能力和鲁棒性,相比于传统PID控制系统响应迅速,超调量小,具有很高的响应精度和良好的在线整定能力,对于盾构推进速度这种非线性过程,控制效果比较理想.     

模糊PID控制策略在真空热处理炉中的应用

本文阐述了真空热处理炉的温度控制策略,针对热处理炉炉温的控制常采用单一控制策略存在控温精度低、跟随性能差、系统超调高等缺点,提出了基于真空热处理炉温度控制器运行状态的分段式复合控制策略,并针对大误差运行模式下采用包含自适应装置的模糊PID控制策略进行较为详细的解析,通过MATLAB/SIMULINK仿真,验证了模糊PID控制策略在真空热处理炉温度控制方面的有效性及优越性。     

机器学习方法的CO2并行压缩系统最优控制

为了研究一种高效的跨临界CO2并行压缩系统的控制方法,本文借助GT-SUITE仿真软件,建立了跨临界CO2并行压缩系统的动态仿真模型,基于仿真得到的系统性能数据集,建立并对比了二阶多项式模型和神经网络模型的系统性能预测模型,并基于神经网络模型开发了跨临界CO2并行压缩系统的模型预测控制器,研究控制器对系统控制稳定性、高效性、实时控制的性能。结果表明：在模型预测控制器作用下,不同制冷工况在150 s内系统能达到稳定运行状态;对比定值控制,采用模型预测控制的系统性能最大提升13.3%;仿真验证了提出的模型预测控制策略对于CO2并行压缩系统实时控制性能优化的可行性,在给定工况下相比对定值控制整体提升性能7.3%。     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法．利用模糊C-均值聚类法对测量空间进行分割，再利用模糊规则对分割后的子空间分别采用BP网络进行逼近，从而获得不同子空间故障输出与测量输入的非线性动力学特性．计算机仿真表明该网络具有良好的泛化性能，方案可行．     

基于智能算法的高层建筑非线性地震反应的MR阻尼器半主动控制

研究了第三阶段结构振动控制的Benchmark问题;设计了基于模糊神经网络的控制器模型;采用磁流变(MR)阻尼器作为控制装置,对一座20层Benchmark建筑结构进行了非线性地震反应的数值仿真分析。首先,通过神经网络对足尺MR阻尼器进行了动力特性的辨识;其次,在设计模糊神经网络控制器时,提出了分区控制的设计思路。将智能控制器半主动控制下的仿真结果与样本LQG控制进行了对比分析。结果表明:提出的智能控制器能有效抑制高层建筑结构的非线性地震反应;与样本LQG控制相比,由于智能控制器的内在鲁棒性和对结构非线性反应控制的稳定性,在非线性结构的振动控制中有很大的应用潜力。     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

小波神经网络的水电机组自适应逆控制

针对水电机组的非线性和结构参数易变化且具有时变和非最小相位的特点,依据神经网络的自学习特性和小波分析的逼近能力,提出了一种基于小波神经网络(WNN)的水电机组自适应逆控制方法.该方法用小波神经网络逼近被控对象的正、逆模型,通过构造控制加权的广义目标函数,推导出一种对非最小相位系统能实现有效控制的小波神经网络自适应逆控制律,理论分析和对水电机组仿真实验均表明,文中提出的控制策略比采用神经网络控制能更好地改善水电机组的动态性能,证明了该方法的有效性.