基于BP神经网络的模型参考自适应控制

以导弹纵向通道为例,给出了导弹的过载控制模型,将BP神经网络应用于模型参考自适应控制中,组成模型参考自适应控制系统.利用BP神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统不仅能实现原系统的功能,而且它的稳定性和抗干扰性优于传统模型参考自适应控制.     

基于RBF神经网络自适应滑模控制技术的某舰炮装填机构控制研究

针对某舰炮装填机构工作过程中存在的非线性海浪干扰、参数时变等不确定问题,设计了一种RBF神经网络自适应滑模控制器。在建立其系统动力学模型的基础上,利用RBF神经网络的学习和自适应特性实现对海浪环境扰动量的预测,并通过Lyapunov分析法导出自适应律,证明了该方法的稳定性。采用新式饱和函数替换切换函数,可有效抑制趋近过程中的抖振产生。仿真结果表明,该控制策略的综合控制性能优于普通滑模和PID控制器的控制效果,使系统在海浪干扰条件下仍具有良好的稳态性能,同时具有较强的抗干扰能力和良好的位置跟踪能力。     

基于神经网络的模型参考自适应控制方法

针对传统基于模糊神经网络的模型参考自适应控制方法的一些不足,提出了一种基于BP神经网络的模型参考自适应控制结构,并对所使用的BP网络学习算法进行了分析改进。对比分析采用传统自适应方法和改进的自适应方法时,不同的控制仿真结果表明,改进后的方法可以有效地抑制神经网络的“过学习”现象,减小了对神经网络辨识器精度的依赖程度,改进效果显著。     

基于RBF神经网络的空空导弹控制器设计

应用倾斜转弯（Bank to Turn，BTT）及推力矢量控（Thrust Vector Control．TVC）技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响，为消除误差影响，引入RBF神经网络分别对快慢回路进行补偿，利用李亚普诺夫（Lyapunov）稳定性定理推导了神经网络权值、中心及带宽的自适应规律，并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究，结果表明RBF神经网络自适应控制方法补偿作用显著，不仅改善了控制系统的动态性能，而且使系统具有良好的抗干扰和容错能力。     

基于前向神经网络的导弹自适应控制方法

结合导弹非线性动力学模型，介绍一种基于经典控制和神经网络自适应控制的系统设计方法。该方法以导弹飞行的攻角α和Ma数等为信息，应用BP网络的学习能力求出具有自适应能力的控制参数，应用于参数时变的导弹控制系统。其特点是避免了传统自适应方法所要进行的繁琐的参数辨识计算。利用Matlab仿真实验表明,所设计的控制系统性能良好．而且易于工程实现。     

基于自适应神经网络的导弹制导与控制一体化反演设计

为使导弹具有更小的脱靶量和更快的响应时间,研究了导弹俯仰通道的制导与控制一体化设计问题。由于导弹和目标的相对运动方程以及导弹自身运动方程通常是在不同的坐标系下建立的,因此,制导与控制的一体化模型很难建立。此外,在导弹飞行过程中,很难获得全弹道的精确导弹气动参数,这使得控制器的设计也很困难。本文首先建立了一种较为合适的、紧凑的一体化模型,并进一步将其化为具有一般形式的含不确定量的级联系统。采用反演控制设计方法,保证了系统全部状态的稳定性。然后,设计了一体化自适应神经网络控制器,神经网络用来在线逼近系统中由于导弹气动参数摄动引起的匹配和非匹配不确定量。仿真结果表明了这种导弹制导与控制一体化设计方案的有效性。     

基于PID型神经网络的自适应控制

本文提出了一种新的基于PID型神经网络的自适应控制系统,给出了神经网络控制器的学习算法帮控制系统的稳定性分析。仿真结果对该控制方案进行了验证。     

基于模糊神经网络的BTT导弹自适应控制

针对不确定非线性BTT导弹控制系统,提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项,应用模糊神经网络的万能逼近性质来逼近系统不确定项,然后利用滑模控制和自适应模糊神经网络理论设计了控制器,应用Lyapunov稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。     

基于神经网络的 PMSM 分数阶积分滑模控制

为了提高永磁同步电机调速控制性能,在分数阶积分滑模控制策略的基础上,设计一种基于神经网络的 变阶次分数阶积分滑模控制策略。利用分数阶积分随时间缓慢衰减的特性来增强系统的鲁棒性,通过指数趋近律削 弱滑模面的抖振现象,分析了分数阶阶次对系统动态性能的影响,引入 RBF 神经网络对滑模面函数中的分数阶积分 阶次进行动态调节,提高了系统的综合性能。仿真结果表明：与固定阶次的分数阶积分滑模控制相比,该控制方法 有利于取得更好的动态跟踪性能和稳定精度。     

基于神经网络与自适应控制的自动驾驶仪设计

针对弹体作为制导系统控制对象的时变非线性特点,应用间接神经网络模型参考自适应控制理论,采用两个BP网络设计了导弹自动驾驶仪,其中一个用来对系统动态特性进行辨识,并利用辨识得到的信息,采用控制网络对系统进行控制.对所设计的自动驾驶仪进行了系统仿真,结果表明,被控弹体很好的跟踪了参考模型的输出.     

基于径向基函数神经网络的光电系统自适应控制

针对光电跟踪系统对于跟踪目标的高精度需求,在硬件设计选型、装调适配完成后,通常需要伺服控制系统设计合理的算法以改善跟踪精度.为持续提高伺服控制系统的综合能力,首先分析跟踪精度的误差模型,通过理论推导以及典型数值计算仿真的方式,验证伺服控制器控制增益对于跟踪精度改善的重要性.在对比多型控制算法基础上,提出基于径向基函数神...     

应用神经网络的飞行器动力学自适应控制

针对具有未知参数的飞行器系统提出了一种基于模型的神经网络预测控制策略．目的是通过一个优化程序以自适应控制律来稳定未知系统．由于能够描述动态函数关系的特性和具有反馈处理结构，回归神经网络以一个期望状态值的自适应估计器得到应用．神经网络的训练是通过动态顺序递归反向传播学习算法来执行的．这表明所提出的神经网络学习算法拥有设计飞行控制系统的潜在能力，所设计的飞行系统能在大范围飞行条件下和其它不确定因素下补偿飞行器动力学不可预测的变化．     

基于全调节RBF神经网络的引信噪声对消研究

全调节RBF神经网络具有处理非线性参数的不确定性,提高神经网络的在线逼近能力,适用于噪声信号的非线性建模。为了消除引信回波中的背景噪声,提出一种基于全调节RBF神经网络的非线形自适应滤波方法,能很好克服信号处理中的模型不确定性和噪声。通过对比不同信噪比情况下引信回波的去噪效果,说明了基于全调节RBF神经网络的引信噪声对消系统的有效性和优越性。     

基于改进RBF神经网络的激光陀螺温度补偿方法

针对温度及温度变化对激光陀螺仪温度漂移的影响,在RBF神经网络的基础上,文中提出了基于Kohonen神经网络和正交最小二乘(OLS)算法的RBF神经网络温度补偿方法。该方法可以快速、准确辨识激光陀螺的温度漂移。文中分别采用改进RBF神经网络法、传统RBF神经网络法及多元线性回归法,分别进行辨识与补偿试验。结果表明,经过改进RBF神经网络模型补偿后的陀螺零偏能够满足陀螺恒温测试精度要求,而且避免了陀螺输出受温度及温变速率的影响。     

基于自适应卡尔曼滤波器的神经网络算法

针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.     

基于RBF网络的鱼雷控制系统故障诊断

文中研究了将RBF（径向基）网络应用于鱼雷深度控制系统的故障诊断方法。根据鱼雷深度控制规律．设定五类故障．并应用相关数据对RBF网络进行训练．然后使用满足训练要求的网络对故障数据进行分析，判断属于何类故障。仿真实验结果表明该方法能够有效地解决鱼雷深度控制系统故障诊断问题。     

火箭炮交流伺服系统模型参考模糊神经网络位置自适应控制

针对多管火箭炮发射时恶劣的负载特性,设计了一种模型参考模糊神经网络自适应位置控制器。利用RBF网络作为辨识器,实现对被控对象的Jacobian信息辨识,用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模型参考模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小火箭炮发射过程中系统参数变化和外部干扰的影响。仿真和实验结果表明,该方法可有效提高火箭炮位置伺服系统的动态响应能力和稳定性,并使系统具有很强的鲁棒性。     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

液体导弹发动机马尔可夫链和RBF网络辨识方法研究

分析了液体导弹发动机辨识方法,对基于马尔可夫链和RBF神经网络的液体导弹发动机的辨识原理和方法进行了较详细的叙述,依据某型液体导弹发动机实际测试数据,对其进行了仿真研究,并对仿真结果进行了比较分析.结果表明,基于动态系统马尔可夫链的液体导弹发动机的辨识方法优于基于RBF神经网络的辨识方法.     

基于神经网络PSD 算法的LMD 自适应控制系统

为解决送粉式金属直接成形过程中,会出现机械性能降低、多物理场耦合、机理复杂、工艺参数多、熔 池凝固速率较大等问题,设计一种基于神经网络PSD 算法的成形过程自适应成形闭环反馈控制系统。根据光学系统 实时监测激光熔池的图像信号,利用图像融合与视觉检测技术构造熔池图像特征集,对工艺参数与熔池尺寸动态关 系进行分析,构建成形质量精度辨识体系,通过神经网络PSD 算法优化,实现LMD 成形过程工艺参数的自适应控 制。仿真结果表明：该控制器对熔池宽度有较高的控制精度,可改善制造工艺成形质量和保证工艺稳定性。