一类非线性系统的基于神经网络的稳定自适应控制器设计方法

针对一类非线性系统,本文提出了一种基于神经网络的稳定模型参考自适应的方案。控制律的选择使得整个闭环系统渐近稳定。     

基于Hopfield神经网络的直流传动系统模型参考自适应控制

本文将Hopfield神经网络引入直流传动系统的模型参考自适应控制,通过神经网络模型参考自适应控制器来给出常规双闭环调速系统的速度控制器外环动态输出,使速度控制具有对某些参数变化的一定程度的鲁棒性     

基于神经网络的感应电机模型参考自适应速度控制研究

根据感应电机矢量变换控制原理，提出了一种基于人工神经网络速度控制器的感应电机矢量控制系统。为了提高系统的鲁棒性，采用了在线辨识技术，对参数的变化实时补偿。计算机仿真表明，这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能。     

参数在线跟踪的交流传动系统双神经网络模型参考自适应控制

该文研究的目的在于将一种具有优越的非线性并行处理特征的神经网络引入自适应控制器的设计中，将其并行收敛特性和便于实行的参数设计原则与模型参考自适应控制模式结合起来，进行具有很高自适应控制要求的交流传动系统控制器设计。该文将Hopfield神经网络引入交流传动系统的模型参考自适应控制，通过神经网络控制器来给出交流传动系统的励磁及速度控制器输出，使控制效果具有对某些参数变化的一定程度的鲁棒性。对于不可控的负载转矩分量，加入参数自动跟踪神经网络，构成上有参数在线跟踪功能的交流传动双神经网络模型参考自适应控制模式，进一步提高了系统的控制性能。结果充分证明了Hopfield神经网络在处理自适应交流传动系统控制问题中的适用特征。     

参数在线跟踪的直流传动双神经网络模型参考自适应控制

针对在“基于Hopfield神经网络的直流传动系统模型参考自适应控制“^[8]一文中指出的所提神经网络控制器在负载转矩未知和变化情况下的缺陷,将作者先前所提出的交流传动系统参数自动跟踪神经网络^[2]引入直流传动系统,构成具有参数在线跟踪功能的直流传动双神经网络模型参考自适应控制模式,进一步提高了系统的控制性能。     

基于模型参考自适应的单神经元PID控制器设计

将神经网络和模型参考自适应控制系统相结合,研究基于模型参考自适应理论永磁同步电动机(PMSM)BP神经网络速度辨识的单神经元比例积分微分(PID)速度控制器。该系统基于模型参考自适应理论利用BP神经网络辨识器得到的参数信息,使用单神经元PID控制器取代传统PID控制在线调整权值。根据李亚谱诺夫稳定性理论验证了该控制器的稳定性,仿真与实验研究证明该方法改善了PMSM速度控制系统的动态响应与自适应控制能力。     

基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制

超声波电机(USM)是近年发展起来的一种新型微特电机，与传统的电磁驱动型电机的工作原理截然不同。由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点，因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景。但USM的高度非线性、时变性和强耦合增加了它的控制难度。该文提出一种新的USM自适应控制策略。系统采用双闭环控制，内环用来补偿定子环机械谐振频率的漂移；外环利用径向基函数神经网络(RBFt~)控制器调节USM的驱动频率，实现速度的自适应控制。经实验证明，该控制系统具有响应迅速、适应性强等优点，具有较高的控制精度和较好的稳定性。     

基于模型参考自适应模糊神经网络的直线永磁同步电动机速度伺服系统

针对直线永磁同步电动机全闭环控制系统易受干扰而降低系统性能指标,甚至造成不稳定等问题,采用模型参考自适应模糊神经网络在线辩识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,并给出了模糊神经网络控制器的设计。通过仿真和实验结果证明,这种方法提高了速度检测装置的分辨率和动态响应能力,并且使系统具有很强的鲁棒性。     

基于模型参考模糊自适应控制的永磁同步电机控制器设计

基于模型参考模糊自适应控制（MRFAC）方法设计永磁同步电机（PMSM）速度控制器。该控制器具有传统模型参考自适应控制构架。传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代，模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整，以达到快速适应对象参数和状态变化的目的。利用模块化建模工具Matlab／Simulink建立PMSM控制系统模型。仿真结果表明了所设计控制器运行平稳，具有良好的动、静态特性。     

一种自适应神经网络控制器的研究

在非线性系统的神经网络模型基础上,以Ｌａｒｋｅ一阶条件为目标函数,运用线性化方法提出了一种自适应预测控制算法。由于利用了神经网络良好的非线性逼近能力和学习特性,所设计的控制器具有较强的自适应能力,能够实现对非线性系统的有效控制,通过仿真证明了算法的有效性。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

神经网络模型参考自适应控制在多机主从控制上的应用

讨论了基于神经网络的模型参考自适应控制算法的力矩跟随主从控制模式,在中厚板生产线上双边剪夹送辊传动系统中的应用,并利用SIEMENS 6RA70系列直流传动控制器内附加的工艺软件S00实现了该算法.     

基于神经网络模型参考-PID的电阻炉控制系统的应用

以电阻炉为控制对象,针对其所具有的时滞性、非线性、模型结构难以确定等特点,利用神经网络控制技术和常规PID控制方法,将传统控制理论与智能控制理论相结合应用于温度控制的实际工程中。充分利用了神经网络所具有的自学习、自适应和全局逼近的能力特点,构建电阻炉的神经网络参考模型,组成神经网络参考模型PID控制器。运用Matlab软件中的Simulink建立电阻炉温度控制系统的仿真模型,并通过与常规PID控制系统的对比来观测基于神经网络参考模型-PID的电阻炉温控系统的控制效果。仿真结果表明,方案具有满意的动静态特性。     

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.     

无刷直流电动机的神经网络模型参考自适应逆控制

提出了无刷直流电动机的神经网络模型参考自适应逆控制的新方法。在无刷直流电动机的双闭环控制系统中,电流环采用电流分时反馈控制的方式,神经网络的模型参考自适应逆控制控制器代替原来速度环的常规PID控制器。仿真结果表明控制系统具有响应快、无超调、抗干扰能力好以及稳态误差小等优点,其动、静态性能均优于常规PID控制。     

基于实数编码遗传优化的神经网络参数自学习PID控制器

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.     

基于神经网络预测模型的聚类自适应模糊控制器的设计及应用

将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的权值和结构同时进行训练 ,实现了非线性、大时滞系统模型的精确预测 ;然后将聚类算法和模糊控制相结合 ,设计了一种新型的聚类自适应模糊预测控制器 ,实现了对非线性和大时滞系统的自适应控制。将该控制器应用于锅炉的单元机组负荷控制系统中 ,仿真表明该方案的适应性、实时性和鲁棒性都很强 ,具有工程实用价值。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

无刷直流电机神经网络内模自适应控制器设计

将H∞优化控制理论用于无刷直流电机速度控制系统,可建立神经网络内模自适应速度控制器,利用神经网络逼近系统的速度控制器和标称模型。离线仿真和实验结果证明,设计的神经网络内模自适应控制系统有很强的自适应能力,当模型参数发生变化时,系统具有很强的鲁棒性,依然可以获得很好的动、静态特性。     

基于BP神经网络电除尘效率模型研究

电除尘法已成为电厂烟气除尘的主要方法,但目前很难实现对电除尘效率的精确测量,综合分析影响电除尘效率的主要因素,并以BP神经网络结构为基础,建立除尘效率的BP神经网络模型。引进学习样本对此模型进行了仿真分析,通过比较实际系统和模型除尘效率曲线以及对模型误差的计算,验证了此模型的可行性。