基于在线系统辨识的DMFC模型预测与模糊控制

利用神经网络具有逼近任意复杂非线性函数的能力，以甲醇浓度为神经网络辨识模型的输入量，电池电压／电流密度为输出量．利用1000组实验数据，建立了DMFC电堆的神经网络模型。然后，基于电特性的输入输出关系设计了一个模糊控制器，且利用模糊控制器的输入输出样本训练神经网络。仿真结果表明，所设计的神经网络模糊控制器具有自学习、自适应等优点，达到了在线控制的目的。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于DSP的防空火箭炮模糊神经网络位置控制器设计

针对多管火箭炮发射时恶劣的负载特性,设计了一种模糊神经网络自适应位置控制器.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,从而减小系统参数变化和外部干扰对火箭炮性能的影响.采用对空间分区建立索引表的方法,建立了一种基于TMS320F2812的新型模糊神经网络位置控制器的编程实现方法.仿真及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性能、稳定性和鲁棒性.     

基于系统辨识的燃料电池系统建模和自适应模糊控制

熔融碳酸盐燃料电池（MCFC）发电运行时，电堆的工作温度必须控制在一定的范 围内，否则将导致系统发电效率的降低或危及电堆寿命．因此，实现对MCFC运行温度的在线 控制势在必行．但由于MCFC系统的复杂性，已有模型均为复杂的非线性微分方程组描述的解 析模型，难以满足在线计算的实时控制的要求．因此，本文首先利用神经网络辨识技术基于 实验的输入（气体流量）输出（温度）数据建立起MCFC电堆的神经网络模型；然后，基于这 一电堆模型，设计了一个MCFC电堆工作温度的在线改进型自适应模糊控制器．该控制器对传 统的模糊控制方法存在的缺陷进行了改进，它一方面采用BP算法对模糊系统的参数进行修正 ，另一方面又通过聚类算法对模糊系统的结构进行自适应调整．最后，用神经网络辨识模型 代替实际的MCFC电堆进行了控制仿真，仿真结果证明对MCFC辨识电堆建模的有效性，以及所 设计的模糊控制器的性能优越性．     

小车-倒摆控制系统的Takagi-Sugeno模糊模型研究

文章以系统的输入输出测试数据为依据,讨论了系统的Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的辨识方法,并基于此设计小车－倒摆系统的模糊控制器,实验结果表明,本文方法具有较高的可靠性和应用价值。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器对二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度。     

基于模糊神经网络大容量输油泵多变量控制

大容量输油泵系统是一个时变非线性复杂系统,生产要求对输油泵的流量、入口压力和出口压力进行协调控制.根据大容量输油泵系统实际控制要求,提出了基于模糊神经网络大容量输油泵多变量控制策略,设计了控制系统和模糊神经网络控制器的结构,给出了模糊神经网络控制器、模型辨识网络参数的修正算法.仿真结果表明该系统能根据流量、入口压力和出口压力给定值与实际值之间的偏差,在线修正控制器参数,实现对大容量输油泵流量、入口压力和出口压力的协调控制.     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

质子交换膜燃料电池的神经网络建模与控制

该文从设计质子交换膜燃料电池（PEMFC）控制方案的角度出发,首先提出了采用Elman动态神经网络对PEMFC系统进行建模的新方法,以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络,并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度;Elman神经网络辨识可使辨识过程简化并提高了辨识精度。然后在此基础上设计了自适应模糊神经网络控制器。最后的仿真实验以Elman神经网络模型为参考模型,使用自适应神经网络控制算法控制PEMFC的工作温度,取得了较好的控制效果。结果显示所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。     

基于神经网络辨识的熔融碳酸盐燃料电池（MCFC）建模

针对熔融碳酸盐燃料电池（MCFC）电堆系统过于复杂,难以建模以及已建立的模型过于复杂,难以满足工程上对MCFC系统控制设计特别是实时控制的需要,该文试图绕开MCFC的内部复杂性,提出利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络辨识方法应用到MCFC这种高度非线性系统的建模。以燃料气和氧化剂气体的流速为输入量,MCFC电堆的温度响应为输出量,根据输入输出数据用神经网络辨识建立MCFC电堆系统的温度模型,给出了辨识系统的结构及改进BP算法。仿真结果证明了这种方法的可行性,建立的模型精度较高,它使得设计MCFC的实时控制器成为可能。     

Nonlinear modeling and adaptive fuzzy control of MCFC stack

To improve availability and performance of fuel cells, the operating temperature of molten carbonate fuel cells (MCFC) stack should be controlled within a specified range. However, the most existing models of MCFC are not ready to be applied in synthesis. In this paper, a radial basis function neural networks identification model of MCFC stack is developed based on the input–output sampled data. A novel adaptive fuzzy control procedure for the temperature of MCFC stack is also developed. The parameters of the fuzzy control system are regulated by back-propagation algorithm, and the rule database of the fuzzy system is also adaptively adjusted by the nearest-neighbor-clustering algorithm. Finally using the neural networks model of MCFC stack, the simulation results of the control algorithm are presented. The results show the effectiveness of the proposed modeling and design procedures for MCFC stack based on neural networks identification and the novel adaptive fuzzy control.     

Nonlinear modeling of MCFC stack based on RBF neural networks identification

Modeling molten carbonate fuel cells (MCFC) is very difficult and the most existing models are based on conversation laws which are too complicated to be used to design a control system. This paper presents an application of radial basis functions (RBF) neural networks identification to develop a nonlinear temperature model of MCFC stack. The temperature characters of MCFC stack are briefly analyzed. A summary of RBF neural networks modeling of MCFC is introduced. The simulation tests reveal that it is feasible to establish the model of MCFC stack using RBF neural networks identification. The modeling process avoids using complicated differential equations to describe the stack and the neural networks model developed can be used to predict the temperature responses online which makes it possible to design online controller of MCFC stack.     

基于一种FGA–ANFIS技术的DMFC温度建模和控制

为了提高直接甲醇燃料电池(DMFC)的发电性能,采用自适应神经模糊推理技术(FGA-ANFIS)对电池的工作温度进行建模与控制.首先,基于实验的输入输出数据建立了DMFC电堆温度的自适应神经模糊辨识模型,避开了DMFC电堆的内部复杂性.然后,将训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法对神经模糊控制器的参数和模糊规则进行自适应调整.最后,通过仿真.将所提出的算法与非线性PID和传统模糊算法进行比较,结果表明所设计的神经模糊控制器具有较好的性能.     

基于有序神经网络的神经模糊预测控制

本文使用有序神经网络和改进的模糊控制器构成了一种新型的神经模糊预测控制方法，有序网络学习速度快，所需神经数目少，用事先训练好的有序网络代替传统的预测模型，以期增强输出预测的准确性；同时，用一种改进的模糊控制器原有的PID控制器，增强系统的鲁棒性。仿真结果表明，所提出的神经模糊预测控制方法可以获得理想的控制效果。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

燃料电池的模糊辨识建模与变结构控制研究

该文从DMFC实际应用的角度出发,首先利用模糊聚类和线性辨识方法基于实验的输入(甲醇、空气、冷却水的流速)输出(温度)数据建立DMFC的T-S模糊预测模型,然后基于该辨识的温度模型,设计了一个DMFC电堆工作温度的在线系统。最后,用辨识的温度模型代替实际的DMFC电堆进行控制仿真,仿真结果证明对DMFC电堆采用辨识建模的方法是有效的,建立的模型精度较高,以及所设计的变结构控制器性能优越,它对不同的系统状态都能调节控制量将电堆温度较平滑地过渡到试验的理想值。     

水冷型PEMFC温湿度建模与智能控制

当负载电流一定时,质子交换膜燃料电池(PEMFC)的工作温度和质子膜的相对湿度是影响电池输出性能的主要因素。分析电池电流密度与最优工作温湿度的关系,建立基于温湿度耦合模型的最优温湿度操作条件的电压模型。通过对冷却水流量和阴阳极气体加湿度进行综合控制,保持电堆的工作温湿度在最佳状态,不仅保证了电池最优的输出性能,还可以延长其使用寿命。根据仿真试验结果比较可以看到,所建立的温湿度模型能够有效降低温湿度之间的耦合作用,设计的变论域模糊比例积分微分(PID)温度控制器和反向传播(BP)神经网络湿度控制器能够快速地响应负载电流的变化,明显减少进气气体湿度以及电堆出口冷却水温度的调节时间和超调量,具有更准确的控制精度。