模糊辩识器的参数辨识

本文针对基于ＢＰ网络进行参数辨识的模糊辨识器,采用更为合理的学习步长－变步长,从而在线辨识更加快速,为实时控制节约了宝贵的时间。     

基于机器人逆运动学的模糊辨识

本文所研究的机器人是SCARA型教学机器人,它是一个四自由度机器人．有三个旋转关节,一个滑动关节。论文研究了采用模糊逻辑系统作为未知非线性对象的辨识器的方法来建立机器人的逆运动学方程．由此建立的机器人结构系统动力学模型的动态特性与实验测试结果具有较好的一致性。     

基于模糊优化辨识模块化机器人关节动力学参数

为了能更为合理、准确地辨识出机电结构系统结合面的等效动力学参数,提出了基于模糊优化的辨识方法。以9自由度模块化冗余机器人为研究对象,采用模糊优化方法辨识了机器人关节面等效动力学参数,并利用所识别的参数及机器人各部件有限元模型建立了机器人整机动力学模型,该模型的模态参数与试验结果具有较好的一致性,表明所提出的辨识方法具有较高的辨识精度,是合理和可行的。     

基于传递函数的机械结构结合面参数模糊辨识方法

机械结构结合面参数对机械结构系统动力学建模与结构振动控制有着重要的影响.准确合理地识别出结合面等效参数是实现结构系统动态分析与控制的一个关键问题.本论文提出利用传递函数和模糊优化识别机械结构结合面参数的新方法,给出了理论公式和算例分析.通过与传统的最小二乘法比较表明,该方法克服了传统方法的一些缺点,提高了结合面参数辨识精度.     

基于变结构理论的混沌控制与参数辨识

提出一种基于变结构理论的混沌系统镇定及参数辨识方法.通过设计辨识器,使混沌系统中未知参数在闭环系统中实现在线辨识.从而在辨识参数的同时,实现混沌系统镇定.最后,给出仿真实例说明了方法的有效性.     

基于变结构理论的混沌控制与参数辨识

提出一种基于变结构理论的混沌系统镇定及参数辨识方法.通过设计辨识器,使混沌系统中未知参数在闭环系统中实现在线辨识.从而在辨识参数的同时,实现混沌系统镇定.最后,给出仿真实例说明了方法的有效性.     

线性变参数振动系统的全局辨识

制造系统中存在大量振动特性随特定参数变化而变化的线性变参数振动系统。这类线性变参数振动系统的辨识目前主要通过局部辨识方法,为了准确辨识需要在不同调度变量下进行大量实验,往往效率很低。为了准确而高效地辨识线性变参数振动系统,提出一种全局辨识方法。对调度变量连续变化的线性变参数振动系统持续施加激励,将系统的振动微分方程进行时域离散,利用过完备字典函数库对离散模型进行表征,并利用稀疏回归进行求解,即可根据调度变量数据和系统的激励-响应数据一次辨识得到系统模型。以实际机床刀尖结构的模态参数数据,建立线性变参数振动系统代理模型进行验证。在单调度变量和多调度变量案例中,全局辨识得到的模态参数平均误差均在2.7%以下,充分显示了所提出全局辨识方法的有效性,也验证了线性变参数振动系统全局辨识的可行性。     

压电作动器非对称迟滞模型的建立和参数辨识

现有的众多基于传统Bouc-Wen改进的压电陶瓷非对称迟滞模型存在参数冗余,降低了模型参数辨识的准确性,而且常用的粒子群算法(PSO)在辨识压电陶瓷非对称迟滞模型参数方面收敛慢且容易陷入局部最优值。为此,首先提出了一种归一化的非对称迟滞模型,采用两个多项式达到非对称效果,利用归一化Bouc-Wen消除参数冗余;然后采用参数和变异策略自适应的差分进化算法进行迟滞参数辨识;建立了相应的测试系统,对压电陶瓷作动器进行了实验研究。结果表明,相比于传统的Bouc-Wen模型,所提出的模型能更精确地描述压电陶瓷实际电压位移曲线,而且消除了参数的冗余,降低了参数辨识的难度。相比于粒子群算法和传统差分进化算法,自适应差分进化算法能更快更精准地找到最优参数值。     

CMAC神经网络控制器与BP神经网络辨识器的系统设计

提出了一种基于CMAC神经网络控制系统,该系统由CMAC神经网络控制器和BP模型辨识网络组成。文中介绍了CMAC神经网络控制器的结构及学习算法,还给出了系统辨识的BP网络结构及学习算法。仿真结果表明了此法的可行性和有效性。     

基于试验模态参数的有限元模型的结构参数辨识

以结构系统的正交特征方程等为约束条件，从求解带约束的拉格朗日函数极值入手，提出了一种用测试的非完全模态参数辨识结构参数的方法，通过算例说明了该方法在模型中有不易测得的自由度或为聚缩模型时的应用。本文方法可用于复杂有限元模型中的参数辨识。算例表明：本文方法有较大的误差修正范围，并且有良好的辨识精度     

有效克服静差的滤波辨识预测式模糊控制器

针对模糊控制对时滞系统控制效果不好和存在静差的缺陷,本文提出了滤波辨识预测式模糊控制器,利用滤波在线辨识时滞,利用预测克服时滞对模糊控制静差的影响,利用类积分进一步消除模糊控制自身产生的静差。     

数字PID控制方程的参数在线Fuzzy自校正方法研究

运用Ｆｕｚｚｙ集合理论，对ＰＩＤ调节器的３个参数进行在线自动校正，以实现对一类不确定系统的控制。本文试图建立ＰＩＤ参数Ｆｕｚｚｙ规则模型并对Ｆｕｚｚｙ校正方法进行研究探讨。     

一种预测模糊集成控制系统的设计方法

将预测控制方法与模糊控制方法相结合,构成一类预测模糊集成控制系统。用以解决工业过程控制系统中存在的且难以处理的大滞后与非最小相位问题。文章最后给出仿真结果。     

一类基于统计理论的神经网络模式识别方法

本文针对用人工神经网络进行模式识别时样本特征指标过多的问题,提出用统计理论的主成分分析方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点,从而极大地简化人工神经网络,提高了模式识别的效果。     

Calculation of PID controller parameters by using a fuzzy neural network

In this paper, we use the fuzzy neural network (FNN) to develop a formula for designing the proportional-integral-derivative (PID) controller. This PID controller satisfies the criteria of minimum integrated absolute error (IAE) and maximum of sensitivity (Ms). The FNN system is used to identify the relationship between plant model and controller parameters based on IAE and Ms. To derive the tuning rule, the dominant pole assignment method is applied to simplify our optimization processes. Therefore, the FNN system is used to automatically tune the PID controller for different system parameters so that neither theoretical methods nor numerical methods need be used. Moreover, the FNN-based formula can modify the controller to meet our specification when the system model changes. A simulation result for applying to the motor position control problem is given to demonstrate the effectiveness of our approach.     

Adaptive synchronization and parameter identification of chaotic system with unknown parameters and mixed delays based on a special matrix structure

In this paper, we investigate the synchronization and parameter identification of chaotic system with unknown parameters and mixed delays. A new approach is proposed for designing a controller and a update rule of unknown parameters based on a special matrix structure, and the synchronization and the parameter identification are realized under the controller and the update rule. Numerical simulations are carried out to confirm the effectiveness of the approach. A significant advantage is that the process of designing a controller and a update rule become very clear and easy by the proposed approach.     

A fast method for online closed-loop system identification

In the modern control schemes broadly applied presently in the servo drive system of machine tools, the sampling frequency has been growing larger and larger becomes higher and higher, so it is important to keep up-to-date with the variance of the actual system parameters. As a solution to the problem, a novel method developed from the recursive extended least squares (RELS) algorithm in terms of the computation of functions, operates in such a way that the parameters of the system model are revised only when several proper new groups of data are obtained. The simulation and experimentation of online direct closed-loop system identification indicate that, by selecting the updating step, this method is able to effectively cut down the identifying cost time while obtaining satisfactory accuracy of estimation.     

Hardware/firmware implementation of a soft sensor using an improved version of a fuzzy identification algorithm

This paper presents the design and implementation of an embedded soft sensor, i.e., a generic and autonomous hardware module, which can be applied to many complex plants, wherein a certain variable cannot be directly measured. It is implemented based on a fuzzy identification algorithm called "Limited Rules", employed to model continuous nonlinear processes. The fuzzy model has a Takagi-Sugeno-Kang structure and the premise parameters are defined based on the Fuzzy C-Means (FCM) clustering algorithm. The firmware contains the soft sensor and it runs online, estimating the target variable from other available variables. Tests have been performed using a simulated pH neutralization plant. The results of the embedded soft sensor have been considered satisfactory. A complete embedded inferential control system is also presented, including a soft sensor and a PID controller.