共查询到18条相似文献,搜索用时 211 毫秒
1.
水下机器人T-S型模糊神经网络控制 总被引:4,自引:3,他引:1
针对水下机器人模糊神经网络控制器运算量大和对强外界扰动的鲁棒性差及存在滞后性的问题,提出基于混合学习算法的水下机器人T-S型模糊神经网络控制方法.采用免疫遗传算法离线优化和神经网络自学习在线调整隶属函数的参数,从而减少神经网络的运算量,增强水下机器人对环境变化的反应能力.采用T-S模型,由后件网络动态调整模糊规则,提高控制系统的适应性.通过某微小型水下机器人的仿真和外场实验验证方法的可行性和优越性.实验结果表明,控制器对外界扰动具有较强的鲁棒性,保证即使在恶劣情况下,控制性能仍保持在较高水平. 相似文献
2.
基于模糊神经网络的温度控制器研制 总被引:6,自引:0,他引:6
王耀南 《电子测量与仪器学报》1997,11(1):17-23
本文提出一种基于模糊神经网络的智能温度控制器,给出了模糊神经网络模糊帮一种快速的学习算法,并通过自学习砂断修正模糊控制器的隶属函数和权值,实现了模糊逻辑规则的自动更新。 相似文献
3.
4.
5.
6.
基于改进学习算法的模糊神经网络控制系统 总被引:6,自引:1,他引:6
刘美俊 《中国电机工程学报》2007,27(19):87-92
针对一类复杂非线性系统,提出一种模糊神经网络(FNN)控制方案。系统中采用模糊神经网络控制器和神经网络辨识控制器相结合的结构,介绍一种改进的学习算法,对学习公式进行推导,利用改进的遗传算法来优化已经获得的隶属度函数,并结合误差补偿以提高控制精度。同时将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。用该方法对某非线性动态系统进行辨识和控制,仿真结果表明控制精度和实时性优于常规模糊控制器。 相似文献
7.
模糊神经网络在能量缓冲统一潮流控制器中应用的研究 总被引:8,自引:3,他引:8
UPFC是最具有代表性的柔性交流输电系统(FACTS)装置,它集串、并联补偿为一体。通过能量缓冲装置的引入,使得UPFC中有功分布控制成为可能。该文采用模糊神经网络(FNN)来控制统一潮流控制器(UPFC)及能量缓冲装置;提出了一种改进的FNN控制器学习算法:在构成隶属函数的神经结构中采用遗传算法,在解模糊过程中采用最小二乘方法。模糊神经网络控制方法结合模糊理论与神经网络各自的优点,使其对于UPFC的控制具有更加灵活稳定和快速的特性和很强的鲁棒性,并使UPFC串并联侧协调控制更加可靠。通过大量的样本学习,验证了该控制系统能够确保各种运行模式下的UPFC正确工作,最后通过仿真证实了该方法的可靠性。 相似文献
8.
9.
10.
11.
电液位置伺服系统的模糊神经网络控制 总被引:7,自引:1,他引:6
针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。 相似文献
12.
BP神经网络模糊控制在电弧炉电极调节系统中的实现 总被引:1,自引:0,他引:1
针对电弧炉电极调节系统,建立其数学模型。分析了电弧炉电极调节系统的非线性,并针对控制对象的复杂性,将具有自学习功能的BP神经网络与模糊控制相结合,提出了基于BP神经网络模糊控制的控制算法。BP神经网络模糊控制的控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统控制未知复杂系统的不足,Matlab6.5软件仿真结果表明,采用BP神经网络模糊控制的控制算法的控制效果是令人满意的。 相似文献
13.
14.
基于模糊神经解耦控制的双馈水轮发电机系统仿真 总被引:2,自引:0,他引:2
双馈水轮发电机系统是一个涉及水力、水轮机和发电机的综合复杂系统。针对系统具有多变量、非线性、强耦合和参数不确定性的特点,本文提出了一种两级串联结构的自适应模糊神经网络解耦控制策略,前级为基于智能权函数规则的自调整模糊控制器,后级为基于动态耦合特性的自适应神经网络解耦控制器,并从理论上证明了学习算法的收敛性。为了验证所提出控制策略的有效性和正确性,本文对双馈水轮发电机系统在水力、水轮机和发电机参数变化时的鲁棒性分别进行了仿真研究。与常规PID控制的仿真结果比较表明,提出的解耦控制策略能较好地克服参数变化和对象模型结构变化对运行性能的影响,具有鲁棒性好,解耦能力强的优点。 相似文献
15.
16.
文章利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力,将其与自适应控制方案结合,并取带有控制增量约束的广义目标函数作为优化指标;从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上分别采用Davidon最小二乘法和带有动量项的BP算法。仿真结果表明了该方法的有效性。 相似文献
17.