针对纯滞后系统神经网络Dahlin控制的研究

针对传统的基于Dahlin算法的控制器在大惯性、纯滞后、时变性、非线性对象的控制效果不佳,甚至发生不稳定现象的弱点,提出了以CMAC神经网络与Dahlia算法相结合的控制方法.以CMAC神经网络作为一个前馈控制器,实现时滞系统的自适应稳定控制.仿真实验表明,这种复合控制方法保留了Dahlin算法与CMAC神经网络的各自特长,同时具备学习速度快、适应能力强的优点,具有良好的稳定性和控制效果.     

智能控制与复合控制在二阶时变纯滞后对象的应用研究

针对二阶时变纯滞后对象难以控制的问题,提出了采用改进Smith预估器提高系统的稳定性和鲁棒性;采用CMAC和PID并行控制的算法来提高动态性能;以CMAC神经网络作为一个前馈控制器,通过对PID控制器输出的学习,实现二阶变时滞系统的自适应稳定控制。仿真实验表明,这种复合控制方法保留了Smith算法与CMAC神经网络和PID算法的各自特长,具有学习速度快,适应能力强、动态性能好的优点,具有良好的稳定性控制效果。     

CMAC神经网络模糊控制器设计

详细介绍了CMAC神经网络结构、中间层作用函数地址的计算方法、输出层权值的学习算法,并利用CMAC神经网络对水下机器人深度模糊控制器进行了学习。仿真结果表明,训练得到的CMAC神经控制器控制效果良好,中间层作用函数地址的计算方法正确。     

基于神经网络的自适应Dahlin数字控制器

在常规Dahlin数字控制器的基础上,采用神经网络理论确定Dahlin控制器参数,提出了一种基于神经网络的自适应Dahlin数字控制器,该控制器具有收敛速度快、鲁棒性强的特点．既可用于参数时变和时滞未知的受控对象,亦适用于逆不稳定过程,不存在控制器的振铃现象,是解决具有慢时变和时滞未知工业过程控制的有效方法。     

电液负载模拟器的自适应滑模控制方法

针对电液负载模拟器存在的系统非线性、不确定性和强干扰的控制难点,设计了自适应滑模控制方法.设计积分滑模以降低控制器对期望跟踪轨迹高阶导数的要求;设计动态滑模算法抑制抖振;采用小脑模型关节控制器(CMAC)在线学习系统不确定性以降低控制器参数设计的保守性.设计了自适应滑模控制律,给出了CMAC神经网络权值调整算法,证明了控制器的稳定性,以确保系统稳定且输出跟踪误差渐近收敛于零.仿真结果证明了控制策略的有效性.     

遗传小脑神经网络在液位控制中的应用

针对非线性液位控制问题,提出了一种采用遗传小脑模型神经网络（CMAC）的学习控制方法;该控制器采用遗传算法作为CMAC神经网络的学习算法,给出了具体的控制结构和算法;仿真结果表明,该控制器具有良好的处理非线性以及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能使用较高的学习速率,学习速度快,适于在线学习控制。     

基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

自适应Dahlin数字控制器

Dahlin 算法是一种设计数字控制器的直接综合方法。对于有纯滞后的一阶和二阶受控对象,采用这种算法比常规PID 数字控制器效果为好,因而获得应用。但是这种方法只能用于已知的定常时滞工业对象,要求事先确知时滞,而且时滞严格等于采样周期的整数倍。如果实际系统的时滞与设计参数不匹配,系统品质会迅速恶化。然而时滞未知或时变的现象在工业对象中十分普遍,进而要使实际对象的时滞精确等于采样周期的整数倍十分困难。这时会出现传输延迟,其对应的离散时间系统往往是逆不稳定的,从而使常规的Dahlin 数字控制器失效,这就大大地限制了它的应用范围。     

高超声速飞行器的模糊CMAC神经网络控制器设计

由于采用机体一体化设计,吸气式高超声速飞行器的气动特性难以准确获知,建立的数学模型是极不准确的;设计了一种模糊CMAC神经网络(FCMAC)控制器及其学习算法,在CMAC神经网络控制器中结合模糊逻辑理论,使得CMAC控制器具有自学习能力;仿真用高超声速飞行器的纵向模型对该控制器进行了验证,证明该控制方法能够有效地跟踪飞行器的高度和速度指令。     

基于变尺度编码CMAC的增强学习控制器及其应用

研究了一种基于变尺度编码CMAC神经网络的增强学习控制器设计方法,并应用于以自行车平衡为模型的非线性随机系统的学习控制中.该方法通过对Markov决策过程状态空间的变尺度重叠量化编码,实现基于CMAC的多分辨率值函数逼近,从而有效地提高了增强学习控制器对连续状态空间马氏决策问题的泛化性能.针对自行车学习控制的仿真研究表明,采用变尺度编码CMAC进行值函数逼近的增强学习控制器能够获得优于已有表格型方法和均匀编码CMAC方法的学习效率和泛化性能.     

A self-tuning controller for systems with unknown or varying time delays†

A SISO self-tuning controller with a Smith-predictor type of time delay compensator (STC-TDC) is proposed to handle open-loop stable processes with unknown or varying time delays. Two numerical examples comparing PI control, the standard STC of Clarke and Gawthrop, the self-tuning Dahlin algorithm of Vogel and Edgar, and the STC-TDC show that the new approach performs best for both set-point and load changes when process time delay changes occur. A third example shows that the STC-TDC matches the extended stability characteristics of the alternative approach due to Kurz and Goedecke but is computationally much simpler.     

自校正Dahlin数字控制器

本文在常规Ｄａｈｌｉｎ数字控制器的基础上，经过改进而提出一种新型的自校正Ｄａｈｌｉｎ数字控制器。它即可用于参数和时滞未知的或慢时变的受控对象，又可用于逆不稳定过程，并能消除控制器的振铃现象，应用范围大为拓广．     

一类全局收敛的多变量自校正控制器*

本文将文[1]提出的多变量自校正控制算法推广到具有一般传输延时的多变量系统并进行了稳定性和收敛性分析。首先表明:即使对于具有任意传输延时的多变量系统,该自校正控制器仍具有全局收敛特性:以概率1输入输出向量采样均方有界,条件均方输出跟踪误差向量范数取得最小值。     

基于MATLAB的新型CMAC控制器的设计与仿真

在小脑神经网络(CMAC)与PID并行控制的基础上,提出了一种新型的CMAC控制器,即FCMAC控制器。这种把小脑神经网络与模糊控制(Fuzzy)结合起来的控制方法,具有两种控制方法的优点。本文中以某交流伺服电机作为控制对象,用MATLAB进行了仿真。仿真结果表明,FCMAC控制器具有较高的控制精度、良好的自适应特性。     

时滞系统的经典控制与智能控制

研究了两类用于时滞系统控制的方法．即包括自整定PID控制、Smith预估控制和大林算法在内的经典控制方法和包括模糊控制、神经网络控制和模糊神经网络控制在内的智能控制方法．经过比较后认为经典控制结构简单、可靠性及实用性强．而智能控制则具有自适应性和鲁棒性好．抗干扰能力强的优势，因而将这两种控制方法结合起来是控制时滞系统有效实用的方法．具有很好的应用前景。     

时变分数时滞系统最优预报自校正极点配置PID控制算法*

本文在广义模型描述被控过程的基础上,利用广义预测理论克服时滞,增强控制系统的鲁棒性,提出一种最优预报自校正极点配置PID控制新算法,仿真结果表明这种控制策略对具有未知或时变分数时滞系统是很有效的。     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

一种基于小脑模型关节控制器评论-策略家的机器人跟踪控制算法

本文提出了一种基于小脑模型关节控制器(CMAC)的评论–策略家算法,设计不依赖模型的跟踪控制器,来解决机器人的跟踪问题.该跟踪控制器包含位置控制器和角度控制器,其输出分别为线速度和角速度.位置控制器由评价单元和策略单元组成,每个单元都采用CMAC算法,按改进δ学习规则在线调整权值.策略单元产生控制量;评判单元在线调整策略单元学习速率.以双轮驱动自主移动机器人为例,与固定学习速率CMAC做比较,仿真数据表明,基于CMAC的评论–策略家算法的跟踪控制器具有跟踪速度快,自适应能力强,配置参数范围宽,不依赖数学模型等特点.