共查询到20条相似文献,搜索用时 155 毫秒
1.
对于超磁致伸缩材料固有的迟滞非线性特性,本文提出一种基于小脑模型神经网络(CMAC)前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器(GMA)的迟滞逆模型进行补偿,再利用CMAC模型在线快速学习适应的能力,结合PID控制器降低跟踪控制时的误差和扰动,从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型,最后通过仿真实验验证所提方法的有效性。结果表明,提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度,在CMAC-PID复合控制方案的作用下,系统的期望位移与实际位移相对误差值最大值仅2.39%,平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化,有效地提高GMA的跟踪精度。 相似文献
2.
双向变换器具有功率双向流动、功率因数可调等优点,常作为双馈型风力发电机的励磁系统,当机侧的工作状况突变时,会引起直流侧电压较大的波动.为在稳定直流母线电压的前提下减少交-直-交变换器中电容容量,提出了内模解耦控制和负载功率前馈控制的复合控制方案,使前馈补偿量能抵消负载干扰量.分析和比较了小信号模型,在MATLAB/Simulink环境下建立无刷双馈发电机的仿真系统,仿真分析结果表明复合控制策略快速地实现了直流电压的稳定,极大改善了直流母线电压的控制效果,验证了控制方案的有效性和可行性. 相似文献
3.
4.
5.
6.
针对神经网络逆动力学模型用于前馈控制的网络泛化能力问题,通过对实际机器人的仿真实验,分析了前馈神经网络学习的机理,对神经网络训练过程中的数据采样环节进行了改进,提出了在状态空间域中进行数据筛选和处理的神经网络学习方法。通过二自由度机器人运动仿真实验表明,该方法提高了模型泛化能力,有利于实时动力学前馈控制方法的实用化;与传统PID控制相比,该神经网络模型进行动力学前馈控制能大幅度减少动态误差,改善了系统稳定性。 相似文献
7.
8.
9.
基于最小二乘支持向量机的多变量逆系统控制方法及应用 总被引:6,自引:1,他引:5
为提高多变量、非线性和强耦合系统的动态特性和解耦能力,解决逆模型辨识问题,讨论了基于最小二乘支持向量机(least squares support vector machines,LS-SVM)的多变量逆系统解耦控制方法。通过分析LS-SVM的函数拟合特性,离线建立被控对象的非线性逆模型,将得到的逆模型直接串接在原对象之前,原系统被解耦成多个独立的单变量伪线性子系统。为克服直接逆模型的建模误差,提高系统鲁棒稳定性,提出了复合控制方法,其中直接逆模型作为前馈控制器,而用PID控制器作为反馈控制器。文中还分析了球磨机控制系统的特点,并进行了仿真控制研究,仿真结果表明该复合控制方法不依赖于系统的精确数学模型,且解耦能力强、鲁棒稳定性好、跟踪精度高。 相似文献
10.
11.
基于粗糙集理论的中长期风速预测 总被引:5,自引:0,他引:5
在中长期风速预测中,正确处理相关因素的影响是提高风速预测精度的关键。该文提出一种粗糙集理论预测方法。利用粗糙集理论分析出风速预测的主要影响因素,将其作为中长期风速预测模型的附加输入,建立粗糙集神经网络预测模型。利用黑龙江某风电场的数据进行训练和预测,并将预测结果与单纯的混沌神经网络预测方法和持续模型方法进行对比,结果表明,粗糙集神经网络模型的预测精度最高。粗糙集方法在中长期风速预测中将是一个有用的工具。 相似文献
12.
研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。 相似文献
13.
14.
粗糙集和神经网络的集成技术综合利用了粗糙集理论数据分析与决策规则自动提取的优点以及神经网络对非线性函数任意逼近的能力,为复杂非线性系统的建模辨识提供了一种新的途径。文中提出了一种基于粗糙径向基(radial basis function,RBF)网络的船舶发电机励磁神经比例–积分–微分(proportion-integral-differential,PID)自适应控制方法,通过粗糙RBF网络离线学习和在线辨识对神经PID控制器的参数进行自适应调节。仿真结果表明,该控制方法与传统PID控制相比具有超调量小、调节速度快等优点。 相似文献
15.
针对循环流化床(CFB)锅炉床温的非线性、大惯性和大延迟等特性,提出了1种基于粗糙集的自适应模糊神经网络的床温控制方法,并且通过大量已知数据的学习得到模糊规则及其隶属度函数.为了减少规则的数目,提高数据的学习效率,引入了粗糙集,从采集数据中提取最小规则集,从而解决了自适应模糊神经网络中的规则爆炸问题.以CFB锅炉床温为控制对象,对基于粗糙集的自适应模糊神经网络控制器进行仿真比较.结果表明,该控制器控制效果优于常规PID控制器,但稳态误差较常规PID控制器大,其稳态误差小于1.7%,在允许范围内. 相似文献
16.
针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动的问题,提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势,进一步提高神经网络的辨识能力。仿真结果表明,所设计的云神经网络自适应逆系统不仅可以得到好的动态响应,还可以使风电及负荷引起的扰动减小到最小。 相似文献
17.
18.
Elman神经网络由于其具有无限逼近和适应时变特性的能力被广泛用于动态数据预测。短期的用电量存在多种不确定影响因素,为了将所有影响因素考虑其中,引入混沌时间序列的重构相空间技术。由于神经网络在非线性函数中对于峰值预测偏差较大,粗糙集理论可以对其做出修正。因此,引入混沌时间序列理论和粗糙集理论改进Elman神经网络并进行建模。模型应用嵌入维度和延迟时间重构相空间恢复原来系统的动力学形态,将处理好的数据代入Elman神经网络进行用电量预测。最后引入粗糙集修正误差较大的峰值点,提高预测精度。收集了Heriot-Watt大学某宿舍楼30天的用电量数据,以5 min为计数频率共8 640个计数点作为数据集进行预测仿真。预测结果与Elman神经网络和混沌时间序列Elman神经网络进行对比,验证了该模型在短时间预测的有效性。 相似文献
19.
建立了非线性伺服系统逆动态控制的体系结构,利用启发式模拟退火算法,进行了基于神经网络方法对象模型未知条件下的伺服系统逆动态控制仿真研究。 相似文献