一类非线性振动自适应控制的神经网络方法

针对一类非线性振动系统，本文详细阐述了非线性振动自适应控制的神经网络方法。首先提出一类非线性系统的控制模型与自适应控制策略；然后介绍了神经网络控制器的模型，进而导出了基于神经网络的振动自适应控制算法，数字仿真结果表明了这种方法的有效性。     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

采用BP神经网络进行混沌运动控制

利用4层BP神经网络对非线性非连续函数的无穷逼近特性，设计了控制方法，对非线性系统的混沌运动进行控制。在系统发生混沌运动时，对于不同类型的期望信号，可以将不同自由度的混沌运动分别控制到各自的目标信号上。目标函数可以是周期函数，非线性函数。对Lorenz方程进行了仿真计算，结果显示可以将混沌运动控制到锯齿波信号、正弦信号和直流信号上；对Rossler方程的仿真计算，可以将系统的混沌运动控制到方波信号与直流信号上，控制所用的时间很短。     

工业控制技术国家重点实验室简介——工业控制技术国家重点实验室近期主要研究方向

1．复杂工程系统的建模与控制◆鲁棒控制理论研究◆大时滞系统控制理论研究◆神经网络控制理论研究◆分布式网络控制理论研究◆预测控制理论研究◆系统建模的方法与技术     

基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性，基于传统自适应算法的控制系统稳定性不够，容易产生振荡．文章采用神经网络BP算法，利用Matlab6．0建立了管道有源消声的仿真控制系统．通过与采用传统自适应算法的控制系统进行仿真研究对比，证明采用神经网络BP算法的控制系统消声效果更加明显．     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法，对蒸汽发生器水位进行控制仿真．该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统．小波神经网络辨识器能更准确逼近非线性对象。小波神经网络控制器能自适应产生最佳的控制规律．仿真结果表明，该方案具有响应快、超调量小、较强抑制干扰能力等良好性能．     

基于BBMNN的多变量非线性软测量建模及应用

基于Boostins思想,提出了一种改进的adaboost算法。在此基础上,提出了一种新的多神经网络构造方法BBMNN。应用于软测量建模,给出了一种新的非线性系统软测量建模方案,并分别针对多变量、非线性典型模型和复杂工业过程,应用实验数据和实际运行数据进行了仿真研究。仿真结果表明,该方案可以较好地解决复杂对象神经网络建模时样本点数量与模型精度之间的矛盾,可同时获得较高的训练精度和预测精度。     

基于迟滞非线性逆补偿的振动主动控制仿真研究

由于压电材料本身的特性,压电作动器对外加电场的响应通常表现为多值映射的迟滞特性。这种迟滞非线性会产生与输入信号相关的相位和谐波失真,一方面会造成系统振荡甚至失稳,另一方面会产生谐波,限制系统性能。本文通过仿射原理对迟滞非线性进行建模,并通过神经网络引入迟滞逆模型,以消除迟滞非线性的影响,在此基础上,结合自适应控制LMS方法对引入补偿的迟滞非线性系统的振动传递控制进行仿真研究。结果表明,具有补偿的迟滞非线性系统的控制误差比没有补偿的系统的控制误差明显减小,而且误差收敛速率也明显变大。     

非线性裂纹转子的振动控制与裂纹延缓的研究

针对裂纹转子的非线性振动问题,以具有非线性恢复力的轴承和电磁执行器的Jeffcott裂纹转子为研究对象,通过仿真和实验分析了系统的振动响应,同时采用神经网络PID控制的电磁执行器,实现对裂纹转子系统的非线性振动的主动控制。并通过对神经网络PID和传统PID控制方法的仿真比较,表明神经网络PID对非线性裂纹转子系统具有更好的控制性能和抗干扰性。其次,基于转子动力学理论,分析了裂纹的开闭特性,用数值方法分析了不同参数对裂纹扩展的影响,提出了有效延缓裂纹扩展的方法。     

自组织神经网络在转台控制系统中的应用

本文在分析某转台数学模型的基础上,先引入迭代学习控制算法.结果证明当被控制对象存在非线性、不确定性问题,无法精确建模时,迭代控制方法仍可以取得较好的控制效果.在此基础上,引入智能算法,用以建立更加快速实用的控制方法.系统采用离线学习方式建立网络结构,调整权值.大量仿真实验研究表明,计算机控制系统通过引入神经网络控制方法,取得了改进控制系统,提高控制精度的作用.     

基于磁流变阻尼器的车辆悬架半主动控制研究--间接自适应控制与实验

在分析磁流变阻尼器车辆悬架非线性特性的基础上，设计了一类神经网络间接自适应控制器，并根据系统的低频特性和作动器的快响应，实现了悬架振动的神经网络实时控制。计算机仿真和悬架实验的结果均表明，神经模拟器能够逼近非线性系统，神经控制器能在时域和频哉内以较高的精度控制悬架系统的振动。     

压电智能悬臂梁神经网络预测控制

对表面粘贴压电元件的压电智能悬臂梁进行有限元建模和分析,获取了结构的动力响应数据。根据神经网络的非线性逼近能力,用动态递归神经网络对压电振动系统进行了系统辨识,建立了系统的预测模型。以此预测模型来代替传统广义预测控制算法中的受控自回归积分滑动平均模型,对压电智能悬臂梁进行振动主动控制的研究,并优化了控制系统参数。对一单输入单输出压电智能悬臂梁系统进行了仿真分析,控制效果良好,为智能算法在智能结构中应用有一定的指导意义。     

时滞系统的辨识及NARMA模型的修正

对现有神经网络对非线性时滞系统的时滞辨识方法进行了补充说明和分析，同时指出现有的NARMA模型修正方法对时滞系统的不当之处。以时滞系统神经网络预测控制为例，介绍了NARMA模型的正确修正方法，仿真证明了所提出的修正方法能获得好的控制性能及抗干扰能力。     

基于自适应神经网络的机械臂滑模轨迹跟踪控制

针对动态建模误差和不确定性扰动对机械臂末端高精度轨迹跟踪控制的不利影响，提出了一种新型的基于自适应神经网络的机械臂滑模控制策略。该控制策略可分为三部分：自适应神经网络补偿项、切换控制项和等效控制项。自适应神经网络的引入，避免了建模误差和外界未知扰动对机械臂系统的影响，提高了轨迹跟踪精度；切换控制项可使机械臂系统性能在迅速趋近滑模面的同时以很小的速率趋近平衡点，既能保证系统稳定，又能避免系统过于抖振；等效控制项用于对机械臂动力学模型的重力项和哥氏力项进行补偿，实现对模型的线性化处理，保证了系统的控制精度。最后，通过构造Lyapunov函数验证了所设计控制系统的稳定性，并在MATLAB/Simulink环境下和机器人系统工具箱中开展仿真实验和对比实验。结果表明，所提出的控制算法能够在保持机械臂稳定性的同时实现高精度的轨迹跟踪，验证了该控制算法的有效性和优越性。自适应神经网络滑模控制算法可为提高机械臂末端轨迹跟踪精度提供一种解决方案。     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

基于神经网络反馈控制的混沌运动的仿真研究

摘要：本文应用神经网络反馈控制策略,对混沌系统进行控制研究。首先利用神经网络能够高精度逼近非线性系统的特点,通过系统辨识建立要研究的混沌系统的神经网络模型,然后控制器应用此系统模型对混沌运动进行反馈线性化控制,将混沌吸引子中的不稳定周期轨道镇定到不动点,或诱导到各个周期轨道。对Lorenz混沌系统的仿真结果表明,神经网络反馈控制混沌的方法具有有效性。     

MCFC型燃料电池的神经网络建模与基于FGA的模糊控制研究

为了提高燃料电池的发电性能,熔融碳酸盐燃料电池(MCFC)堆的运行温度应该控制在一个合适的范围内。本文首先利用RBF神经网络辨识复杂非线性系统的能力,基于实验的输入输出数据,建立起MCFC电堆的神经网络温度模型;然后设计了MCFC电堆工作温度的一个基于模糊遗传算法的在线模糊控制器,用模糊遗传算法同时优化模糊控制器的参数及规则。最后用神经网络的辨识模型代替实际的电堆进行控制仿真,仿真结果证明建模是有效的,所设计的模糊控制器具有较好的性能。     

大型天文光学望远镜超低速跟踪控制

为实现当代大型天文光学望远镜机架伺服系统的高精度控制,利用神经网络预测控制来克服系统中存在的非线性干扰,通过采集机架的输入输出信号训练神经网络来逼近非线性的系统动态,另外,为克服系统外部的风振等非线性干扰,引入了非线性阻尼项来提高伺服系统的跟踪精度.仿真结果表明了该方法的正确性且能获得较高的控制精度.     

基于遗传算法的模糊神经控制及其应用

将遗传算法和模糊神经网络相结合，提出了一类智能控制方案，仿真系统和实际温控表明，这类智能控制器可改善具有时变、非线性及大纯滞后系统的控制品质，其性能优于一般模糊控制。     

基于CMAC的船舶操舵系统负载模拟器复合控制

 利用键合图建模与仿真方法，建立了某船舶操舵系统负载模拟器与操舵系统联动的扩展键合图模型．针对多余力严重影响施力系统动态加载性能的特点，提出了基于CMAC神经网络的复合控制来提高施力系统的动态加载性能，并给出了具体的控制结构和算法．通过对系统的动态仿真表明，该方法对改善电液负载模拟器的动态加载性能具有明显效果．