船舶航迹保持的在线SIMO神经网络控制器研究

本文提出了一种船舶航迹保持的在线神经网络控制器.该控制器能解决精确的船舶动态模型难以建立问题,它能用舵角同时控制航迹偏差和航向偏差,它通过对控制精度的直接计算来自动在线训练学习,它不需离线训练学习过程.计算机仿真结果表明控制器训练方法的有效性和控制的鲁棒性.     

基于神经网络的车辆主减速器混合遗传算法优化设计

车辆驱动桥的组成包括主减速器、差速器和半轴,其中汽车主减速器的结构和尺寸极大的影响着汽车的动力学性能和经济性,因此采用优化设计方法来设计汽车主减速器是非常重要的。在满足主减速器接触强度、弯曲强度和边界约束的条件下,建立了优化设计数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故通过神经网络方法拟合待求系数,应用遗传算法工具箱调用混合遗传算法寻求最优解,使求解过程得到简化,确保可靠地获得全局最优解。     

一种新型的模糊神经网络电阻检测器

基于混合型Ｐｉ—Ｓｉｇｍ ａ网络,设计了一种新型模糊神经网络电阻检测器,用于检测感应电动机运行时的定子电阻。给出了模糊规则前件语言变量隶属函数和后件结果函数有关参数的学习方法。选择电机绕组端部温度及其时间变化率作为检测器输入,通过工业实验测取了２０００ 组数据分别用于网络的学习和推理结果的检验。检测器用于直接转矩控制系统时,依据检测出的电机定子电阻瞬时值,对定子电压进行补偿,进而改善电机低速运行时的速度稳定性。对基于不同补偿方法测得的转速误差率分析表明,本文介绍的补偿方法效果优于其它方法,这证明模糊神经网络电阻检测器具有更高的检测精度。     

Analytical design of modified Smith predictor in a two-degrees-of-freedom control scheme for second order unstable processes with time delay

A modified form of Smith predictor is designed for controlling unstable second order plus time delay (USOPTD) processes, with/without a zero. USOPTD process transfer functions arise in modeling of many chemical and biological systems, such as isothermal continuous stirred tank reactors (CSTR) carrying out autocatalytic reactions, crystallizers and non-isothermal CSTRs. The modified Smith predictor scheme requires the design of three controllers. Synthesis method is used for the design of the three controllers, and analytical formulas are given for these controllers. The method has two tuning parameters, and guidelines are provided for selecting the tuning parameters. Robust disturbance rejection performances are achieved. Different examples are considered, and simulation studies are given, to show the effectiveness of the proposed method. A significant improvement is obtained, when compared with recently reported methods.     

新型直动式压电伺服阀

提出一种新型压电驱动单级电液伺服阀,其特点是可以提供比传统电磁式电液伺服阀更高的频宽与分辨率,而且结构紧凑、抗污染能力强。该阀采用大行程的压电叠堆(积层式压电驱动器)作为驱动元件直接驱动滑阀,通过基于弹性变形原理的弹性板机构,结合电阻应变式微位移传感器,实现机构及检测一体化。应用有限元法对弹性板机构进行分析优化,试制了直动式压电伺服阀样机并对样机进行了试验研究,得出该阀的频宽约为1 kHz。新型伺服阀可以应用于振动试验台、疲劳试验台及需要快速反应的流体控制系统中,提高系统的响应特性。     

神经网络自适应控制的研究进展及展望

关于人工神经网络与自适应结合的研究,近年来已成为智能控制学科的热点之一。自适应具有强鲁棒性,神经网络则具有自学习功能和良好的容错能力,神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势。本文系统地综述了神经网络自适应控制的进展,讨论了神经网络自适应的主要模型和算法,并就其存在的一些问题、应用与发展趋势进行了探讨。     

高速精密平面定位机构的设计与应用

面向先进电子封装等领域对高速精密定位机构的需求，结合两种新型平面定位机构，对直接驱动并联机构的运动弹性动力学建模与仿真、基于扰动观测器的控制策略进行了研究。     

兆瓦级风力发电机铸造弯头支座的强度分析

弯头支座是机舱内关键部件之一,也是整个直驱风机系统中受力状态最复杂的零部件之一。通过分析风力发电机组在重力、离心力、风压力及其组合作用时机舱弯头支座的承载状态,可以轻松求出最极端的受力。文中使用Samcef进行载荷计算,使用Ansys进行强度分析,系统明确的对风力发电机组弯头支座进行了验证,经过多次验证得出最优结构,取得了良好的效果。     

Matlab神经网络工具箱在系统辨识中的应用

介绍了MATLAB环境下的神经网络工具箱实用方法,着重介绍了在系统辨识的应用,以RBF网络为例介绍了网络的初始化,训练和仿真函数,给出了网络结构的设计和辨识结果的输出。     

基于传感器的直接驱动机器人动力学建模及控制

在关节上引入力矩传感器进行力矩反馈后,推导出了直接驱动机器人的简单的、线性化的、非时变的动力学模型。在此基础上,利用解耦控制法实现了直接驱动机器人的控制。考虑到力矩传感器的引入,可能会导致驱动系统的刚度下降,文中还对力矩传感器的频率特性及关节结构的设计进行了较深入地研究,研究结果表明,只要适当配置转子、关节轴、连杆的转动惯量,就能保证在安装传感器后,驱动系统的刚度基本不下降。     

Set point weighted modified Smith predictor for integrating and double integrating processes with time delay

A simple method of designing the controllers for a modified form of Smith predictor is proposed for integrating and double integrating processes with time delay. The modified Smith predictor has two controllers, namely, a set point tracking controller and a load disturbance rejection controller for obtaining good set point tracking and load disturbance rejection, respectively. The set point tracking controller is designed using the classical direct synthesis method based on the process model without considering the time delay. The disturbance rejection controller is considered as a proportional-derivative (PD) controller and is designed using optimal gain and phase margin approaches. Set point weighting is considered for reducing undesirable overshoots and settling times in the modified Smith predictor. Guidelines are provided for selection of the desired closed loop tuning parameter in the direct synthesis method and the set point weighting parameter. The method gives significant load disturbance rejection performances. Illustrative examples are considered to show the performances of the proposed method. A significant improvement in control performance is obtained when compared to recently reported methods.     

定压网络静液驱动系统神经网络控制的研究

针对定压网络静液传动及其控制系统的特点,提出了对其使用静态神经网络及具有自适应学习率的反传学习算法进行控制,给出了有关的相应结果。     

基于拓扑网络的轧机扭振分析计算

为能进行轧机主传动系统复杂分支结构的扭振分析和计算,研究了一种基于拓扑网络的扭振分析模型,模型中同时考察了内外阻尼的影响。求解模型的单支和多分支情况的动态响应。对比传统方法,文中的计算算例和仿真模拟都取得了很好的一致性。同时该法的表达便于作为控制系统的输入,为大型复杂机械主传动系统的实时主动控制和故障诊断监测开辟了一种容易实现的工程途径,也为工程中分析解决复杂多分支传动扭振及其类似问题提供了新方法。     

基于神经网络的故障诊断

在动态系统中,利用神经网络进行故障诊断与识别具有很大的潜力。本文提出一个用于故障诊断的改进Ｈｏｐｆ网络方案。该方案要求用在线、快速系统识别技术,并给出用于系统辩识的递归Ｈｏｐｆ网络及其相应的公式。同时讨论了一般情况下的组合参数识别技术与状态监测。     

神经网络在转子动平衡中应用的几个关键问题

从分析动平衡过程的数学模型着手 ,提出了一种基于人工神经网络的全新的无试重转子动平衡方法。针对人工神经网络应用中的几个关键问题展开了讨论 ,并提出了相应的解决方法。试验结果表明 ,人工神经网络在解决转子动平衡问题时有着独到的优势。     

Selection of coordinate measuring machines by the neural network method

In this paper, a method for the selection of coordinate measuring machines is developed first, a neural networks training algorithm with conditional attributes through gradually adding training examples is proposed as the neural networks machine learning model for the selection of coordinate measuring machines. A learning model using conditional attributes was used in this study, which divides a problem into either an attribute or a decision. Through the input of attribute values, the system can present the required decision by inference. With this model, the training of the system can produce acceptable results. This learning model is also used to establish a multiple decision type selection system for coordinate measuring machines to assist the user in choosing an appropriate coordinate measuring machine.     

AGV在发动机试车线上的应用研究

介绍了用于企业生产现代物流设备AGV（Automatic Guided vehicle System）在发动机试验车间应用.该系统由自动输送车、自诊断系统、激光导航系统、控制台管理系统以及充电系统等组成,是一种先进的物流输送方式.     

CNC插补的前馈神经网络模型仿真

神经网络具有较强的非线性处理能力和自学习能力,本文提出了ＣＮＣ插补的神经网络模型和基于神经网络的ＣＮＣ插补原理,介绍了基于神经网络的抛物线插补实例及仿真结果,研究表明神经网络插补器是可行的和有效的。     

一种基于RBF神经网络的数字模式识别方法

本文以 RBF网络作为识别模型 ,采用竞争算法 ,提出了一种基于 RBF网络的数字识别方法 ,仿真结果表明此方法具有识别率高 ,识别速度快的优点 ,具有广阔的应用推广价值。