基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

改进型LM-RBF 神经网络在自抗扰控制器上的应用

为解决自抗扰控制器(active disturbance rejection control,ADRC)中参数较多且难以整定的问题,提出一 种基于LM 算法且网络结构可在线优化的径向基函数(radial basis function,RBF)神经网络。利用滑动窗口的思想将 在线输入的样本放入一个长度固定的队列,将LM-RBF 网络应用于ADRC,在线整定控制器参数,并以永磁同步电 机为对象在Matlab 里进行仿真分析。结果表明：与基于RBF 的常规自抗扰控制器相比,改进后LM-RBF 使控制器 有更快的响应速度及更优的抗干扰能力,能有效提高被控系统的稳定性,满足非线性时变系统对自抗扰控制器的性 能要求。     

永磁同步电机静止参数辨识及电流环控制器自动参数整定

在永磁同步电机数字控制系统中,电流环控制器的参数整定是影响电流环带宽和系统控制性能的重要因素。为优化控制参数设计流程,提出一种基于静止参数辨识的自动整定方法,使控制系统在匹配不同电机平台时具有通用性。在永磁同步电机静止条件下,通过两点式伏安法辨识定子电阻值,消除脉宽调制中死区对定子电阻辨识的影响;通过高频注入法激励定子绕组,运用离散傅里叶变换分别得到交直轴电感值。分析推导自动整定电流环控制器参数方法,并根据辨识参数设计电流环控制器,在两组永磁同步电机实验平台上进行实验。实验结果表明：该控制方法可以使永磁同步电机具有良好的动态和静态性能;永磁同步电机静止参数辨识及电流环控制器参数自动整定方法是有效的。     

永磁交流伺服系统的神经网络自适应控制研究

针对永磁交流伺服系统,提出了一种自适应PID控制器学习算法——带预测模型的神经网络PID控制方法。该方法采用一个三层RBF网络辨识交流伺服系统的特性,用另一个BP神经网络作为自适应控制器。仿真结果表明,在系统参数发生变化和存在负载转矩扰动的情况下,该方法具有较好的自适应能力和良好的动态性能。     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

基于神经网络干扰观测器的导弹飞行控制器设计

利用RBF神经网络的自学习能力,并结合非线性动态逆原理,设计了一种基于RBF神经网络干扰观测器的导弹动态逆控制器。根据时标分离的原则,可将导弹系统分解为快慢不同的四个回路,本文主要对快、慢两个回路分别设计动态逆控制器,并且在慢回路利用RBF神经网络干扰观测器估计导弹所受的扰动,同时,用于在线估计动态逆误差,降低了控制器对干扰和模型精确度的要求,增强了控制器的适应性。仿真结果表明,该控制器具有有效性和鲁棒性。     

火箭炮交流伺服系统模型参考模糊神经网络位置自适应控制

针对多管火箭炮发射时恶劣的负载特性,设计了一种模型参考模糊神经网络自适应位置控制器。利用RBF网络作为辨识器,实现对被控对象的Jacobian信息辨识,用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模型参考模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小火箭炮发射过程中系统参数变化和外部干扰的影响。仿真和实验结果表明,该方法可有效提高火箭炮位置伺服系统的动态响应能力和稳定性,并使系统具有很强的鲁棒性。     

一种基于广义最小方差自校正PID的导弹时变模型控制律设计

针对传统PID控制难以保证导弹在大空域飞行中保持良好动态性能的问题,提出一种基于广义最小方差自校正控制律的PID控制算法(GMVST-PID)。该算法在递推估计被控对象参数的基础上,将自校正思想用于PID控制参数的实时在线自整定,提高了导弹时变模型控制系统的稳定性、适应性和鲁棒性。仿真结果表明,GMVST-PID控制器具有较强的抗干扰能力和快速的响应能力。     

基于动态RBF网络辨识和模糊控制的弹道落点预测导引研究

针对目前远程弹道修正火箭弹中,滤波外推落点预测导引法存在导引系数确定难、导引精度低、自适应性与鲁棒性差的问题,提出了一种基于动态RBF神经网络在线辨识与带自调整因子模糊控制相结合的落点预测导引律.具体在传统滤波外推落点预测导引法的基础上,将预测落点偏差与偏差变化率作为模糊控制器输入量,通过RBF神经网络在线整定模糊控制的权重因子和比例因子,实现导引指令的自适应调整.仿真结果表明,同常规方法相比,在充分考虑随机扰动和测量误差情况下,具有更强的自适应性与鲁棒性,保持了较高的导引精度.     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。