Neuroadaptive Output Tracking of Fully Autonomous Road Vehicles With an Observer

Automated vehicle control systems are a key technology for intelligent vehicle highway systems (IVHSs). This paper presents an automated vehicle control algorithm for combined longitudinal and lateral motion control of highway vehicles, with special emphasis on front-wheel-steered four-wheel road vehicles. The controller is synthesized using an online neural-estimator-based control law that works in combination with a lateral velocity observer. The online adaptive neural-estimator-based design approach enables the controller to counteract for inherent model discrepancies, strong nonlinearities, and coupling effects. The neurocontrol approach can guarantee the uniform ultimate bounds (UUBs) of the tracking and observer errors and the bounds of the neural weights. The key design features are 1) inherent coupling effects will be taken into account as a result of combining of the two control issues, viz., lateral and longitudinal control; 2) rather ad hoc numerical approximations of lateral velocity will be avoided via a combined controller–observer design; and 3) closed-loop stability issues of the overall system will be established. The algorithm is validated via a formative mathematical analysis based on a Lyapunov approach and numerical simulations in the presence of parametric uncertainties, as well as severe and adverse driving conditions.      

基于多标签RBF神经网络的电能质量复合扰动分类方法

在径向基(RBF)神经网络和C-均值聚类算法的基础上,提出一种适用于电能质量复合扰动分类的多标签排位分类算法—多标签径向基函数法(ML-RBF)。首先,对常见的电能质量扰动及其组合而成的复合扰动进行离散小波分解,提取各层分解系数的规范能量熵作为特征向量;然后采用C-均值聚类算法将所得的特征向量映射为RBF神经网络的输入;最后通过RBF神经网络对该电能质量复合扰动类型进行预测。仿真实验结果表明,在不同的噪声条件下,ML-RBF可以有效分类识别电能质量复合扰动。     

基于神经网络的结晶器液位控制系统设计

本文通过对连铸机结晶器液位控制方案的分析，设计了基于RBF神经网络模型的结晶器液位控制系统，对液位控制的扰动进行了补偿，在MATLAB5．3上进行了仿真，并在实际中进行多次测试。结果表明该系统具有控制精度高、偏差小等特点。     

入网电动汽车集群的分层控制方法

电动汽车（electric vehicle,EV）规模化接入电网需要合理的控制框架和算法。为了优化电动汽车的充放电管理,首先介绍了电动汽车代理商（aggregator）的概念,并在此基础上提出了一种电动汽车集群的分层控制架构。基于电动汽车分层控制的结构,构建了电动汽车双层优化控制数学模型,从而实现了电网负荷削峰填谷的目的。为了避免随着电动汽车数目增加导致的集中式方法难以求解的问题,提出了一种改进的求解算法,将高维的优化问题分解成多个低维的子优化问题,得到了很好的收敛特性,显著提高了计算效率。最后,通过不同的算例场景,验证了所提出模型与改进算法的有效性和实用性。     

基于RBF-ARX模型的多变量系统非线性预测控制

提出了基于RBF - ARX模型的压铸机多变量压射过程非线性预测控制算法.在参考历史数据和机理模型建立RBF- ARX全局非线性动态模型的基础上,以快速收敛的结构化非线性参数优化策略离线辨识估计和优化模型参数,确定了预测控制系统的结构和多步向前预测控制输出.与传统PID控制算法的速度设定值跟踪效果对比表明基于RBF- ...     

电动汽车中感应电机的数字控制系统

介绍了一种采用空间矢量PWM实现的电动汽车感应电机的矢量控制方法,并给出了基于TMS320LF2407DSP的全数字化实现,实验结果表明此控制方法正确可行,系统有较好的动态性能和稳态精度.     

基于模糊神经网络的超声电机的位置控制

超声电机的优良特性使其得到越来越广泛的应用,但由于其时变和非线性特性,使电机的速度和位置控制成为研究热点。文中将模糊神经网络用于电机的位置控制中,模糊逻辑部分获得专家知识,神经网络部分调整参数,通过改变超声电机的驱动频率来实现精确的位置控制,并通过实验和仿真来验证这种方法的有效性。     

BP网络在无刷直流电机参数辨识与控制中的应用

在无刷直流电机控制系统中，采用基于熵类误并准则学习算法的BP网络，克服了传统BP算法收敛速度慢，易收敛于局部极小值的缺点，避免了“过学习”的现象，实现了控制系统中电机参数的实时辨识，从而提高了控制系统的性能。     

数学形态学融合多神经网络的变压器故障诊断

针对超高压、大容量电力变压器的早期潜伏性故障,提出了一种基于数学形态学融合多神经网络的故障诊断新方法。首先对采集的数据通过数学形态学的TOP-HAT变换进行预处理,然后运用5种不同结构的神经网络对变压器进行故障诊断,最后把各种网络的诊断结果通过数学形态学运算进行平滑处理得到诊断结果。通过对实际变压器油色谱分析的气体浓度数据进行融合诊断的结果比较看,该方法具有计算简单、快速的优点,能够快速诊断出故障类型,并具有更高的准确度。与单个神经网络诊断方法相比,可在故障特征比较类似的情况下正确诊断故障类型。     

Saliency-Tracking-Based Sensorless Control of AC Machines Using Structured Neural Networks

The focus of this paper is the use of structured neural networks for sensorless control of ac machines using carrier-signal injection. Structured neural networks allow effective compensation of saturation-induced saliencies as well as other secondary saliencies. In comparison with classical compensation methods, such as lookup tables, this technique has advantages such as a physics-based structure, general scalability, reduced size and complexity, and correspondingly reduced commissioning time. When compared with traditional neural networks, structured neural networks are simpler, physically insightful, less computationally intensive, and easier to train. All make the proposed method an improved implementation for sensorless drives     

基于逆模型区间优化的神经网络预测控制

针对神经网络预测控制中，在线滚动优化计算量大、算法稳定性难以保证的问题，提出一种确定黄金分割优化算法初始搜索区间的方案，即初始搜索区间的宽度与神经网络逆模型输出和上一时刻系统输入的误差成正比，二者越接近，搜索宽度就越小，从而黄金分割优化算法的在线计算量就越小；该方案有效地降低了在线滚动优化计算量，同时又使控制系统具有神经网络预测控制和神经网络逆控制的双重特性，在模型匹配稳态工况下，神经网络预测控制转化为神经网络逆控制，具有逆控制快速性的优点，而在模型失配或动态过程中，神经网络预测控制起主导作用，具有模型的宽容性和鲁棒性强的特点。采用区间套定理对该算法的收敛性给予了严格的数学证明。通过对某300MW机组仿真表明，提出的方案在控制品质和降低计算量方面均获得满意的效果。     

开关磁阻电机小波神经网络无位置传感器控制

提出了一种基于小波神经网络的开关磁阻电机无位置传感器控制新方法.该方法采用两个不同的小波神经网络分别获取相绕组换相逻辑的开通信号和关断信号,经过综合处理得到单相绕组的开关信号.神经网络以相绕组的电流和磁链为输入,以各相的开关信号为输出,从而建立起电流、磁链和开关信号的非线性映射.采用电机在有位置传感器运行条件下的样本对小波神经网络进行训练,训练完成后,用神经网络输出结果取代位置传感器换相信号,实现电机无位置传感器运行.仿真和实验结果表明,由神经网络获得的开关信号和由位置传感器获得的开关信号相比误差小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好.     

基于径向基网络实现变压器故障诊断

研究采用径向基神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,确立了适合变压器故障诊断的网络学习算法,并设计了一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验。结果表明径向基神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

复杂工业过程的模糊神经网络自适应控制

本文针对复杂工业过程控制系统的特点 ,提出一种模糊神经网络自适应控制系统 ,该系统由两个模糊神经网络组成 ,一个完成Fuzzy学习控制 ,另一个完成未知被控对象模型的建模。仿真和复杂工业回转窑炉温控实验结果表明 ,控制系统有良好的性能     

基于神经网络的现代感应电机自适应L2鲁棒控制

提出一种用于现代感应电机调速的自适应L2鲁棒控制方法。采用反步法(backstepping)推导出2个自适应L2鲁棒控制器，这2个控制器1个控制转速和磁链外环，1个控制定子电流内环。考虑了由感应电机定转子电阻、转动惯量和负载转矩的不确定性造成的扰动，采用RBF(radial basis function)神经网络来补偿这些扰动。提出的控制器可以和1个转子磁链观测器联用。应用转子磁链定向模型固有的解耦性质和HJI(Hamilton-Jaccobi-Issacs)不等式，从全局上证明了控制系统的鲁棒性。仿真结果表明，提出的控制方法对感应电机的不确定性有很强的鲁棒性，且具有很高的动态性能。     

运用RBF神经网络的制粉系统故障诊断

制粉系统作为热力发电厂非常重要的子系统之一,其运行状况在一定程度上决定了电厂的经济性。由于制粉系统的复杂性,对其运行状态的判断非常困难。运用RBF神经网络来对制粉系统进行故障诊断,可使运行人员对当前制粉系统运行状况有所了解。     

Locomotion Control of MEMS Microrobot Using Pulse‐Type Hardware Neural Networks

This paper presents the locomotion control of a microelectromechanical system (MEMS) microrobot. The MEMS microrobot demonstrates locomotion control by pulse‐type hardware neural networks (P‐HNN). P‐HNN generate oscillatory patterns of electrical activity like those of living organisms. The basic component of P‐HNN is a pulse‐type hardware neuron model (P‐HNM). The P‐HNM has the same basic features as biological neurons, such as the threshold, the refractory period, and spatiotemporal summation characteristics, and allows the generation of continuous action potentials. P‐HNN has been constructed with MOSFETs and can be integrated by CMOS technology. Like living organisms, P‐HNN has realized robot control without using software programs or A/D converters. The size of the microrobot fabricated by MEMS technology was 4 × 4 × 3.5 mm. The frame of the robot was made of a silicon wafer, equipped with rotary actuators, link mechanisms, and six legs. The MEMS microrobot emulated the locomotion method and the neural networks of an insect by rotary actuators, link mechanisms, and the P‐HNN. We show that the P‐HNN can control the forward and backward locomotion of the fabricated MEMS microrobot, and that it is possible to switch its direction by inputting an external trigger pulse. The locomotion speed was 19.5 mm/min and the step size was 1.3 mm. © 2013 Wiley Periodicals, Inc. Electr Eng Jpn, 186(3): 43–50, 2014; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.22473     

轮式机器人神经网络多级跳转模糊转向控制

针对数学模型复杂的轮式机器人的转向控制，提出一种基于神经网络的多级跳转模糊转向控制方法。该方法所需的数据完全来源于实验，能适应各种不同速度、不同转向角度等参数变化。经过对车体转向控制的仿真与实验研究，可以看出，该方法可以对机器人的转向进行有效控制，效果良好，是一种使用方便、有实用意义的控制方法。     

应用RBF网络和D-S证据推理的模拟电路诊断

提出了一种基于径向基函数网络与证据推理的模拟电路融合诊断方法,以解决模拟电路诊断中由于故障信息缺乏所致的诊断准确性问题,并提高其训练速度。采集多类电路信息,对应于每类特征参量构造一个径向基函数网络,由这多个彼此独立的径向基函数网络来完成故障的初级诊断。再用初级诊断中各子网络的输出结果构造证据体,通过证据融合推理分析,得出最终的故障定位结果。模拟实验结果表明,所提方法对于电路的硬故障与元件参数偏移较小的软故障诊断均有效,其充分挖掘了多类测试信号中的故障信息,提高了诊断结果的准确率。     

计及电动汽车充电站接入的配电网承载能力评估与优化

电动汽车充电站广泛接入到配电网中是实现电动汽车大规模推广应用的关键之一。为了评估与评价电动汽车充电站的接入对于配电网的影响,本文根据所提出的配电网承载能力评估指标体系,针对电动汽车充电站的充电方式与位置特点等分别建立电池更换站、居民区充电站、公共场所充电站的概率负荷模型。利用基于模糊理论、熵权法、层次分析法的综合评价方法对评估指标体系进行评分。在此基础上提出了一种优化配电网承载能力的重构方法。最后以IEEE 33节点配电网为算例对配电网承载能力评估指标体系与优化算法的可行性进行了分析和验证。