非线性伺服电动机的神经网络逆控制

伺服电动机由于存在接触过程的非线性、温漂等非线性因素的影响,很难建立其精确的数学模型,使得基于数学模型的控制困难.针对伺服电动机存在的非线性问题,提出了一种新颖的基于BP神经网络直接逆控制方法.首先,利用BP神经网络建立系统的正向模型(NNI),然后,设计基于神经网络的直接逆控制器(NNC),实现了对伺服电动机的自适应控制.在Lyapunov稳定性分析的基础上,给出了BP算法学习算子的选择方案,保证神经网络权值训练的快速收敛,同时,对训练BP神经网络控制器的专用算法(specialized learning)进行改进,利用NNI的输出求取权值调整的灵敏度函数.数字仿真结果表明提出的控制算法是简单有效的.     

基于RBF NNI的单神经元PID模型参考自适应控制

RBF神经网络是一种性能良好的前向网络,它具有最佳逼近性能。本文中基于RBF神经网络,以单神经元PID作为控制器NNC,RBF网络作为辨识器,实现对被控对象的雅谷比信息辨识。传统的系统辨识方法包括以脉冲响应、最小二乘法为基础和最大似然法等,普遍存在难以克服的不足。本文的辨识方法及模型参考自适应控制方法具有计算速度快、推广和逼近、收敛特性良好等诸多优点,通过本文中的实例仿真,可以看出运用基于RBF神经网络辨识的单神经元PID模型参考自适应控制的系统输出可以达到对输入精确的跟踪效果。     

RBF整定PID在永磁同步电机控制中的应用研究

电动汽车驱动电机具有非线性、时变性和耦合性等特性。为解决常规比例积分微分(PID)控制在电动汽车上下坡或负载发生变化等情况下控制效果不理想的问题,对电动汽车中永磁同步电机的驱动控制系统进行了研究。基于径向基函数(RBF)神经网络在电机控制领域的应用现状,利用RBF神经网络在线整定PID控制参数的方法,改善控制器对电动汽车驱动电机的控制效果。分析了永磁同步电机在电动汽车中的应用特性,建立了电动汽车中永磁同步电机的离散数学模型。通过Matlab仿真,验证了RBF神经网络在永磁同步电机等非线性系统中应用的可行性,并分别在RBF在线整定PID控制和常规PID控制两种情况下进行电机的调速控制仿真试验。试验结果表明,相比常规PID控制,RBF在线整定PID控制具有更好的实时性、抗干扰能力以及自适应能力,能够有效提高电动汽车行驶的稳定性。     

基于神经网络的超磁致伸缩执行器模型参考控制

对超磁致伸缩执行器提出了神经网络模型参考自适应控制;超磁致伸缩材料具有磁滞非线性,随输入信号频率的增加,滞环也会增大,用一般的控制器难以实现精确控制;针对于此,为避免建立被控对象的精确模型实现精确控制,结合超磁致伸缩执行器的动态线性模型设计了基于BP和RBF神经网络的模型参考自适应控制器;RBF网络作为辨识器,BP网络为控制器,先进行离线学习;BP再在线辨识,同时把梯度信息传给RBF,使被控对象跟随参考模型;仿真结果表明,控制器的跟随效果良好,达到了较高的控制精度.     

基于径向基神经网络的月降水量预测模型研究

针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数(RBF)神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLAB R2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。     

基于径向基神经网络的月降水量预测模型研究

针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数（RBF）神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLABR2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。     

非线性预测控制在塞棒伺服系统中的应用

由于连铸机塞棒位置伺服系统中存在着伺服阀流量非线性、液压缸阀芯摩擦非线性等因素,造成了伺服精度的降低。为改善控制质量,首先建立了含非线性因素的塞棒位置伺服系统模型,然后引入非线性预测控制方法进行伺服控制器设计。该控制器采用RBF神经网络对系统在线辨识并作为预测模型和实现在线校正功能;采用黄金分割法实现控制量滚动优化。最后,在Matlab6．5环境下进行了仿真试验。结果表明,采用该方法能有效提高塞棒位置控制质量,验证了设计方法的有效性。     

神经网络在细纱机中的应用

介绍了一种基于PLC和DSP的细纱杌控制系统.该系统针对细纱机控制系统的非线性与传统PID控制方法的不足,提出了一种改进型基于RBF神经网络在线辨识的单神经元PID自适应控制方法.该方法构造了一个RBF网络对系统进行在线辨识,建立起在线参考模型,由单神经元控制器完成控制器参数的学习,从而实现控制器参数的在线调整.仿真试验结果表明.该控制器控制精度高,动态性能好,其控制效果优于传统的PID控制器.     

基于RBF神经网络的感应电机自抗扰控制仿真

感应电机在工作过程中,容易受到外界干扰源的干扰,若干扰程度严重会造成电机故障,影响电机运行状态,为了提升感应电机的自抗扰能力,提出基于RBF神经网络的感应电机自抗扰控制方法。建立感应电机数学模型,依据电机损耗分析结果,确定电机内部非线性关系;结合RBF神经网络构建感应电机的控制系统,并将该系统划分成RBF网络辨识器以及自抗扰控制器两个部分,通过二者之间的有效结合,完成感应电机的自抗扰控制。实验结果表明,使用上述方法开展电机自抗扰控制时,响应速度较快,电机电流输出与实际结果之间差距较小,说明其控制性能较好。     

一种基于RBF神经网络的预测器模型及其研究

非线性复杂系统的预测控制是一种高性能的控制方法,其关键在于非线性预测器模型的实现。论文从径向基函数(RBF)神经网络原理分析出发,探讨了一种用于神经网络的预测模型设计方法,并将此方法用于实际非线性系统的预测控制。结果表明,基于RBF的神经网络预测模型可快速准确地完成对非线性动态过程的预测描述,因而可以在非线性系统的预测控制中得到良好的应用。     

锅炉—汽轮机系统的逆系统控制方法

针对非线性锅炉－汽轮机系统各变量间所存在的严重非线性强耦合特征,提出了对其控制的逆系统解耦控制方法,仿真结果表明,采用逆系统控制方法设计的锅炉－汽轮机系统,可在全负荷范围内克服其非线性和严重耦合性,优于其它基于局部工作点所设计的Hx等控制方法。     

应用型本科实验实践教学体系的研究

针对广东培正学院实验实践教学的现状,提出应用型本科实验实践教学体系应由目标体系、内容体系、条件体系、管理体系及评价体系5个子体系构成,详细分析每个子体系的主要内容,形成广东培正学院涵盖基本技能训练、专业综合技能实训、独立实验(实训)和社会实践4大模块组成的应用型实验实践教学体系。     

嵌入式系统定义探讨

对目前国内流行的嵌入式系统定义提出质疑,认为嵌入式系统不是"专用计算机系统",嵌入式系统不只"以计算机技术为基础".从嵌入式系统的发展起源、体系结构、功能特点、知识技术体系等方面进行了分析论证,从而进一步完善了嵌入式系统的定义.     

复杂自组织系统的研究综述

自组织系统是一类复杂系统,它通常驻留在开放的环境中,并且可以根据外部环境和内部状态的变化,通过系统成分之间的自主交互,对系统进行动态调整,从而更好地满足设计目标。近年来,随着计算机技术和Internet的不断发展,越来越多的计算机系统呈现出自组织的特征,有关自组织系统方面的研究变得非常活跃,受到学术界和工业界的广泛关注和重视。本文在深入分析自组织系统概念和特点的基础上,从理论模型、核心机制、关键技术、支撑平台四个方面对自组织系统的研究现状进行了综述和分析,介绍了其应用,讨论了自组织系统研究面临的问题和挑战,并展望了进一步研究方向。     

Distributed and autonomous sensing based on the immune network

A distributed and autonomous sensor network is proposed based on the informational features of the immune network: recognition of nonself by distributed and dynamically interacting units, recognition by a simple comparison with the units themselves, dynamic propagation of activation that would lead to system-level recognition, and memory embedded as stable equilibrium states in the dynamic network. The network is explained by an illustrative example of an eight-coin puzzle: a balance must be used only three times to identify one coin with a different weight from the other seven coins. Our network also uses a dynamic structure network rather than the fixed structures used in neural networks. Simulations show that nonself (the different coin in the eight-coin puzzle, the sensor/process fault in the monitoring example) will be identified by dynamically propagating activation through the network. This work was presented, in part, at the International Symposium on Artificial Life and Robotics, Oita, Japan, February 18–20, 1996     

微机监控技术 三

本文系统地讲述了以微型计算机为中心的微机监控系统的工作原理、系统组成和应用方面的有关技术。分为监控系统的功能和结构、硬件系统和软件系统三个部分。本文为第三部分。     

股票信息系统的组成与应用

对中国股票市场的信息系统做了一个总体概括和介绍。将整个股票信息系统分解为券商信息系统、交易撮合系统、盘后结算系统以及行情分析和信息发布等四个系统,并详细阐述了各信息系统之间的关系,分别给出各个信息系统的基本设计原理和架构。     

A tracking system with space virtual feedback

In this paper, a tracking system with space virtual feedback （SVF） is presented. The whole tracking system is closed by the space virtual feedback line that is the line of sight （LOS）, but the parts in the system, such as the tracking subsystem and the servo subsystem, are in the state of open-loop. Because the SVF tracking model is used, the correcting loops can be removed in this system architecture. So the tracking speed and accuracy of the system are greatly improved.     

卡车的TSK模糊控制

针对在保证一定精度的条件下,要求一次性完成卡车的倒车的情况,利用TSK (Takagi-Sugeno-Kang)模糊系统控制卡车,在TSK模糊控制器作用下让卡车从任意的初始位置一次性倒车到指定的位置。在卡车数学模型中,线性部分设计线性状态反馈控制器,非线性部分先求TSK模糊模型,然后设计基于TSK模糊模型的TSK模糊控制器。它是一个非线性控制器,可保证闭环系统的稳定性。仿真实验结果表明,所设计的TSK模糊控制器对卡车的倒车控制是非常有效的。     

THE CONCEPT OF STABILITIES OF GENERAL SYSTEMS

In this paper, the concepts of the stability and uniform stability of input-output systems introduced in Ref. 1 are generalized to the model of general systems. Several equivalent conditions are given. The relation between the concepts and that of continuity of mappings from a topological space into a general topological space is studied. In the last section, some mapping properties of stable systems and uniformly stable systems are studied. Some open questions are posed.