高超声速飞行器的模糊CMAC神经网络控制器设计

由于采用机体一体化设计,吸气式高超声速飞行器的气动特性难以准确获知,建立的数学模型是极不准确的;设计了一种模糊CMAC神经网络(FCMAC)控制器及其学习算法,在CMAC神经网络控制器中结合模糊逻辑理论,使得CMAC控制器具有自学习能力;仿真用高超声速飞行器的纵向模型对该控制器进行了验证,证明该控制方法能够有效地跟踪飞行器的高度和速度指令。     

CMAC神经网络在非线性预测控制中的应用

0　引　言预测控制是 70年代末从实践中发展起来的一类新型计算机控制算法。它包括预测模型、滚动优化和反馈校正 ,既具有优化功能又利用了实时反馈信息 ,结合了最优控制与反馈控制的优点 ,在实践中已得到了很好的应用。由于预测控制对模型不寻求结构形式 ,只强调其预测功能 ,特别是强调对性能趋势的预测 ,因此 ,非常适合于存在非线性和不确定的被控对象。本文利用ＣＭＡＣ神经网络建立非线性被控对象的性能预测模型 ,并可进行在线修正 ,以克服由于实际对象中存在的时变、不确定性及环境干扰等引起的模型失配的影响 ,提高系统响应的快速性和…     

基于CMAC的开关型模糊PID控制器设计与仿真

针对开关型模糊-PID控制在判据附近出现的开关跳变现象,提出了一种基于CMAC网络的开关型FUZZY-PID控制器。分别阐述了开关型模糊PID控制、CMAC-PID并行控制及本控制方法的原理和算法。以某交流电机为控制对象,通过MATLAB仿真验证表明,该控制方法响应速度快,学习时间短,具有良好的自适应性,并且很好的解决了开关跳变的问题。     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

一种自适应模糊CMAC控制器

本文提出一种自适应模糊ＣＭＡＣ控制器的设计方法，该控制器由模糊ＣＭＡＣ神经网络的五层节点实现模糊控制的输入，模糊化，模糊逻辑运算，归一化及输出值准确化运算，并由合适的ＢＰ训练算法修改相应的权系数，实现模糊控制规则的调整。     

一种模糊CMAC神经网络

提出了一种模糊CMAC(小脑模型关节控制器)神经网络,它由输入层、模糊化层、模糊相联层、模糊后相联层与输出层等5层节点组成,具有与CMAC相似的单层连接权,可通过BP算法学习推论参数或模糊规则.给出了网络的连接结构与学习算法,并将其应用于函数逼近问题中仿真结果验证了该方法较之CMAC的优越性.     

基于模糊CMAC神经网络的并联机器人自适应力控制研究

本文介绍了一种基于Takagi型模糊推理方法的模糊C MAC神经网络,分析了其学习算法,设计出基于这种模糊神经网络的并联机器人自适应力控 制器,并进行了仿真和实验研究,证明所设计的控制器是可行和有效的．     

基于Transputer的CMAC神经网络模型的高速高精度直接驱动机器…

本文主要研究了利用智能学习方法获得高品质运动控制的问题，重点解决了ＣＭＡＣ的快速实现问题；用Ｔｒａｎｓｐｕｔｅｒ和ＣＭＡＣ网络构成并行数字控制器，对两关节的直接驱动机器人进行了实现研究，结果表明，ＣＭＡＣ网络学习控制方法是一种有效的实用的高效高精度运动控制方法，并具有良好的鲁棒性。     

基于CMAC神经网络与PID的并行控制器设计与应用

提出一种基于CMAC神经网络与PID的并行控制器的设计方法,利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动,利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和响应速度。该算法直接应用于控制直流电机调速系统,仿真结果表明,与传统数字PID控制算法相比较,该并行控制算法增强了系统的控制精度,提高了系统的响应速度,并且具备较强的抗干扰能力和鲁棒性。     

高阶CMAC神经网络的研究

提出了一种高阶ＣＭＡＣ（ＨＣＭＡＣ）神经网络，它是采用高阶的径向基函数作为接收域函数，为了进一步增强对输入模式的表达，还可以用接收域函数输入模式向量构成张量积，这时产生的是高维的增强表达，同时ＨＣＭＡＣ沿用ＣＭＡＣ的地址映射方法，由于高阶接收域函数的引入，使其可以获得较ＣＭＡＣ连续性强且有解析微分的复杂函数近似，ＨＣＭＡＣ在不改变ＣＭＡＣ简单结构的基础上较ＲＢＦ网络有计算量少，学习效率高等优点，中     

一种新的分布式神经模糊控制器

本文提出了一种分布式神经模糊网络和自学习模糊控制器的构成方法，它是CMAC模型的一种扩展，使其能进行模糊推理和构成自习的模糊控制器，该方法除具有CMAC优点外，还具有以下特点；（1）输入数据通过 模糊划分和隶属函数后自动编码，对精度没有限制；（2）从现场数据直接获取控制规则，即使对未训练的数据，也能结合插值和泛化两种能力，推理出合适的输出。本文还对DNFN的逼近能力进行了讨论，学习实例证明了方法的有效性。     

基于Dahlin算法的CMAC控制器设计

针对传统的基于Dahlin算法的控制器在对变时滞系统进行控制时控制效果恶化,甚至发生不稳定现象的弱点,提出了以CMAC神经网络与Dahlin算法相结合的控制方法。以CMAC神经网络作为一个前馈控制器,通过对Dahlin控制器输出的学习,实现时滞系统的自适应稳定控制。仿真实验表明,这种复合控制方法保留了Dahlin算法与CMAC神经网络的各自特长,同时具备学习速度快,适应能力强的优点,具有良好的稳定性控制效果。     

基于CMAC神经网络的网络控制系统模糊PD控制

针对网络控制系统中存在的随机诱导时延,把传输网络以及被控对象看作是一个时变的被控系统,将小脑模型神经网络与PD控制相结合,通过CMAC神经网络与PD的复合控制实现前馈反馈控制,PD控制器的参数由模糊推理机自适应整定,以减小网络诱导时延及其不确定性对系统的负面影响,优化系统控制效果。最后对该控制方法进行了仿真研究,结果表明该方法能有效改善系统的控制性能。     

一种CMAC网络模型及其在机器人控制中的应用

小脑模型关节控制器（CMAC）具有学习算法简单、在线学习速度快的优点,非常适于机器人等复杂系统的自适应控制,本文阐述了CMAC的原理,证明了其收敛性,提出了一种适合于机器人轨迹跟踪控制的CMAC,并给出了仿真实验结果。     

用B样条神经网络设计自适应模糊控制器*

本文提出一种可用于设计自适应模糊控制器的模化Ｂ样条神经网络，并给出了合适的训练算法。由于这种网络在每次训练时仅需对少量权重进行调整，因此构成的模糊控制器学习速率快，可应用于过程控制中。本文最后以电厂中过热汽温的控制为例，说明本文的设计方法是有效的。     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性     

基于模糊神经网络的机器人实时控制研究

基于模糊神经网络的机器人实时控制研究廖俊朱世强林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）关键词神经网络,模糊控制,机器人．收稿日期１９９５－０８－０７１引言模糊神经网络结合了模糊逻辑和神经网络各自的优点,受到越来越多学者的高度重视...     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

双向规划小脑模型神经网络CMAC学习控制

CMAC小脑模型是模拟人小脑的一种学习结构。以往CMAC方法为单向规划方法,为改善CMAC学习控制效果,提出如下双向规划方法     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。