基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于遗传算法的模糊神经网络控制器在烘干炉温度控制系统中的设计与仿真

以烘干炉温度为被控对象,由于烘干炉温度控制具有非线性、大滞后和无法建立精确数学模型等特点,传统的控制器很难达到理想的控制效果,为此设计了一种基于遗传算法的模糊神经网络控制器.基于遗传算法的模糊神经网络控制器是将遗传算法的全局寻优和BP算法的在线学习结合起来,先用遗传算法对神经网络的参数进行离线训练,然后再用BP算法对模糊神经网络控制器进一步在线学习.仿真结果表明,基于遗传算法的模糊神经网络控制器与模糊控制、传统PID控制相比较,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

一种带有稳态参数的新型神经网络模糊控制器

本文首先设计了一种比较新型的基于神经网络的模糊控制器,然后使用了一种改进的BP网络训练算法L-M算法,最后对训练好的控制器进行仿真实验,实验中加入了一个稳态参数,实验结果表明其具有较好的控制性能。     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

基于改进算法的锅炉燃烧系统的经济性研究

针对锅炉燃烧系统的非线性、时变性和强耦合的特点,传统的控制方法的控制精度不高、自适应能力差等,提出了一种改进的模糊神经网络控制算法,对烟气含氧量进行控制。为克服常规算法的缺陷,将BP算法和粒子群PSO算法二者相结合,充分利用PSO算法的全局寻优能力和BP算法的局部搜索能力。另外引入了动态递归神经网络,对系统模型进行在线辨识,从而提高了网络的训练效率和控制器的控制效果,使系统达到经济燃烧。     

一种在线自调整因子的模糊控制算法在I/A''S上的应用

对模糊控制在复杂工业对象控制中的应用进行了实践。首先论述了模糊控制器的一种设计方法，同时针对简单模糊控制器调节能力较差的情况，提出了一种在线自调整因子的模糊控制器。这种控制器改变了传统的一个模糊控制器只采用一组量化因子及比例因子的做法，可以根据控制需要在线选择量化及比例因子，从而使系统具有更好的控制效果及更强的适应能力。文中最后对模糊控制算法在集散控制系统I／S‘S及EFPT－1B型复杂过程控制实验装置上的应用进行了分析。     

基于BP神经网络模糊PID的主动悬架控制研究

为了提高汽车的乘坐舒适性,抑制因路面不平引起的汽车振动,利用多体动力学软件ADAmS建立某SUV整车模型,利用mATLAB设计了一种BP神经网络模糊PID主动悬架控制器,并与模糊PID控制器进行仿真对比,深入研究模糊PID控制器及BP神经网络模糊PID主动悬架控制器控制效果。研究发现,采用提出的BP神经网络模糊PID主动控制策略后,汽车悬架系统的车身加速度、悬架动挠度、轮胎动变形分别比被动控制下降了36.3%、25.1%和12.0%,而采用模糊PID控制策略只下降了34.3%、19.1%和10.4%。这说明所提出的BP神经网络模糊PID控制策略具有更加优异的主动悬架控制效果。     

基于参数自学习模糊控制的进给驱动系统研究

为进一步改善数控机床主轴进给驱动系统的动静态性能,本文提出了采用模糊控制作为速度外环控制器,采用矢量控制作为电流内环控制器的结构。设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性,本文通过仿真试验,将其与普通模糊控制算法以及经典的PI控制算法进行比较,结果表明,这种模糊控制器具有较好的动、静态性能。     

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。     

基于FPGA的模糊自整定PID控制器的研究

提出了一种基于VHDL描述、FPGA实现的模糊自整定PID控制器设计方法。首先，借助Matlab系统仿真工具，优化得出模糊自整定PID参数的模糊推理规则和控制器算法结构。然后，进行控制器的VHDL分层设汁，作为单一控制器芯片，重点编程实现和时序仿真：模糊逻辑推理、模糊自整定PID算法、数据缓存和I／O接口控制。最后，在一个具体的FPGA芯片上实现该控制器，并在此基础上进行系统实验。实验结果表明：FPGA作为单一控制器实现模糊自整定PID控制编程规范、时序验证方便、系统修改灵活，且基本无须改动硬件，是实现单片或小系统智能控制策略的一种新的有效途径。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

多目标系统的自适应模糊神经网络控制

提出了一种多目标系统的自适应模糊神经网络控制的方法.通过对系统的多目标量进行加权合成,采用改进的遗传算法离线调整控制器网络参数.接入控制系统后,采用在线学习方式,通过BP算法调节网络的规则权值和比例因子,达到自适应控制的目的.计算机仿真结果显示,该方法控制效果好,鲁棒性强.     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

Indirect adaptive fuzzy wavelet neural network with self- recurrent consequent part for AC servo system

This paper proposes a novel indirect adaptive fuzzy wavelet neural network (IAFWNN) to control the nonlinearity, wide variations in loads, time-variation and uncertain disturbance of the ac servo system. In the proposed approach, the self-recurrent wavelet neural network (SRWNN) is employed to construct an adaptive self-recurrent consequent part for each fuzzy rule of TSK fuzzy model. For the IAFWNN controller, the online learning algorithm is based on back propagation (BP) algorithm. Moreover, an improved particle swarm optimization (IPSO) is used to adapt the learning rate. The aid of an adaptive SRWNN identifier offers the real-time gradient information to the adaptive fuzzy wavelet neural controller to overcome the impact of parameter variations, load disturbances and other uncertainties effectively, and has a good dynamic. The asymptotical stability of the system is guaranteed by using the Lyapunov method. The result of the simulation and the prototype test prove that the proposed are effective and suitable.     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

液压机械手电液比例系统模糊PID控制研究

针对液压机械手的电液比例系统存在较大程度的系统参数变化和负载干扰等特点,一般控制方法难以全部满足性能要求。常规PID控制方法虽然算法简单、可靠性好、鲁棒性高,但由于参数整定繁杂,往往造成参数整定不良、性能欠佳、适用性能差。为了改善这些缺陷,将模糊控制理论与PID控制理论相结合,设计了模糊PID控制器,实现了对PID参数的在线整定。利用MATLAB/Simulink进行仿真,比较常规PID控制与模糊PID控制下电液比例系统的控制效果,发现模糊PID控制器较好地克服了系统的非线性和负载干扰的影响,提高了系统的稳定性和动态性能。     

一种基于BP神经网络的模糊PID控制算法研究

提出了一种基于神经网络自学习和并行处理的能力。利用模糊控制对未知模型不精确控制的功能来设计的PID控制算法,仿真实例表明能较好地实现PID控制器参数在线调整和优化。