电液位置伺服系统的高精度神经网络控制研究

提出了一种采用CMAC神经网络的自学习控制器,以解决具有参数不确定和时变外扰动的电液位置伺服系统的高精度控制问题,该控制器采用动态误差作为CMAC的激励信号,从而使基于CMAC的控制器跟踪连续变化的信号成为可能。仿真结果证明了该控制器不仅是有效的,而且具有很强的鲁棒性。     

Neural network-based control for the fiber placement composite manufacturing process

At McDonnell Douglas Aerospace (MDA), an artificial neural network-based control system has been developed and implemented to control laser heating for the fiber placement composite manufacturing process. This neurocontroller learns the inverse model of the process on-line to provide performance that improves with experience and exceeds that of conventional feedback control techniques. When untrained, the control system behaves as a proportional-integral (PI) controller. However, after learning from experience, the neural network feedforward control module provides control signals that greatly improve temperature tracking performance. Faster convergence to new temperature set points and reduced temperature deviation due to changing feed rate have been demonstrated on the machine. A cerebellar model articulation controller (CMAC) network is used for inverse modeling because of its rapid learning performance. This control system is implemented in an IBM-compatible 386 PC with an A/D board interface to the machine. Work supported by the McDonnell Douglas Independent Research and Development Program Export Authority: 22CFR 125.4(b)(13)     

基于CMAC神经网络改善振筒式传感器静态特性

利用小脑模型连接控制器(CMAC)神经网络的非线性函数逼近,并以振筒式压力测试系统为例,提出了一种综合修正传感器静态误差的新方法。计算机仿真与实验结果表明:该方法能够有效改善传感器的输出特性,并且速度快、精度高、鲁棒性强,便于用硬件实现。     

基于模糊CMAC神经网络的4-CBA软测量

Soft sensor is attractive in dealing with online product quality measurement by virtue of other easily measured variables. In AMOCO PTA (purified terephthalic acid) production process, the unavailability of real-time measurement of 4-CBA makes it impossible for timely adjustment and thereby influences the product quality and the plant economy benefit. In this paper, a kind of FCMAC (fuzzy cerebellar model articulation controller) method is presented to solve the online measurement problem. Different from the conventional CMAC (cerebellar model articulation controller) networks, which has inferior smoothing ability because of its table look-up based technology. Integrating fuzzy model into CMAC networks, it becomes more accurate in functional mapping without weakening its generalization ability. Numerical example and industrial application results show the method proposed here is satisfactory and feasible.     

电液速度伺服系统的CMAC—1积分控制

本文提出了一种电液速度伺服系统ＣＭＡＣ—１（积分）神经网络控制算法，仿真及实验研究表明算法用于变轨迹速度跟踪控制具有良好的泛化能力，且对于交变外负载干扰具有良好的鲁棒性。     

基于PID控制的遗传神经网络在焦炉温度控制中的应用研究

以某焦化厂焦炉温度控制系统的开发为背景，提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化焦炉对象的温度控制．用遗传算法优化PID控制器的初始参数，然后再结合CMAC网络进行控制．针对焦炉生产过程的简化模型，在Matlab中对这种控制方法进行了仿真．仿真研究表明该方法应用于焦炉控制是可行的．     

基于改进的CMAC神经网络与PID并行控制的研究

提出一种改进的CMAC神经网络控制算法,利用满打满葬单元的先前学习次数作为可信度;将改进的CMAC与PID实现复合控制,由CMAC控制器实现前馈控制,PID控制实现反馈控制;仿真表明,改进算法的响应速度和精度有一定的改善。     

基于CMAC与PID复合控制的柴油机调速系统

提出了柴油机调速系统CMAC与PID复合控制方案,给出了柴油机调速系统数学模型和控制算法.仿真分析表明,CMAC与PID复合控制比传统的PID控制有更好的控制效果,鲁棒性强,适合于非线性实时控制.     

CMAC网络建模在非线性预测控制中的应用

将CMAC网络用到具体非线性系统的预测控制研究中,并且在控制中将CMAC建立的模型输出值与测量输出值进行综合,代替量测输出用于控制中,从而降低辨识器与控制器对未建模动态的敏感性,加强控制器的适应能力和鲁棒性。对一类CSTR系统的仿真结果表明,该预测控制策略响应快且容易实现,对于改善非线性预测控制不失为一种有益的尝试。     

液位控制系统中混沌运动的小脑模型控制

一般的控制系统可能会因为一些非线性故障转变为混沌动力学系统.液位控制系统中的比例反馈回路中存在非线性环节,使液位控制系统的运动成为混沌运动.针对这种情况下的混沌数学模型,通过仿真验证小脑模型神经元网络控制方法,仿真图说明控制方法对混沌模型进行有效控制,可以将稳态值控制到与期望值一致.同时小脑模型神经元网络具有计算速度快的优点,这种控制方法在实际工程领域中的应用值得研究.