基于CMAC 的带有未知负载干扰电液位置伺服系统的自学习控制

针对电液伺服系统的特点,提出了基于ＣＭＡＣ神经网络非线性控制的结构和算法。对电液位置伺服系统的动态仿真表明,雇地未知和时变外负载干扰具有明显的抑制作用。     

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。     

智能控制与复合控制在二阶时变纯滞后对象的应用研究

针对二阶时变纯滞后对象难以控制的问题,提出了采用改进Smith预估器提高系统的稳定性和鲁棒性;采用CMAC和PID并行控制的算法来提高动态性能;以CMAC神经网络作为一个前馈控制器,通过对PID控制器输出的学习,实现二阶变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Smith算法与CMAC神经网络和PID算法的各自特长,具有学习速度快,适应能力强、动态性能好的优点,具有良好的稳定性控制效果。     

非线性量化小脑模型神经网络在溶出循环母液配比模型中的应用

采用自适应算法对小脑模型神经网络的概念映射进行设计,提出了非线性量化小脑模型神经网络算 法,提高小脑模型神经网络的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要．提出了基于非线性 量化小脑模型神经网络的溶出预脱硅系统时间序列预测模型,用于准确实时地预测循环母液加入量,在此基础上进 行循环母液投放措施优化．试验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性,本模型已 应用于某氧化铝厂工艺优化系统中,动态调节循环母液投放量以节省原料．     

基于CMAC网络的飞行器再入标准轨道制导

针对飞行器再入标准轨道制导方法中的参考阻力加速度跟踪问题,提出一种将CMAC网络与PID控制相结合的复合控制方案。该方案利用传统的PID控制器实现反馈控制,保证系统的稳定,并利用CMAC网络实现补偿控制,提高系统的抗干扰能力。三自由度仿真结果表明,在存在气动偏差和风场干扰等影响的情况下,该算法的跟踪精度与鲁棒性都有增强,终端精度和约束条件都得到了较好的满足。     

CMAC神经网络与PID复合控制在温度控制中的应用

介绍了小脑模型神经网络原理,提出了神经网络与PID的复合控制算法.将该算法应用于温度控制中,对各个控制器的输出进行了仿真跟踪,并研究了其抗干扰性能,以及改变被控对象参数时的系统响应特性.仿真结果表明,神经网络CMAC与PID复合控制的输出误差小、实时性好、鲁棒性强,抗干扰能力较好.     

CMAC与PID复合控制方法在重介选煤系统中的应用研究

针对重介质选煤系统具有强耦合、非线性、多变量的特点,利用传统PID算法存在超调量大的问题,提出了一种基于CMAC与PID算法的控制方法。通过研究介质密度与介质桶液位的动态特性建立了重介选煤系统的数学模型,给出了CMAC与传统PID算法相结合的控制原理。Simulink仿真结果表明,该方法优于传统PID算法,动态性能好,稳态精度高。     

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。     

高精度伺服系统的CMAC学习控制研究

根据神经网络的特点，提出了基于CMAC网络的伺服系统在线学习控制方案，并给出了其再励学习算法。该方法无需离线训练，经在线学习得到系统的逆动态特性，并据此实时修改控制参数。引入鲁棒控制项，增强了学习算法的鲁棒性。在某单轴速率／位置转台上的应用结果表明，该方法可有效地改善伺服系统的跟踪精度和抗扰性能。     

小脑模型神经网络在紫外线消毒控制中的应用

在用微机控制紫外线消毒的过程中,需要根据电源电压计算出紫外线照射时间,由于这两者之间的非线性关系难以用明确的函数描述,因此,笔者研究了一种用改进的小脑模型神经网络进行映射的方法,取得了很好的效果。该文重点阐述了该小脑模型神经网络的算法、应用原理和方法。并对研制该装置的意义和装置的简要原理及实验、试用情况等做了简要介绍。