基于模糊神经网络的多传感器系统滤波降噪的研究

对多目标进行检测时,由于外界环境的改变及干扰,会不可避免地含有白噪声等干扰信号,而已有的神经网络自适应算法只能在一定程度上滤去干扰信号,且单一的神经网络对信号的训练样本有很强的依赖性而可利用的数据总是有限的;基于此,提出了基于模糊神经网络的滤波降噪算法,该网络不仅弥补了前者不足且有效提高了传感器精度,通过MATLAB仿真验证了该控制算法不仅具有适应恶劣环境的能力而且还具有极强的滤波降噪的功效.     

单级式光伏发电系统最大功率点跟踪控制策略

多级式系统存在控制复杂、成本高,相互之间协调性差的问题,而单级式系统则不存在这些问题,而对单级式控制相对简单,效率高,系统的成本低的特点,提出了基于单级式光伏发电系统的最大功率点的控制方案,并分别进行了仿真分析与设计,仿真结果证明控制策略是可行的.     

时变故障下四旋翼无人机的自适应容错控制

针对四旋翼无人机执行器部分失效以及遭受外界扰动等问题,提出了一种基于系统输出约束的自适应控制策略,该方法可以实现在时变故障下的姿态跟踪控制问题.结合自适应滑模控制理论和Nussbaum增益函数,设计了一种能够补偿故障损失、适应时变扰动的自适应容错控制器.而且,使用该控制器不需要实时进行故障检测和系统模型的重构.通过严格...     

优化改进传感器精度的自适应神经网络控制策略

对于传感器在进行检测时,由于环境存在很多的干扰因素,会对传感器检测产生很大的干扰,使测量结果难以达到准确结果,提出用自适应神经网络来提高传感器测量精度的新方法,该神经网络可以看做是一个非线性自适应滤波器,通过Matlab仿真和实际使用证明:该方法不仅提高传感器精度,还提高了传感器环境适应性.     

智能电子鼻对煤矿火灾预报气味识别的研究

设计一种基于模糊神经网络的自适应电子鼻.并根据不同温度下煤矿中的混合气味成分的不同进行成分模拟实验.通过Matlab仿真,验证了该方法的可行性,由于应用模糊神经网络控制算法,从而使它具有自适应能力和容错能力,并对混合气味进行不断学习.实验结果表明:该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报.