基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.     

模糊神经免疫自适应PID在恒张力控制系统中的应用

应用免疫反馈系统原理和模糊神经网络控制理论,在传统PID控制基础上设计出一种模糊神经免疫自适应PID控制器,阐述了该控制器的特点、控制规律和整定方法.控制器参数P、I和D分别由模糊神经免疫反馈系统和模糊神经网络控制器在线修正.进行了恒张力控制系统的动态仿真,并与数字PID和模糊PID控制进行了比较.仿真结果表明,模糊神经免疫自适应PID控制器响应速度快、控制输出稳定、抗干扰能力强和鲁棒性好,较传统PID和模糊PID控制器具有更好的动、静态特性.     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法.该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便.仿真实验验证了该控制策略的有效性.     

模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.     

混合动力汽车模糊神经参考控制策略优化

为提高并联式混合动力汽车控制策略精准性,建立了基于发动机效率的模糊逻辑控制器,进一步使用神经网络模型对模糊逻辑控制器的隶属度函数进行在线学习,引入变尺度优化方法的改进型学习算法,完成了隶属度函数的在线学习后的优化;通过模型参考构成闭环在线修正,降低输出转矩的误差。通过循环仿真实验,利用模糊神经参考模型控制策略,发动机工作效率点与实时工况的匹配率更高稳定性更好,发动机平均效率提高4. 16%,峰值电源荷电状态保持在稳定的容量范围内,整车燃油经济性得到改善。因此该控制策略具有较强的工程实用性。     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

一种改进的提升机同步电机直接转矩控制

为克服提升机同步电机传统直接转矩控制存在的转矩、转速、磁链脉动大等缺陷,提出一种改进的同步电机直接转矩控制方法。设计基于神经网络的定子磁链观测器和基于模糊控制的逆变器状态开关选择器,利用人工鱼群-粒子群混合算法优化神经网络结构参数,应用转矩、磁链误差以及磁链位置角的模糊分级实现逆变器开关分级控制。仿真及试验结果表明,所设计的控制策略与传统直接转矩控制相比,转矩、转速、磁链动态响应速度快、响应脉动小,能更好地满足提升机的运行要求。     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

基于对象和规则的专家系统构造工具FRS

叙述了一个基于对象和规则的混合式专家系统构造工具,该系统使用框架、规则和人工神经网络等多种知识表示形式,采用模糊推理机制,运用正向、反向及正反向混合的推理形式,提供了非单调推理功能,形成了一个表达能力强、适用广泛的工具系统.本文着重时该系统的总体结构、模糊推理与人工神经网络的应用进行了论述.     

基于混合神经网络的模糊辨识方法

提出一种简明而有效的基于混合神经网络的模糊辨识方法．与现有方法不同,该模糊辨识方法采用自组织神经网络和模糊聚类网络两部分组成的三层神经网络来实现．实验结果表明,该方法可以为模糊建模提供好的模型结构,并具有较高的计算效率和精度．     

基于RFNN的感应电动机无速度传感器矢量控制系统的研究

在无速度传感器的感应电动机控制系统中,根据经典的以及现代控制理论提出的控制策略都有一个共同问题,即控制算法的有效性很大程度上取决于模型的参数准确性．模糊神经网络则具有对不确定信息进行模糊推理的能力,这里介绍了递归模糊人工神经网络的结构和基于它实现的一个感应电动机无速度传感器矢量控制系统,并用MATLAB进行了仿真．