共查询到10条相似文献，搜索用时 31 毫秒
1.
磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性. 相似文献
2.
针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪. 相似文献
3.
许强 《重庆工商大学学报(自然科学版)》2006,23(5):457-461
大纯时延、煤种多变和蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。对非线性延迟系统延迟时间的神经网络辨识方法进行了研究,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于神经网络动态补偿的模型参考自适应控制策略相结合,可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明:这种神经网络模型对非线性大纯时延系统的控制具有控制速度快、鲁棒性能好等优点。 相似文献
4.
《辽宁工程技术大学学报(自然科学版)》2017,(12)
针对现有数学模型很难对电机非线性的本质进行准确描述的问题,提出一种分时动态神经网络自适应智能控制算法.该算法可以解决存在多个时间尺度的非线性系统问题,利用Lyapunov稳定性理论和奇异摄动理论提出了对非线性系统的在线辨识学习规则,采用自适应控制领域e-modification理论解决了权值更新中的参数溢出问题,并把所提分时动态神经网络模型用于电动轮车辆轮边驱动异步电机系统中,取得了较好的仿真结果. 相似文献
5.
一类神经网络非线性系统模型参考自适应控制 总被引：1，自引：0，他引：1
张绍德 《华中科技大学学报(自然科学版)》2000,28(4):77-79
针对一类非线性系统 ,提出了一种神经网络模型参考自适应控制方案 .用GA离线辨识网络NNM ,在此基础上用BP算法在线训练控制器网络NNC .仿真结果验证了此控制方案的有效性 . 相似文献
6.
针对常规控制方法在模型比较复杂的化工生产过程中控制效果不佳且过程具有非线性时变的特点,提出一种新型的滚动窗口自适应子空间预测控制方法.由输入输出数据通过子空间辨识方法获得子空间预估器,将子空间预估器作为预测模型,设计一种滚动窗口自适应预测控制器,并引入决定系数来过滤不良数据.通过对2-CSTR系统过程控制的仿真试验,验证了所提出控制方法的有效性. 相似文献
7.
一种基于小波神经网络的自适应控制方法 总被引：12，自引：0，他引：12
提出了一种基于小波神经网络的自适应控制方法,该方法利用两个小波神经网络作为自适应系统的辩识器和控制器来构成自适应控制系统。由于小波函数具有紧支性以及神经网络的非线性映射能力,因而在所构成的控制系统中,辨识器能更准确地近似具有较强非线性被控对象的动态特性,控制器能产生较为复杂的控制规律。仿真结果表明,该系统比一般神经网络控制系统具有调节速度快和超调小等更好的控制效果。 相似文献
8.
带神经网络补偿的Smith预估极点配置自校正控制 总被引：3，自引：1，他引：2
用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型·基于这一模型对大滞后对象提出了带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正控制和带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正ＰＩＤ控制·这些方法适用于非线性对象,具有较强的鲁棒性和较好的控制精度· 相似文献
9.
针对不确定时滞系统提出了一种自适应支持向量机Smith预估控制新方法．首先采用支持向量机对被控对象进行建模,然后设计了一个自适应支持向量机Smith智能预估器,解决了传统Smith预估控制需要预先知道被控对象精确数学模型的问题,克服了基于神经网络的Smith预估控制的不足．仿真实验结果表明,自适应支持向量机Smith预估控制方法充分利用了支持向量机的非线性映射能力,在被控对象数学模型未知的情况下对不确定时滞对象进行控制,具有良好的控制品质,特别是当对象特性发生变化时,还具有良好的适应性。 相似文献