基于神经网络滑模控制器的 外骨骼机器人力矩控制器设计

液压伺服系统能够有效地搬移托举重载负荷,因此广泛地应用于外骨骼机器人驱动系统中液压伺服系统存在非线性、参数时变性和强干扰性等特点,常规PID控制算法很难满足控制系统快速性和控制精度的要求为实现液压伺服系统的优化控制,该文将神经网络滑模控制器引入到液压伺服系统的优化控制中,建立液压伺服系统的数学模型,采用Matlab软件进行液压伺服系统的控制仿真结果表明,神经网络滑模控制器的控制性能优于PID控制器,显著提高了系统的响应速度,能够满足系统响应速度、控制精度及液压伺服系统的控制要求,具有较强的鲁棒性     

数字式座舱压力调节系统的模糊滑模变结构控制

针对座舱压力调节系统的非线性和参数时变特性,提出了模糊滑模变结构控制方法. 模糊滑模变结构控制算法保持了模糊控制器不依赖系统模型的优点,对参数变化和外界干扰等不确定性因素具有较强的鲁棒性,同时能柔化控制信号,减轻或者避免了一般滑模控制的抖动现象. 研究表明,模糊滑模变结构控制器与经典PID控制相比,具有超调量 小、稳态误差小、响应速度快、扰动抑制能力强等优点,试验结果证明了该方法对座舱压力调节系统控制的有效性.     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

一类非线性大系统的间接自适应分散神经网络控制

针对仿射非线性大系统,采用分散控制的思想,利用模糊神经网络辨识方法对各个子系统建立NARMA模型,运用自适应控制、滑模控制方法消除各子系统间的非线性关联项及不确定的外部干扰,并使用神经网络的辨识结果来调节控制器参数,形成间接自适应分散神经网络控制器.最后,将本文提出的控制方法运用于互连双倒立摆仿真中,结果表明所提出的算法是有效的.     

基于动态逆模糊神经网络的准滑模控制

针对不确定非线性系统,提出了基于动态逆模糊神经网络的准滑模控制,控制量可直接由一个模糊神经网络的前向推理得到.仿真表明了方法的有效性.     

基于等效控制的同步发电机混沌振荡的神经网络滑模控制

在周期性负荷扰动情况下,同步发电机可能诱发混沌振荡现象,严重威胁电网运行安全性。为解决此问题,本文提出了基于等效控制的神经网络滑模控制策略。首先系统利用等效控制方法设计滑模控制器,然后结合神经网络理论以及自适应控制原理来逼近滑模控制器中的非线性项,设计出神经网络滑模控制器。在该控制器的作用下,系统的输出渐近跟踪目标轨迹,由混沌运行状态转变为稳定运行状态。理论分析与仿真结果表明,所设计的控制器能够有效抑制电力系统的混沌振荡,且具有一定的鲁棒性。     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

基于模糊PID的连铸结晶器电液伺服系统研究

为提高铸机结晶器伺服系统的响应速度,减小超调量,针对常规PID控制器参数整定不良,性能欠佳问题,结合模糊控制技术,设计了一种基于模糊控制与PID控制相结合的模糊PID控制器.通过MATLAB对该系统进行仿真研究表明:该控制系统稳态精度高,动态响应速度快,超调量小,满足结晶器伺服系统的工作要求,对设计同类系统提供了参考依...     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

应用干扰观测器的导弹发射车起竖装置鲁棒控制

针对现有垂直导弹发射车起竖装置的起竖平稳性不足和快速性不够的问题,对起竖装置的运动学部分和液压部分进行建模,在此基础上利用backstepping方法实现起竖角的精确控制. 由于系统存在着建模不确定性误差和未知外部干扰,运用径向基神经网络干扰观测器对其进行估计,并将估计输出应用于起竖角的控制,从而提高了系统控制精度. 仿真结果表明,所设计的基于径向基神经网络干扰观测器导弹发射车起竖装置backstepping控制器具有良好的动态特性和强鲁棒性.     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

卫星编队飞行的神经网络滑模控制

该文推导卫星编队飞行的一般相对运动动力学模型,研究将指数趋近律滑模控制与神经网络控制相结合的卫 星编队飞行控制方法,设计一种径向基神经网络参数调节器. 实时调节指数趋近律的参数,从而取得滑动面的趋近速度 和燃料消耗的最优平衡. 采用指数趋近律滑模控制法,用饱和函数代替可能产生高频切换信号的开关函数,有效地削弱 了滑模控制的抖动. 二阶滑模控制结构保证了卫星编队的高精度控制. 仿真结果表明了这一控制方法的有效性.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

换向阀控液压缸伺服系统的模糊控制

针对阀控缸系统的一般数学模型，提出了一种模糊控制策略，尝试用普通的换向阀来完成工程需求的位置伺服控制，并对受控系统进行了SIMULINK仿真。     

神经网络的函数逼近性分析

结合国内外最新研究成果，详细论述了人工神经网络及模糊神经网络对函数的逼近能力，从而为神经网络函数逼近性在智能化控制方面的应用提供了理论依据。