基于自适应模糊PID的径向柱塞变量泵电液伺服控制

针对电液伺服控制径向柱塞变量泵变量机构,设计了自适应模糊PID控制器,并通过计算机仿真,再现了系统跟踪阶跃信号的系统响应,仿真结果表明,基于自适应模糊PID控制器的电液伺服控制径向柱塞变量泵具有良好的动态性能。     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

爆破扫雷器电液伺服系统建模

为了提高电液伺服系统的模型精度与准确度,对某爆破扫雷器电液伺服系统建模方法进行了研究.采用机理建模法,构造了电液伺服系统的传递函数,采用基于自适应神经模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和减法聚类的模糊神经网络(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,实现了电液伺服系统的智能建模.通过对模型均方根误差(Root mean square error,RMSE)和信号间方差比(Variance accounted for,VAF)性能指标的比较,表明基于减法聚类的模糊神经网络建模方法可以显著地提高模型精度.研究结果为实现电液伺服系统的控制奠定了基础.     

类模糊神经网络与非线性系统的在线控制

以实现非线性动态系统的在线控制为目的,提出了一种具有隐层数少、运算简便和逼近能力强等优点的神经网络－类模糊神经网络,并就非线性动态系统的在线控制给出了基于类模糊神经网络控制的选择记忆算法,使谤类非线性系统的在线控制问题得以解决。     

基于动态模糊神经网络的入侵检测系统

针对传统的网络安全防范技术存在的缺陷和入侵检测在动态安全模型中的重要地位和作用,提出了基于模糊理论、神经网络和遗传算法结合的新方法--动态模糊神经网络,并且给出基于动态模糊神经网络的入侵检测系统构建体系.该系统在实际应用中收到了较好的效果.     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

模型参考模糊自适应控制的推力矢量电液位置伺服系统

研究推力矢量电液位置伺服系统的模型参考模糊自适应控制.这类系统存在着参数变化和加性扰动,为解决这一类非线性的控制问题,引入模型参考模糊自适应机构,构成模型参考模糊自适应控制(MRFAC).与传统的PID相比,该方法提高了推力矢量电液位置伺服系统阻尼比,改善了系统的动态性能,并且可以有效抑制参数变化及外力扰动,具有很强的鲁棒性.     

半主动悬架模糊动态建模与神经网络控制

进行可调减振器外特性试验,拟合其阻尼系数与步进电动机转角之间的非线性关系,基于模糊动态模型理论,建立车辆半主动悬架模糊动态模型.设计半主动悬架模糊神经网络控制策略,研制半主动悬架模糊神经网络控制器.在仿真的基础上,进行实车道路试验.结果表明,模糊动态半主动悬架模糊神经网络控制有效地衰减车身垂直振动,改善车辆行驶姿态,提高乘坐舒适性及行驶安全性,协调整车综合性能.     

橡胶带卷取机跑偏模糊控制系统的动态仿真

为解决实际生产中橡胶带卷取机的跑偏问题,建立橡胶带卷取机跑偏电液伺服控制系统的物理模型、数学模型,并对橡胶带卷取机跑偏电液伺服控制系统进行Matlab动态仿真,在Simulink环境下分别采用常规PID控制器和模糊PID控制器进行仿真,分析了两控制器系统的稳定性和动态特性.两者进行比较,仿真结果表明:模糊PID控制器不仅改善了橡胶带卷取机跑偏控制系统的动态性能,还具有较好的鲁棒性和抗干扰性.防止橡胶带跑偏有较好的控制作用,极大地提高了劳动生产率.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

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.