二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。     

桥式吊车水平移动自抗扰防摆控制器与参数优化

为解决桥式吊车水平移动过程中的定位控制与防摆控制问题, 利用拉格朗日方程建立了其非线性数学模 型, 设计了自抗扰控制器(ADRC: Auto Disturbances Rejection Controller) 并与比例微分( PD: Proportional Differential)控制器。 利用人工鱼群算法对控制器参数进行了整体优化, 克服了试凑参数的繁琐性。 通过仿真 实验对控制器进行的测试结果表明, 该控制器系统能有效抑制负载摆动, 对系统参数变化及摆角扰动有很强的 鲁棒性。     

不确定非线性桥式吊车系统控制器设计

研究了能够同时实现不确定欠驱动吊车系统精确位置跟踪与抗摆动的控制器设计方法.考虑到两自由度桥式吊车系统的负载变化和外界扰动等不确定性,基于Lyapunov函数和模糊逻辑系统设计了一种分段滑模直接自适应模糊控制器.理论分析与仿真结果证明了不确定吊车控制系统是全局渐进稳定的,并具有很好的适应性和鲁棒性.     

单参数调整的欠驱动吊车防摆定位全过程自抗扰控制

通过对比台车作业轨迹的理想值与实际值,构造台车作业轨迹的误差反馈控制律;针对绳长、负载、非线性等因素影响负载摆动且负载摆动角度和角速度难以测量的问题,设计负载摆动的扩张状态观测器,并构造抑制负载摆动的误差反馈控制律,进而得到不依赖于系统模型参数、结构简单且能抑制系统非线性及干扰影响的吊车防摆定位全过程自抗扰控制器。研究结果表明:使用Hurwitz稳定矩阵的特征值与控制系统增益产生关联,保证闭环系统的稳定性,而且将繁琐的控制系统参数化为容易实施的单参数调整,使吊车在绳长变化及外界恶劣环境的干扰下,实际作业曲线都能全过程按照设定轨迹以尽可能小的负载摆角运行,使台车作业时间得到准确控制,吊车作业效率显著提升。     

基于ASCP-CS算法的桥式吊车滑模控制器设计

针对桥式吊车滑模控制器参数设置繁琐以及布谷鸟搜索算法(Cuckoo Search,CS)全局搜索能力不足问题,提出了自适应选取交叉操作算子的布谷鸟搜索算法(Cuckoo Search Algorithm with Adaptively Selecting Crossover Points,ASCP-CS),并将该算法用于桥式吊车滑模控制器参数整定.该算法在CS算法的基础上改进自适应搜索步长,并在交叉操作过程中引入自适应选取染色体交叉点.通过对4种典型寻优函数进行测试的结果表明:ASCP-CS算法具有较好的寻优精度和搜索能力.对桥式吊车滑模控制器采用不同优化算法进行参数整定,仿真实验表明,基于该算法的控制器能更快地实现吊车负载定位,更有效抑制负载摆角,并具有较好的鲁棒性.     

基于自适应模糊神经网络的倒立摆控制仿真研究

提出一种自适应模糊神经网络,它能有效地学习和优化模糊控制规则和隶属度函数。并用该网络对单级倒立摆进行控制,仿真结果表明,该网络优于传统的模糊控制和神经网络。     

基于增强学习规则的倒立摆模糊神经网络控制器

为实现模型未知、初始时有脉冲输入的车上单级倒立摆镇定控制,提出了一种采用增强学习规则训练的模糊神经网络控制器。以神经网络构造基于T-S(Tankagi-Sugeno)规则的模糊控制器;用3层前馈网络组成预测器进入仿真,得到倒立摆状态并计算状态预测值,再将状态和状态预测值组成训练数据对,训练状态预测BP(Backward Propagation)网络;利用增强学习的方法训练模糊控制器,根据神经网络产生的模糊控制量和倒立摆状态预测,做出控制决策。此方法简化了模糊控制部分参数调整,亦可应用于其他无模型控制。实验证明,控制器鲁棒性良好,即使在倒立摆参数变化较大时,控制器仍能维持倒立摆平衡。     

基于拉格朗日算法的起重机摇摆模型构建及其防摇摆模糊控制系统仿真分析

针对桥式起重机吊装作业时的吊重摆动安全问题,基于拉格朗日方程构建桥式起重机作业时的负载摇摆数学模型,根据模糊控制理论设计桥式起重机防摇摆模糊PID控制器,并对所设计的防摇摆模糊控制系统进行仿真分析,与常规PID控制器防摇摆控制效果进行对比.结果表明,所设计的桥式起重机防摇摆模糊PID控制器能够快速消除起重机负载摇摆,而...     

基于反义RNA膜计算的欠驱动桥式吊车最优消摆控制

针对欠驱动桥式吊车如何在有效载荷情况下快速定位和消摆这一问题,笔者开展桥式吊车系统数学模型和消摆控制策略的研究,设计一种新型的反义RNA膜计算(aRNA-MC)优化算法,并将其分别用于最优比例积分微分(PID)控制器和最优滑模控制器的参数估计中。受反义RNA对细胞内基因表达调控机制的启发,笔者提出的反义RNA动态抑制规则可根据当前搜索进程动态调节抑制概率,兼顾算法初期的全局勘探和后期的局部开采,使得算法既具有较好的全局搜索能力,又具有较高的搜索精度。为实现欠驱动桥式吊车的最优消摆控制,将该对象在不同控制策略、不同评价函数和不同参数搜索算法下进行交叉实验。结果表明:基于反义RNA膜计算的时间参与滑模控制可保证欠驱动桥式吊车快速、准确搬运负载的同时,抑制吊绳摆动,快速、高效地消除摆角。     

基于动平衡状态的不确定倒立摆系统跟踪控制

针对存在不确定摆杆质量、长度和外加干扰的倒立摆系统的稳定控制问题,提出了基于动平衡状态理论的鲁棒自适应控制策略.首先对台车位置和摆杆摆角规划了理想的动平衡状态参考轨迹,然后应用分段滑模和模糊逻辑系统设计了直接自适应模糊控制器实现对动平衡状态的实时跟踪.理论分析和仿真结果证明了不确定倒立摆系统是全局渐近稳定的,并具有很好的适应性和鲁棒性.     

基于输入整形的桥式起重机组合滑模控制

考虑桥式起重机载荷的垂直运动速度,提出一种新的基于输入整形的组合滑模控制方法。结合输入整形前馈控制和滑模反馈控制的优点,设计组合滑模控制器控制小车位移和负载摆角,利用输入整形进一步抑制负载的残留振荡,采用Lyapunov方法证明了系统的稳定性,实现了起重机小车的精确定位和负载的消摆,对外部干扰具有很强的鲁棒性,控制性能得到了改善。仿真结果表明了方案的有效性和可行性。     

基于模糊专家系统的智能行车控制

模糊自适应控制利用不同特性参数下的控制规则进行推理控制，专家系统则利用经验及策略迅速校正控制器的输入，减小控制过程中的迟滞，达到平稳快速的调节。提出了一种模糊控制与专家控制相结合的比例控制器。该控制器能够实现精确的点到点运输负载，并且减小过程中的振荡。仿真结果表明，模糊专家控制器在行车控制中比串联反馈控制器各项控制性能好。     

基于模糊神经网络的车辆间距智能自适应控制

为了实现汽车行驶过程中与前车车距的自动控制,提出了一种基于模糊神经网络的车辆纵向间距智能自适应控制方法.利用神经网络对车辆纵向运动进行辨识,将神经网络和模糊控制结合起来,设计模糊神经网络加速度控制器,利用神经网络的学习功能修正控制器的隶属度函数的参数和控制规则.仿真表明系统响应快,控制精度高,和传统方法相比具有较强的抗干扰能力和自适应性.     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合 ,借助神经网络的学习能力和信息存储能力来实现模糊推理过程 ,并记忆和调整模糊规则 ,从而自动生成模糊控制规则 ,建立模糊神经网络。系统对模糊神经网络进行离线学习 ,将训练好的模糊神经网络用于在线控制 ,仿真结果表明 ,本文方法用于对陶瓷配料系统的控制 ,取得了无超调、无静差等令人满意的效果     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

智能压路机压实模糊神经网络控制及仿真

将模糊系统与神经网络相结合,提出了一种由模糊化层、模糊推理层和清晰化层组成的模糊神经网络结构,并将其用于智能压路机压实控制.针对振动压路机的压实性能要求,采用钟型函数作为隶属度函数,通过计算规则重要度来提取模糊推理层规则群中比较重要的规则,运用补偿模糊神经网络的学习算法解决参数的自动调整问题.把工程实践中得出的模糊控制规则表作为训练模糊神经网络的样本,仿真结果表明该模糊神经网络控制器具有在误差限度范围内的泛化能力.     

一类模糊神经元网络控制器及其仿真

针对复杂性非性系统的模糊神经元网络方法控制中，模糊子集合的划分、隶属函数和推理规则的拟定问题进行了研讨，并以此设计了一类模糊神经元网络控制器，给出了学习算法和仿真研究结果。     

容错控制系统的一种神经网络控制策略

基于神经网络的函数逼近能力及其容错性，提出了一种神经网络容错控制策略：首先利用系统重构的方法设计控制系统在各种故障情况下的控制律，然后采用一个神经网络来学习这些控制律的特性．学习结束后，将该神经网络作为控制器对系统实施控制．对一个具体的线性系统在传感器故障情况下的神经网络控制进行了仿真研究，结果表明：神经网络控制器能够代替系统原有的控制器．而且在系统发生未知故障时，同样具有容错性．     

粒子群优化模糊PID的塔式起重机定位和防摆研究

针对塔式起重机控制系统是一个大时滞性、时变及非线性的控制系统,无法建立准确数学模型,难以进行精确控制的问题,设计了模糊PID控制器,通过模糊推理对PID的参数进行在线调整,但由于专家经验具有局限性、盲目性以及模糊控制内不确定因子过多,导致控制性能较差。因此,本文采用粒子群算法对量化因子和比例因子先在离线状态下进行迭代优化后,快速整定模糊PID参数,然后通过MATLAB对控制系统进行仿真分析。仿真结果表明,该方法明显提升了负载的运输效率,有效抑制了塔式起重机负载摆角,并实现了塔式起重机快速准确定位,具有较强的鲁棒性。