一种非线性系统的神经网络自适应控制

带有死区非线性的系统广泛存在于各个领域，特别是机械领域中．该文采用人工神经网络实现的自适应控制器对这种非线性系统进行了控制研究，MATLAB仿真结果表明，这种自适应控制器能对该类非线性系统能实行有效的控制．采用这种自适应算法由于不再需要调整参数，将使控制系统的整定变得简单．     

Chen氏混沌系统的周期扰动控制

设计出反馈控制器和自适应控制器对Chen氏系统进行了有效控制;在反馈控制中,从理论上严格推导出将系统分别控制到零点和非零平衡点的控制参数k的范围;在此参数范围内,设计出周期扰动反馈控制器,可以将系统从不动点控制到周期轨道上.在自适应控制中,设计出自适应周期扰动控制器,也可以实现此目标;最后,研究了周期扰动函数对最后稳定周期轨道的影响.数值实验证明这种方法是切实有效的,也证明了周期扰动函数对最终周期轨道的影响.     

不确定Duffing混沌系统的自适应跟踪控制

研究了连续时间Duffing混沌系统在具有不确定性扰动时的自适应跟踪控制问题．基于稳定性理论,在系统存在有界扰动但扰动的界大小未知时,采用自适应控制方法,构造出一个自适应控制器,可实现系统的状态渐近跟踪预先给定的轨线．仿真进一步说明了该控制器的有效性．     

基于神经网络的感应电动机的模型参考自适应速度控制系统

系统中分别设计了一个神经网络系统辨识器(NNP I)和一个模型参考自适应神经网络控制器(NNP IC),NNP I自适应地在线辨识出系统的集中不确定量,NNP IC能使到系统输出跟踪参考模型的输出。仿真实验表明,与常规的控制器相比,本文设计的速度控制方案能取得优良的控制性能,且在负载转矩和电机内部参数变化的情况下有很强的鲁棒性。     

无源控制的超混沌Chen系统的自适应同步

在不同初始条件下,提出一种基于无源控制理论的控制方法,实现具有参数不确定性的两超混沌Chen系统的自适应同步.通过引入自适应控制,在线估计系统的参数,并设计一个自适应无源控制器,使两系统的同步误差方程转化为无源系统.根据无源系统理论,系统的动态误差方程将稳定于状态空间原点,即两超混沌Chen系统完全同步.仿真结果表明,所设计的控制器简单明了,控制方法有效.     

非线性系统自适应控制算法研究进展

非线性系统的自适应控制已成为当前控制领域的重要研究方向。通过总结近年来在非线性系统自适应控制方面所取得的成果,对非线性系统自适应控制器的一般形式和设计方法进行了分析与探讨。最后对非线性系统自适应控制的发展趋势进行了展望。     

基于自适应反步滑模控制的主动队列管理

针对TCP网络的拥塞控制问题,基于自适应反步滑模控制提出了一种主动队列管理算法。由于系统的不确定在实际工程中很难或根本无法事先获得,设计一个自适应律来实时适应系统不确定的值,从而消除系统不确定所带来的影响。利用此自适应律,提出一个自适应反步滑模控制器,使得系统具有较好的暂态性能和鲁棒性能。仿真结果表明,该方法对TCP网络的复杂变化具有较好的鲁棒性和较快的系统响应。     

基于RBF神经网络的非线性磁悬浮系统控制

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.     

基于模糊学习方法的非线性系统智能容错控制

提出了一种基于自适应模糊逻辑学习方法的非线性系统智能容错控制方案.整个控制方案集自适应模糊控制器、监督控制器和调节控制器为一体,是一个功能强大的控制体系结构.仿真结果表明:提出的控制方案能有效地识别和调节非线性系统的未知错误,而且控制系统在不确定或错误的情况下具有稳定性和鲁棒性.     

卷绕张力控制器的三种设计方法及性能分析

给出了高速纺丝机卷绕张力控制器的三种设计方法:变参数PI控制、神经元自适应PID控制及神经元自适应PSD控制。对三种控制方法下系统的性能进行了对比,表明三种控制方法均具有较好的控制性能,其中神经元自适应PSD控制器设计简单,具有很强的自学习、自适应能力,是一种很好的张力控制方法。     

基于滑模技术的时变Lorenz系统的自适应同步

讨论了参数为时变的Lorenz系统的同步问题的自适应控制.驱动系统的参数未知并在一个有界区间内变化,同时区间的边界也未知.利用自适应控制设计控制器,并且为了增强混沌系统的鲁棒稳定性,控制器的设计运用了滑模控制的方法.在控制器的作用下,实现了响应Lorenz系统与驱动Lorenz系统的全局渐近同步.数据仿真表明该控制的有效性和可行性.     

一类带有监控器的自适应模糊神经网络机器人跟踪控制

提出一种自适应模糊神经网络(FNN)监督控制方案。该方案在FNN控制器的基础上串联一个监督控制器,实现对系统的跟踪控制。监督控制器在FNN控制器不能维持系统稳定时发挥作用,从而确保了闭环系统的全局稳定性,且使系统具有良好的跟踪性能。并把此方案应用在机器人跟踪控制上。仿真结果表明了该控制方案的可行性。     

多机系统中同步发电机的励磁自适应控制研究

本文提出一种带可变遗忘因子的自校正控制算法,用于设计多机系统中同步发电机的励磁自适应控制器。并以一个两机对无穷大系统为例进行数字计算机仿真分析,结果表明,与常规控制相比,励磁自适应控制能大大提高系统的稳定性,有效地改善系统的动态品质,且取就地信息即能实现控制,有希望成为大规模复杂电力系统的控制策略之一。     

空间三关节机器人自适应双模糊滑模控制

为了提高空间三关节机器人轨迹跟踪控制性能,提出了一种带双模糊自适应控制的滑模控制新方法.该方法将滑模控制器分为等效控制和切换控制两部分.采用一个模糊自适应控制器,根据滑模到达条件对切换增益进行有效估计.采用另一个模糊自适应控制器,根据滑模面来调整切换控制项.这些控制器结合起来消除了抖振,提高了控制性能.系统的稳定性通过李亚普诺夫定理证明.最后进行了仿真实验,并与其他方法进行了对比分析.结果表明所提方法是有效的.     

基于学习的自校正控制算法

提出了一种基于学习的自校正控制算法,算法中包含一个自适应模型和多个固定模型,每一个模型都有一个相对应的控制器,在每一采样时刻,将当前时段内具有最小预测误差的模型对应的控制器的输出作为控制输入。在该算法中,自适应模型和自适应控制器的作用是确保闭环系统的稳定性和输出跟踪误差的渐近收敛性,而固定模型和固定控制器的作用是当被控对象的参数发生稳定性和输出跟踪误差的渐近收敛性,而固定模型和固定控制器的作用是当     

一类非线性系统的鲁棒自适应模糊控制

对一类非线性系统，根据模糊自适应控制的设计思想，考虑逼近误差及外扰的影响，提出一种在控制器中增加一个鲁棒自适应控制项的设计方法，并利用Lyapunov理论证明了由此控制的闭环系统的跟踪误差可收敛到零的一个邻域内。采用该方法，无需事先知道逼近误差和外扰的界，从而提高了实际应用价值。     

永磁同步电动机混沌系统的控制研究

采用自适应控制方法对永磁同步电机混沌系统进行控制研究,当该混沌系统参数未知时,基于Lyapunov稳定性理论,设计了相应的控制器和参数自适应律,使系统的状态控制到任意一个不稳定平衡点,并运用Barbalat引理,在理论上证明了受控系统的渐进稳定性,从而消除了混沌,仿真结果证明了该方法的有效性.     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

无人机神经网络重构控制

针对无人机可重构飞行控制系统提出一种基于径向基神经网络的模型跟随自适应逆重构控制方法,其核心是建立内外控制回路,内回路运用自适应逆控制,使得系统不受外部扰动和测量噪声的影响。外回路采用神经网络模型跟随自适应控制结构,使用神经网络和比例混合控制器,对参考模型和系统输出之间的误差进行自适应调整,利用误差来改变神经网络控制器的参数,使得系统达到满意的动态性能。并通过一个具体重构仿真结果证实了该方法的有效性。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.