基于改进WNN的随动负载模拟器研究

为了抑制随动系统负载模拟器的多余力矩对力矩加载性能的影响,提出了一种基于改进的自学习函数扩展小波神经网络智能控制器。该控制器在误差大时采用Bang-Bang控制,误差小时采用基于函数扩展的小波神经网络和模糊补偿控制;同时采用基于改进的差分演变算法来估计控制器的参数;考虑到计算复杂度和控制系统性能,设计了隐含神经元数目的自学习算法。系统仿真实例结果表明,动静态响应性能均达到双十指标,该控制策略具有可行性和合理性,可以提高该系统力矩加载的跟踪性能和控制精度。     

基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

某扫雷车扫雷犁电液伺服系统辨识与控制

针对某扫雷车扫雷犁电液伺服系统存在非线性及时变性的问题,研究了其辨识和控制方案.提出了离线训练与在线微调相结合的神经网络辨识方案,较好地解决了反向传播BP神经网络易陷入局部最小的问题,加速了网络的收敛速度,且离线训练后的权值参数为合理值,避免了在线微调时的振荡现象.研究了神经网络间接模型参考自适应控制方案,该方案利用神经网络在线辨识器为神经网络控制器实时提供梯度信息,使神经网络控制器的学习修正能够正常进行.仿真研究和样机试验结果证明了所提出辨识和控制方案的有效性和正确性.     

电液伺服系统的建模方法研究与应用

详细讨论了电液伺服系统的各种建模方法:采用机理建模法,构造了电液伺服系统的传递函数;采用模糊建模和神经网络,实现了电液伺服.系统的智能建模.首先介绍了某型号武器中的自动定深电液伺服系统,提出了获取建模数据的方法,然后详述了传递函数、模糊模型和神经网络三种具体的建模算法,最后以自动定深电液伺服系统为例,构造电液伺服系统的五种模型,并对各模型进行了详细分析,为进一步实现电液伺服系统的控制奠定了基础.     

高精度电液系统连续型推理控制研究

该文针对一高精度电液位置系统,应用连续推理控制算法设计了控制器,有效地克服了系统存在的干磨擦及系统参数变化大的影响,在实际工程应用中取得了较好的控制效果。