基于模糊控制的交流伺服系统的设计

针对永磁同步电动机交流伺服系统,提出了模糊控制方案.在交流伺服系统的设计中,采用模糊控制器作为其位置调节器,采用电流快速跟踪控制方案设计电流调节器,对于速度调节器,按Ⅱ型系统设计,并选用PI型调节器,极大地提高了系统的性能.实验与仿真结果表明,基于模糊控制的交流伺服系统与常规PID控制的交流伺服系统相比,具有良好的动态、稳态性能以及较强的鲁棒性,从而证明了这种设计方法的合理性和优越性.     

神经网络前馈逆控制在交流伺服系统中的应用

基于逆系统的思想和前馈控制理论，采用前馈神经网络的学习结构和相关的快速训练方法，设计出一种闭环前馈逆控制交流伺服系统，仿真证明了其有效性。     

基于规则自校正模糊控制器的交流伺服系统

提出了一种规则自校正模糊控制器,并将其用于交流伺服系统的控制中,设计了一种在线的模糊推是算法,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于规则自校正模糊控制器的交流伺服系统的性能较一般模糊控制交流伺服系统有了较大的改善。     

永磁直线同步电动机自适应模糊混合PID控制器设计

针对永磁直线同步电动机（PMLSM）参数不确定性问题,设计出了交流伺服系统的模糊自适应混合PID控制器。该控制器将模糊控制与自适应控制进行有效地结合,实现了量化因子的在线自我学习。仿真实验表明该伺服系统有效地克服了PMLSM参数不确定性所带来的影响,并且具有快速,鲁棒性强等特点。     

模糊切换方式下的复合控制

设计与分析了交流伺服系统FZ-PID的复合控制原理,针对阀值切换所存在的缺陷提出了一种基于模糊规则切换的复合控制器.实验结果表明基于模糊切换方式下的交流伺服系统具有较快的速度响应、较高的稳态精度和较小的超调,并实现了两种控制的平滑过渡.     

基于模糊遗传算法的电液位置伺服系统控制

电液位置伺服板簧实验系统是一个典型的非线性系统，采用传统的PID控制策略难以获得较好的控制效果。基于遗传算法的模糊遗传算法，利用遗传算法强大的空间搜索能力，对模糊隶属函数进行优化。仿真结果表明：该算法在电液位置伺服系统控制中取得了响应速度快、稳定性优越的效果。     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

模糊控制器量化因子的在线优化

本文利用遗传算法与模糊控制相结合优化模糊控制器量化因子的设计方法,能够有效提高模糊控制器量化因子选取的效率及其控制效果,本文通过在基于矢量控制的交流电机调速系统速度环模糊控制器上应用遗传算法进行量化因子优化的仿真实验,验证了此设计方法的有效性与优越性。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法(GA)和模糊神经网络控制器的结构进行了说明.为了克服反向传播算法(BP)的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练.用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越.     

基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能。首先在磁场定向控制下建立PMLSM伺服系统动态数学模型。其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识; RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响。最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能。     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

模糊神经网络在四足步行机器人控制中的应用

将神经网络和模糊控制理论应用于四足步行机器人的控制中，并在实验基础上选取样本，设计了针对四足步行机器人的模糊神经网络控制系统．     

遗传算法在船舶动力定位系统中的应用

针对船舶动力定位系统提出了一种基于神经网络的模糊控制模型,它通过神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程,并且采用遗传算法进行网络学习;在此基础上针对船舶的纵向运动进行了仿真实验,结果表明,这种模糊神经网络结构及算法对船舶的动力定位实施具有可行性以及有效性.     

用于热力系统建模的基于粗糙集的模糊神经网络

模糊神经网络应用于热力系统建模,虽能取得较好的效果,但当模糊规则较多时,网络学习速度较慢。针对这个问题,对传统的模糊神经网络进行了改进。利用Kohonen自组织网络对数据信息进行聚类。然后利用粗糙集规则约减的方法,获取模糊神经网络最小规则,以提高模糊神经网络的学习速度。经过锅炉汽压回路模型的仿真实验结果表明:粗糙模糊神经网络学习速度较传统模糊神经网络有较大提高,同时网络误差有所降低。     

基于模糊神经滑模观测器的永磁同步电机无传感器控制

为了解决传统滑模观测器的抖振问题,提出了一种用于永磁同步电机的模糊神经滑模观测器。分析了滑模增益对抖振的影响,并采用模糊神经网络动态调整滑模增益以改善抖振,利用李雅普诺夫函数证明了模糊神经网络观测器的稳定性。利用锁相环方法提取转子位置与速度信息,减小由高频噪声引起的误差。仿真结果表明:改进后的滑模观测器能够对永磁同步电机转子位置进行精确辨识,有效地抑制了抖振,实现了高性能的永磁同步电机无传感器控制。     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

多变量系统模糊自适应解耦控制方法综述

介绍了多种模糊自适应解耦方法,主要是传统自适应理论与模糊控制的结合以及糊神经网络解耦方法,并着重介绍了各方法的优点和局限性．最后对模糊自适应解耦研究领域的前景进行了展望。     

基于模糊神经网络空间矢量调制的直接转矩控制

为了改善基于空间矢量调制的直接转矩系统的动态性能及低速性,分析了传统SVM-DTC中采用两个PI控制器来产生参考电压矢量,存在PI控制器参数难以确定的问题,提出了一种基于模糊-神经网络空间矢量调制(SVM)的异步电机直接转矩控制(DTC)策略.阐述了产生磁链参考电压矢量的模糊控制器和产生转矩参考电压矢量的神经网络控制器...     

遗传算法模糊PID控制在跳汰机排料系统中的应用

介绍了模糊控制与遗传算法的特点,分析了它们之间相互结合的可能性,提出了基于遗传算法的模糊PID控制算法.指出了目前跳汰机排料系统的缺点,设计了基于遗传算法模糊PID控制的排料系统,并对其应用进行了分析研究.结果表明,基于遗传算法模糊PID控制系统比模糊PID控制系统超调小,系统稳定性高,控制效果好.     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。