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 .     

基于模糊神经网络的参数自整定PID控制系统设计

利用多层神经网络构建模糊自适应PID控制器，通过神经网络自学习能力在线提取模糊控制规则，优化控制器隶属度函数，根据不同时刻的误差e和误差变化ec运用模糊推理在线自整定PID参数。仿真实验表明，该控制系统具有优良的控制性能。此外，通过遗传算法对模糊神经网络的学习速率和惯性系数等进行了优化，为控制系统实现最优控制提供了有力保证。     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

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．     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

基于BP神经网络的智能控制器

研究一种新型的智能控制器,该控制器能通过自学习不断进行适应性控制,以保证系统的输出符合实际应用的要求,其主要特点是提供一个跟踪网络来近似确定控制参数,进而进行神经网络控制,仿真结果表明该方法有较好的效果．     

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

滑模-矢量控制变频调速系统

本文介绍一种滑模-矢量控制系统。在矢量控制的基础上,采用滑模-PI控制方案,使系统获得优良的控制性能,克服了稳态时的震颠现象。系统由2片8031单片机和SPWM—GTR逆变器组成。在3kW异步电动机上进行的试验结果表明,该系统具有优良的动静态性能和较强的鲁棒性。     

变结构滑模飞行控制

飞机飞行的范围广泛，复杂，不可能得到精确的飞机数学模型，所以，常规的控制理论应用于飞行控制，效果不佳，模型跟踪变结构控制理论不依赖数学模型，而能对理想模型进行跟踪，使飞机具有良好的性能，本文研究了变结构滑模控制在飞行控制系统的应用，首先，对滑模进行极点配置，使滑模有良好的动态特性，设计了一个比例积分切换超平面，确保消稳态误差，采用饱和控制技术，消除了抖振现象，对系统进行了数字仿真，表明系统不仅实现了无抖模型跟踪，而且具有很中的鲁棒性。     

GPS点间缺少方位角条件导线的敷设

在ＧＰＳ定位测量逐步发展的今天．用ＧＰＳ控制点发展较低等级的导线已势在必行。根据ＧＰＳ控制点的布设特点，讨论能否在ＧＰＳ点间发展精度满足小地区不同要求的导线是文章的写作宗旨。文章通过对ＧＰＳ点间缺少方位角条件导线的分析，探讨了使其精度提高的相应方法，论证了在ＧＰＳ点间敷设缺少方位角条件的导线对满足小地区不同要求的测量工作是切实可行的。     

纯滞后对象的观测补偿器控制方案

本文讨论了三种用于纯滞后过程的观测补偿器控制方案。第一种方案与Smith预估补偿方案进行了比较,表明它具有实施方便、对于对象模型参数的变化不灵敏以及稳定性较好等优点。第二种方案与前馈控制相类似,通过合适的观测补偿器参数的选择,可以完全补偿可测干扰的影响。第三种方案综合了前两种方案的优点,它不仅有良好的稳定性,而且有较强的适应能力。数字仿真的结果表明这类观测补偿器控制方案还可适用于对象是时变或者非线性的系统。     

隔震换能控制系统的数据采集及控制

半主动控制具有能耗小,控制效果接近主动控制等优点,是目前国内外研究的热点、隔震换能控制系统具有隔震换能和主动控制双重功能,属半主动控制,由于该系统兼具主动控制的特点,因此其信号采集及控制力的实施是影响该系统性能的关键．试验结果表明,该数据采集系统具有信号误差小、工作效率高、性能稳定等优点,可以应用于半主动控制的数据采集和控制系统。     

淀粉基缓释肥料的研制

以淀粉与聚乙烯醇为原料，在交联剂的作用下，制得包膜料液，用此料液给尿素涂膜，制得包膜尿素。并将包膜尿素与未包膜尿素的性能进行对比试验。结果表明，此包膜尿素缓释性能良好，且有保水性，抗结块性。此包膜材料具成本低、可生物降解、无环境污染等特点。     

一种PID控制与模糊控制相结合的智能温度控制系统

根据某加热炉的控制要求,设计出一种PID控制与模糊控制相结合的智能控制系统。采用Fuzzy-PID复合控制算法,具有模糊控制灵活、响应快、适应性强等优点,又具有PID控制精度高的特点。该系统采用PLC作为控制系统的核心,通过对偏差的智能化处理,以及引入最大最小限幅值,智能分段控制等概念,实现对数学模型不确定的控制对象的满意控制,使系统具有可靠性高、使用寿命长等适合实际工业现场的特性。     

不稳定时滞过程的神经网络内模控制方法

不稳定时滞过程在过程工业中较为常见,常规方法难以控制。提出了一种双反馈环控制方法,首先采用内部反馈镇定,然后采用神经网络构造内模控制系统,解决了模型与实际过程存在偏差、不稳定性等问题。仿真结果调节时间短,控制精度高,表明了神经网络内模控制方法的有效性和优越性。     

基于新型滤波器的内模控制器设计

针对工业中普遍存在的高阶系统,提出一种基于Butterworth滤波器的内模控制方法.采用低阶系统来近似高阶系统会造成模型误差,同时,传统的PID控制方法及内模控制方法对高阶系统控制均不理想.利用Butter-worth滤波器的理想低通特性,通过将优化改进后的Butterworth滤波器代替传统的内模控制器中的低通滤波器,使得控制系统具有较好的动态特性和稳态特性.仿真研究表明,该方法对高阶系统具有良好的控制性能,当模型失配时具有较强的鲁棒性,适合于高阶系统的控制.