模糊神经网络内模控制

内模控制(IMC)是一种先进的控制算法,具有很强的抗干扰性及鲁棒性,在工业过程控制中应用广泛.内模控制的控制性能往往取决于被控对象的模型,因此,如何得到被控对象的精确模型成为关键问题.对于工业中常见的非线性过程,传统的设计方法很难得到满意的控制效果.模糊控制和神经网络的引入为非线性内模控制的研究提供了一种新方法.模糊逻辑适合表达机遇规则的知识,而神经网络具有较强的自学习及自适应能力.将模糊逻辑与神经网络相结合,应用于内模控制中,对基于该模糊神经网络(FNN)的内部模型和控制器的建立进行了分析.仿真结果证明该算法是有效的,具有很强的自适应性和鲁棒性,可以应用于非线性及时变系统中.     

基于遗传算法的自适应内模控制器

探讨了基于遗传算法的自适应内模控制,用遗传算法结合模糊算法整定二自由度的内模控制器中的滤波器参数,仿真及其在电加热炉温度控制中的应用表明,所提出的方法具有一定的自适应能力,有较强的鲁棒性和抗干扰性,适用于时变大时滞的被控过程     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

单神经元自适应控制器在液位控制中的应用

介绍了单神经元自适应控制器在液位控制中的应用;在控制算法中提出了自调整学习速率和学习初期的分层控制方法。     

供热网时滞过程中的一种自适应模糊控制器

针对供热网中大时滞现象,提出了一种新的模糊控制器结构。这种模糊控制器通过在线辨识广义时滞,将时滞辨识的结果模糊化,决策出模糊规则组,填充主模糊规则表,达到自适应的目的。作为应用,给出基于集中供热网温度控制的模糊控制器的设计,以解决控制对象中由大时否和时变引起的不易控制和参数调整困难的问题。     

单神经元自适应PID控制器的研究

将二次型性能指标引入单神经元并利用自学习功能构成了自适应ＰＩＤ控制器;分析了神经元自适应控制系统的稳定性和学习算法的收敛性。仿真结果表明,这种控制方案具有良好的自适应性。     

一种新颖的单神经元励磁控制器

本提出了一种新颖的发电机励磁控制的单神经元控制结构，并利用遗传算法进行控制器的设计。数值仿真分析证明了所提出的神经元励磁控制器具有良好的控制性能。     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.     

单神经元自适应PSD智能控制器及其应用

介绍一类新型单神经元自适应ＰＳＤ智能控制器及其在电加热炉中的应用，实时控制结果表明；它具有超调小，响应快和精度高的特点。     

单神经元自适应PID控制器在主动队列管理中的应用

将单神经元自适应PID控制器应用于Internet网络的主动队列管理中,给出了控制系统的结构及控制算法.仿真结果表明这种白适应PID控制器控制的调节速度优于常规PID控制算法.     

模糊内模控制在磨矿系统中的应用

针对磨矿过程的复杂特性,提出了一种模糊内模控制(FIMC)方法,通过模糊逻辑推理对内模控制中滤波器参数(进行在线调整,解决了内模失配情况下系统控制品质变坏的问题。实例仿真结果表明,该方法调节时间短,超调量小,可行有效。     

模糊内模预估控制在烟叶复烤中的应用

烟叶复烤过程是一个不确定的时滞系统,为了对时滞性进行有效的控制,本文提出了一种新的模糊内模预估控制方法。它的最大特点是采用智能化的模糊模型预估器作为被控过程的内部模型,对实际输出起预测作用,从而克服时滞对系统带来的不利影响。同时,根据预测误差建立模糊内模控制器,在线修正、补偿被控过程的模型失配。数字仿真显示,这种控制方法优于常规控制方法,在烟叶复烤过程有广泛的应用前景。     

加入滞后时间削弱器的大滞后系统的最优模糊PID控制

首先给大滞后系统加入滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后基于模糊控制原理、极小值原理和PID控制理论,设计一种最优模糊PID控制器对小滞后对象进行自适应控制.仿真结果表明,加入滞后时间削弱器能使大滞后系统更容易控制;最优模糊PID控制器比模糊PID控制器具有更好的抗干扰性和鲁棒性,且系统响应的上升时间和调节时间明显缩短.     

云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器,并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法,进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系,利用云模型控制器修改神经元控制器的比例系数K,并根据系统误差在线实时修改控制系数,提高了系统响应性能。仿真结果表明,增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

云调节增益自适应单神经元PID的应用

提出了一种单神经元自适应PID控制器，并给出了控制结构模型。首先探讨了单神经元自适应PID控制学习算法，进而通过分析单神经元PID控制算法与系统动态响应及超调量的关系，利用云模型控制器修改神经元控制器的比例系数K，并根据系统误差在线实时修改控制系数，提高了系统响应性能。仿真结果表明，增益自适应单神经元PID控制器是一种具有自学习、自适应、鲁棒性强的控制器。     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合 ,提出了时变时滞系统自适应内模控制算法 .理论分析及仿真结果表明 ,该算法能克服时滞及参数的变化 ,具有鲁棒性好、抗干扰能力强的特点     

基于模糊控制思想的PD控制器及其应用

针对工业上广泛使用的温控仪的工作特点，研究了模糊控制的方法，主要包括：在分析总结模糊控制本质思想的基础上，提出了一种非线性、变权、控制规则自调整的模糊控制器，仿真结果验证了该控制器的简单、有效性；将该控制算法用于MWK型模糊温控仪的设计制造，实验表明，温控仪的工作性能良好、成本低、可以投入生产。分析了控制器参数的作用，并给出了进一步改善控制性能和在线自调整的模糊算法。     

一种单神经元自抗扰控制器

针对自抗扰控制器可调参数多且不易整定的问题,提出了一种用单神经元改进非线性状态误差反馈控制律的算法.利用神经网络的自学习能力,采用一个单神经元构造自适应参数,使参数依据系统误差的变化自动作相应地调整,从而完成参数的在线自整定.仿真结果表明,改进后的控制器调整参数大大减少,而且具有更强的适应性和鲁棒性.     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.