共查询到15条相似文献,搜索用时 250 毫秒
1.
汽轮机调速系统CMAC网络PID并行优化控制 总被引:7,自引:0,他引:7
针对汽轮机调速系统存在死区、饱和等非线性的控制特点,提出了基于混沌优化策略与CMAC网络PID并行控制相结合的控制方法,并将其应用于汽轮机调速系统的参数设计中。该方法首先通过混沌搜索,得到控制器参数的次优值,然后利用变尺度的方法在次优值附近找出控制器参数的全局最优值。与CMAC网络传统PID并行控制以及单纯PID控制相比较的仿真结果表明,该方法能更好地提高控制系统的精度和响应速度。 相似文献
2.
基于模糊CMAC网络的非线性自适应逆控制 总被引:1,自引:0,他引:1
针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller, FCMAC)网络的非线性自适应逆控制方案.将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统.在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整.仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想. 相似文献
3.
为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。 相似文献
4.
5.
针对传统的小脑模型,提出了一种广义模糊小脑模型神经网络(GFCMAC)。它采用模糊隶属度函数作为接收域函数,可以获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。研究了GFCMAC接收域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。结合强化学习,提出了一种基于GFCAMC的强化学习算法,讨论了其实现过程。应用于船舶航向控制的仿真结果表明,在有各种风浪干扰下,船舶航向跟踪快且操舵动作合理,适合船舶转向控制要求。 相似文献
6.
提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。 相似文献
7.
8.
一种广义模糊小脑模型神经网络及其仿真研究 总被引:1,自引:0,他引:1
针对传统的小脑模型,在保留CMAC原有增强和局部特性的基础上,结合模糊逻辑的思想,采用模糊隶属度函数作为接收域函数,提出了一种广义模糊小脑模型神经网络(GFAC)。研究了GFAC接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明GFAC具有良好的泛化能力和逼近精度,利用GFAC可以获得较常规CMAC连续性强且有解析微分的复杂函数近似。 相似文献
9.
一种快速收敛的核CMAC神经网络模型 总被引:1,自引:0,他引:1
为了提高CMAC(cerebellarmodelarticulationcontrollers)神经网络实时在线学习的快速性和准确性,在核CMAC的基础上引入了信度分配的概念。在核空间内,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的倒数成比例,设计了一种基于信度分配的核CMAC的训练规则,使网络的学习速度和网络逼近精度及建模能力得到提高。仿真结果表明基于信度分配的核CMAC结合了核CMAC与信度分配CMAC的优点,隐去了映射所带来的复杂运算,有较快的学习速度和训练精度及建模能力。 相似文献
10.
一种自适应CMAC神经网络控制器的设计与仿真 总被引:10,自引:2,他引:10
为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象,基于常规CMAC的基础上,提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号,并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明,提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力,是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。 相似文献
11.
基于神经网络的一类非线性系统的变结构控制 总被引:1,自引:0,他引:1
在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。 相似文献
12.
基于模糊Chebyshev基函数神经网络的快速学习算法 总被引:6,自引:0,他引:6
将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此该模糊神经网络模型算法的计算量大大减小,仿真结果表明了该模型算法的有效性和快速性。 相似文献
13.
14.
针对多输入多输出非线性系统 ,提出一种基于模糊小脑关联结构模型 (CMAC)神经网络的多面滑模变结构控制算法 ,特点是无需已知不确定性函数及其各阶导数的上界 ,证明了系统的状态及权值误差有界。与经典设计方法相比 ,所提出的方案允许非参数化不确定性。仿真实例显示了方法的有效性。 相似文献
15.
一种基于自适应遗传算法的CMAC的学习率优化方法 总被引:3,自引:3,他引:3
CMAC(cerebellar model articulation controller)是一种局部逼近神经网络,它发展了近30年,但是关于其学习率的确定仍缺乏好的方法。基于CMAC的控制系统如果没有好的学习率,那么系统就会不稳定或者收敛速度很慢。在传统方法的基础上提出利用遗传算法(GA)来确定其学习率,通过自适应遗传算法(GA)其他传统方法相比较,表明利用自适应遗传算法(GA)不仅使系统稳定,而且收敛速度更快,并进行了仿真验证。 相似文献