RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络。本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真。将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

前向神经网络在自适应控制中应用的研究

论述了前向神经网络自适应控制系统，论证了基于逆向建模的前向神经网络自适应控制方案的可行性，研究提出由该控制方案构成的控制系统不仅结构简单，易于实现，而且具有满意的动态指标．文中还通过一个水槽温度控制系统，进行了神经网络自适应控制仿真，给出了上述神经网络自适应控制方案的具体实现步骤并得出一些结论     

基于递归神经网络的永磁同步电机控制器设计

在永磁同步电机矢量控制系统中,采用递归神经网络控制器作为速度控制器来模拟在电机参数变化和负载扰动下的最优速度输出。神经网络采用扩展卡尔曼滤波方法实现在线训练,并在Lyapunov稳定性意义下对网络的学习率进行了分析。该神经网络矢量控制系统具有良好的动、静态特性,同时在变速和变负载情况下效果理想。该方法在一台1.2 kW永磁同步电机驱动系统上验证通过。     

基于神经网络PID电阻炉温度控制系统设计

系统采用BP神经网络控制策略,通过神经网络模拟实现PID参数在线调整．论文介绍了以单片机AT89S52为核心,采用热电偶及数字芯片MAX6675组成的温度控制系统,及神经网络PID控制器设计与仿真研究．     

磁控开关型故障限流器RBF神经网络自适应偏置电流控制

基于新型磁控开关型故障限流器偏置电流控制系统复杂的非线性时变特性,提出一种基于径向基函数神经网络的限流器偏置电流自适应控制系统,采用2个RBF神经网络来分别构成自适应控制网络和辨识网络,实现了偏置电流的实时控制.试验证明,利用该偏置电流控制系统,限流器的响应速度和限流效果可以得到保证.     

基于神经网络的PWM整流器矢量控制研究

建立电压型PWM整流器的一般数学模型,运用坐标变换技术得到其在两相旋转dq坐标系下的数学模型,并采用SVPWM整流器的双闭环控制系统。针对PI控制器参数整定困难的问题,利用神经网络的自学习功能,设计一种基于BP神经网络的PI控制器,实现PI控制器的参数自整定。最后利用MATLAB提供的电力系统工具箱构建PWM整流器的滞环控制系统和矢量控制系统的仿真模型进行仿真实验对比。仿真结果表明,基于BP神经网络的矢量控制系统超调量被抑制,系统鲁棒性增强。     

基于模糊神经网络逆方法的单元机组协调控制

针对单元机组控制对象强耦合、非线性、数学模型难以确定的特点,将逆方法控制用于多变量复杂单元机组控制系统中,在对逆系统的实现上不是采用传统意义上的显示解析表达式,而是采用动态神经网络,构造出非解析形式实现上的逆系统, 将神经网络逆系统与常规PID控制结合建造成闭环系统,应用于单元机组协调控制系统中.通过仿真研究,结果表明:这种新的控制方案不仅具有满意的控制性能,而且具有较强鲁棒性和抗干扰性能,它显著提高了协调控制系统在机组负荷工况变化时的适应性和控制品质.     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制器的方法,主要包括基于神经网络的非线性系统的在线直接自校正和间接自校正控制和满足局部能控一般非线性系统的神经网络自校正控制。从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性。所提供的控制器都可在线实现     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制的方法,主要包括基于神经网络的非线性系统的在线直接自校正和满足局部能控一般非线性系统的神经网络自校正控制,从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性,所提供控制器都可在线实现。     

PID神经网络控制系统的稳定性分析与改进

为改善PID神经网络控制系统只适用于有PID先验知识的情况,扩大此系统的使用范围,通过对其结构、算法的分析和在不同使用范围时的稳定性分析,提出了改进算法,并用Matlab软件对改进的算法进行了仿真.结果表明:改进的算法有很好的收敛效果,从实验上验证了算法的有效性.因此,无论有无PID先验知识,采用改进的PID神经网络控制系统都可以实现系统的全程稳定.     

yo-yo 运 动 的 振 荡 神 经 网 络 控 制

在分析简单的振荡网络基本构成基础上,提出了一种用振荡神经网络对yo yo运动实现闭环控制的具体构架.给出了系统中所采用的神经网振荡器——抑制性锁相环、开关信号发生器和机器臂参考信号发生器等环节的数学模型.建立了实现yo yo运动闭环控制的实时控制系统,并通过实验对该控制方法进行验证.结果表明,振荡神经网络实现yo yo运动闭环控制的方法是可行的.     

人工智能、模糊控制电冰箱

将神经元网络理论及模糊控制理论应用在冰箱控制中。所述方案采用了８０３１单片机系统,先在ＰＣ机上用ＭＡＴＬＡＢ软件训练神经网络得出神经元网络权系数,再通过仿真模糊控制系统得出模糊控制表,然后在单片机系统中实现神经网络计算和模糊控制查表过程。     

基于深度学习的竞速型智能车转向控制系统设计

转向控制系统是智能车自主行驶的关键。依托第十五届全国大学生智能汽车竞赛,针对自主设计的竞速型智能车进行转向控制系统的设计。该控制系统由数据采集车完成数据采集的过程,包括采集电磁强度、图像、转向角等数据创建用于深度学习的数据集,在此基础上训练和测试神经网络模型,模型测试车采用经训练和测试的神经网络模型,结合实时电磁强度数据,实现对其转向的实时控制。经过实测,该控制系统能够有效控制转向,使智能车完成复杂路况下的竞速任务。     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

基于改进的BP神经网络算法的控制系统在线辨识方法

 讨论了以计算机虚拟仪器为核心器件,搭建了动态测试与系统辨识硬件平台,使用Delphi语言编写辨识模块,实现对控制系统的在线辨识。在非线性系统辨识方面,针对BP神经网络算法中存在的收敛速度比较慢和辨识精度不高的问题,提出一种基于降低网络灵敏度的MBP神经网络辨识算法和一种基于小波分析的神经网络辨识算法,实现了对控制系统的状态进行预测估计。并以“防空武器半实物仿真系统”中的三轴稳定平台为对象,试验验证了算法的正确性。