共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
提出了一种基于遗传算法(GA)、克隆选择算法(csA)和神经网络的自适应PID控制器的设计方法.该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能.仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程. 相似文献
3.
用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型。利用参考模型的输出状态和被控对象的预测值,提出了适于任何形式被控对象的广义离散MRACS设计方法,适用于线性、非线性、最小相位和非最小相位系统。仿真结果表明,系统响应速度快,能够跟踪任意给定的参考序列,具有较强的鲁棒性和较好的控制精度,从而拓宽了模型参考自适应控制的应用范围。 相似文献
4.
5.
针对广义学习模型提出了基于PID结构的零极点配置解耦控制算法.广义学习模型由一个线性时变子模型和一个非线性学习模型组成,其中线性时变子模型的参数采用最小二乘方法进行辨识,非线性学习模型由RBF神经元网络近似.通过引入补偿多项式,使得闭环系统的零极点可任意配置,极大的改善了闭环系统的动态性能.在进行控制器参数选择时,PID结构部分参数可根据常规PID控制器选取,零极点配置部分参数可根据系统期望零极点选取.最后,通过对电弧炉电极调节系统的仿真,验证了控制器的有效性. 相似文献
6.
7.
考虑一类非线性不确定系统的直接自适应变论域模糊滑模控制问题。根据跟踪误差在线调整伸缩因子,使变论域模糊系统一致逼近被控对象中的非线性部分。通过引入鲁棒自适应控制器,消除了模糊建模误差,提高了系统的动态性能。给出了系统自适应参数的调整律,并基于Lyapunov理论证明了闭环系统一致稳定。最后,将该算法用于近空间飞行器(near space vehicle, NSV)姿态控制系统的设计,仿真结果表明了该算法的有效性。 相似文献
8.
对于非线性被控对象,当存在未建模动态,参数摄动或对象动力学特性时变时难以实施有效的控制,为此,我们利用径向基函数神经网络,并将前馈和反馈控制方案相结合,提出一种鲁棒性强、实时性好、能控制非最小相位系统的神经网络前馈反馈自适应控制器。仿真结果表明了该方案的优良特性。 相似文献
9.
10.
提出一种基于RBF辨识的伺服系统CMAC复合控制器,并进行了仿真研究。采用RBF神经网络辨识被控对象模型,根据辨识结果调节单神经元控制器的参数,由单神经元PID控制器与小脑模型前馈控制器组成复合控制结构,通过搜索使控制器尽快地进入合适的参数空间,实现了控制的快速性要求。仿真结果表明,该控制方法能够缩短系统暂态响应时间,提高系统的动态跟踪精度,增加系统鲁棒稳定性。 相似文献
11.
提出了一种基于径向基链网络(RBFLN)的改进径向基函数(RBF)网络学习算法.网络结构采用RB—FLN模型,添加输入层对输出层的线性映射,在训练过程中基于最大误差学习样本对资源分配网络(RAN)新性条件进行改动,在不满足新性条件时,采用相似度参数对隐层中心和宽度进行调整;而满足新性条件时,对新增隐层节点也通过类均值的方法做出相应的改进.最后通过对无机建筑材料成分分析的仿真表明该算法可有效地简化网络结构,实现样本正确分类,并获得较好的校验能力. 相似文献
12.
针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最小二乘算法(LS)有机的结合起来,提出了一种新的快速学习混合策略。该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值。非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差。 相似文献
13.
基于神经网络非线性补偿器原理,本文提出了一种机器人新型顺应控制方案,外力信号通过一个二阶阻抗模型来修正期望输入,神经网络非线性补偿器用于补偿机器人有界干扰和未建模动态,提出了机器人模型学习方案,仿真结果证明了学习过程的有效性以及顺应控制的渐近稳定性。 相似文献
14.
基于回归神经网络的滑模跟踪器设计 总被引:1,自引:0,他引:1
基于回归神经网络的在线辨识 ,为实现非线性系统自适应控制提供了一种很有应有前景的方法。本文基于具有线性输入特性的神经网络 ,提出了使系统辨识误差具有指数收敛特性的学习算法。为了得到尽可能普遍的控制律 ,本文运用滑模技术设计出控制信号 ,用其补偿神经网络模型与非线性系统之间的匹配误差。以此为基础 ,提出一种新的基于回归神经网络的间接自适应控制方案。仿真结果表明 ,本控制方案具有较好的跟踪性能 相似文献
15.
本文在研究神经网络自组织方法的基础上,通过模拟生物群落演化的动态机制,提出了一种新的自组织模型GGM,在GGM中,我们利用聚类中心的动态增生和消亡,使自组织学习调整直接局部化到单个聚类中心,从而避免了全局一局部调整的模拟退火训练过程,大大地提高了自组织学习的速度和适应能力. 相似文献
16.
供应链集成化动态模型与控制 总被引:23,自引:0,他引:23
建立了一个包括供应商、制造商、销售商在内的集成化动态模型,这一模型含有线性状态方程和神经网络非线性模型,提出了库存成本、供应成本、生产水平等在内的供应链目标函数、对于供应链集成化模型推导了神经网络控制方案,并以辽化公司为背景进行了初步条件的仿真工作。 相似文献
17.
基于先验知识和神经网络的非线性建模与预测控制 总被引:6,自引:2,他引:4
神经网络模型是模拟非线性系统的有力工具,它的缺陷是难以利用已有的先验知识。利用通用学习网络的建模方法,提出了一种利用先验知识和神经网络建立非线性系统模型的方法,具有简化神经网络结构、减小计算量的优点。基于这种模型利用改进的遗传算法进行优化计算,从而实现了基于先验知识和神经网络的非线性建模和预测控制。对一个悬吊系统的仿真实验说明了该算法的有效性。 相似文献
18.
以实际的具有多变量、强耦合、强非线性特性的氧化铝强制循环蒸发系统为例,将一类多变量非线性系统分为线性模型和非线性未建模动态两部分,提出了由线性预测解耦控制器,神经网络非线性预测解耦控制器和切换机制组成的多模型预测解耦控制方法,并且证明了闭环系统的稳定性.最后,通过对强制循环蒸发系统的仿真实验,验证了所提方法的有效性. 相似文献
19.
《系统工程与电子技术(英文版)》1996,(4)
Volterra Feedforward Neural Networks: Theory and AlgorithmsJiaoLichengl;LiuFang&XieQin(NationalLab.forRadarSignalProcessingan... 相似文献
20.
基于T-S模型的模糊神经网络在股市预测中的应用 总被引:14,自引:1,他引:13
采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值. 相似文献