共查询到17条相似文献,搜索用时 78 毫秒
1.
基于GA的模糊神经网络控制器的设计与仿真 总被引:11,自引:3,他引:8
提出了一种基于改进遗传算法(GA)训练结构和参数的神经网络控制的算法,它采用并行的模糊推理网络,具有自适应自学习的特点,将该算法得到的控制器用于实际工业对象模型的温度控制仿真,结果令人满意。 相似文献
2.
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
3.
神经网络自适应广义预测解耦控制器的设计 总被引:2,自引:0,他引:2
提出了一种神经网络补偿自适应广义预测解耦控制方案,即用神经网络逼近通道间的耦合、非线性及未建模动态,且采用了改进RLS辨识算法及用后能改善辨识效果,从而增进自适应控制的精度与鲁棒性,能解决参数不确定的非线性多变量耦合问题,给出了该算法的实现原理及步骤。理论分析和仿真结果表明,该方案是有效的。 相似文献
4.
5.
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
6.
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
7.
一种模糊神经网络自适应预测控制方案的研究 总被引:1,自引:0,他引:1
孙金刚 《系统工程与电子技术》1999,21(11):87-90
针对现有模糊推理方法的缺点,结合神经网络的学习能力和插值能力,提出了一种新型的模糊神经网络结构。在此基础上设计了一种模糊神经网络自适应预测控制方案,并导出了相应的学习算法。同时引入了预测误差的智能补偿,以提高预测及控制精度。仿真实验表明,该算法能实现模糊控制和神经网络控制的优势互补,在非线性复杂系统的控制方面具备较高的性能。 相似文献
8.
双机编队飞行自适应神经网络控制设计与仿真 总被引:1,自引:0,他引:1
飞机编队飞行控制的关键技术就是保持编队队形并且跟踪指定的飞行路径.考虑到编队飞机之间的相互影响,根据相对位置和全局坐标系统(编队中心)采用混合控制结构对编队飞机进行控制,使用神经网络自适应控制技术使得两机具有良好的模型跟踪能力,以便于僚机实现良好的跟踪,保持编队之间的相对距离;同时设计三通道神经网络混合PID控制器使得飞行控制系统快速跟踪指令,保持编队队形.以两架无人机为研究对象进行仿真,结果表明设计的编队飞行控制系统具有较强的稳定性和自适应跟踪性能. 相似文献
9.
10.
11.
12.
隐式广义预测自校正控制算法的混合仿真研究 总被引:3,自引:0,他引:3
利用广义预测控制与动态矩阵控制的等价性,根据动态矩阵控制中误差校正原理,对广义预测控制算法中的开环预测向量f作了修正,并通过模拟仿真仪对该算法进行了混合仿真研究。 相似文献
13.
14.
基于量子遗传算法的正规模糊神经网络控制器设计 总被引:6,自引:0,他引:6
针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。 相似文献
15.
基于遗传算法的进化神经网络 总被引:16,自引:0,他引:16
提出一种基于遗传算法的多层前向神经网络的自动化设计方法(genetic multiplayer feedforward neural network,GMFNN),用以同时完成对网络结构空间和权值空间的搜索。该算法利用双种群权值优化、结构进化自适应变异率等方法来加快算法的收敛速度,改善解的性能。仿真结果显示本文提出的算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前向神经网络的收敛精度,并可获得更为简洁的网络结构。 相似文献
16.