基于神经网络的柔性机器人混合力/位置控制

建立了柔性机器人的动力学模型,并根据实际情况对模型作了相应的假设,给出了简化的准静态模型,提出了一种基于神经网络的混合力／位置控制方法,它主要包括两个部分：辨识网络和学习网络,仿真结果证明所设计的控制器是可行的。     

基于神经网络PID控制的电液位置伺服系统

针对电液位置伺服系统,利用神经元的自学习、自适应特点,将神经网络与PID控制方法相结合,对电液伺服系统在线边学习边控制,实现系统的快速实时控制。仿真研究表明,该电液伺服系统具有令人满意的静、动态性能。     

基于气动人工肌肉的自适应模糊 小脑模型神经网络位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID (DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AFCMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AFCMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.     

气动位置控制系统的状态反馈调节

讨论了气动位置控制系统中状态反馈调节的不同结构、特点、优化设计和参数灵敏性等,提出了理想极点区概念,并对状态反馈调节、PID-调节、自适应控制等不同控制方法进行了初步比较.     

气动人工肌肉驱动球面并联机器人的位置控制研究

研究将气动人工肌肉驱动器应用于柔索驱动三自由度球面并联机器人机构,介绍了该机器人的运动学模型,提出一种简便的轨迹规划方法,在建立的实验测控系统中,应用含并联机器人的位置逆解和对气动人工肌肉的智能PID控制的位置控制算法,实现对机器人末端的位置控制,通过机器人的位置正解验证了位置控制的控制效果.     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

一种基于神经元控制的位置跟踪控制系统

针对位置跟踪控制系统的特点,探讨了一种单神经元自适应控制器,用于ＣＮＣ系统中的快速位置跟踪控制,并对控制器结构及参数对系统性能的影响做了信民真研究,为神经网络控制在ＣＮＣ系统中的应用,提出了一条的新可行方法。     

模糊控制在机器人位置控制中的应用

关节角A的控制是机器人位置控制技术中至关重要的环节，为此研究了利用模糊原理对关节角速度控制的一类问题，首先给出一类机器控制位置模型，然后利用模糊函数规则进行模糊控制器设计。通过仿真显示，本文案为机器人位置控制臂提供了新的控制途径，也拓宽了模糊控制原理的应用领域。     

基于三菱PLC控制的交流伺服电动机位置控制系统研究

以某厂铝电解电容器生产过程中的一道关键工序——电容器套管自动烫印裁切为例,从系统参数分析计算入手,设计了基于三菱FX2N系列的PLC控制交流伺服电动机的位置控制系统,给出了定长及速度控制的算法和软件编程思路。     

基于Levenberg-Marquardt算法的神经网络监督控制

提出了基于Levenberg-Marquardt(L-M)算法的前向多层神经网络在线监督的控制方法，其算法是梯度下降法与高斯－牛顿法的结合，对于训练次数及准确度，L－M算法明显优于共轭梯度法及变学习率的BP（Back Propagation)算法，适用于在线学习与控制，因此，利用L－M算法的特点进行在线训练神经网络，以实现实时非线性控制，仿真结果表明，该控制方法优于常规控制算法，明显改善了在未知负载扰动时，伺服系统的踊跃性能，显著地降低了跟踪误差，具有很强的抗干扰能力。     

基于RBF神经网络模型的单力臂机器人控制

针对单力臂机械手的控制,提出了一种基于RBF神经网络模型的控制方法;RBF神经网络即径向基函数,它本身是具有单隐层的三层前馈网络,从输入空间到输出空间的映射呈现非线性,但是从隐含层空间到输出空间的映射却呈现线性,又由于RBF网络它采用高斯基函数作为作用函数,它的输出与部分调参数有关,在输入空间的有限范围内不为零,是一种...     

PMSM神经网络实时IP位置控制

对永磁同步电机 (PMSM )提出了一种基于神经网络的实时IP位置控制方案·根据伺服系统中的IP控制策略 ,利用神经网络的优点设计了神经网络实时IP位置控制器·所设计的神经网络实时IP位置控制器结构简单 ,权值调整计算量小、速度快·同时用混合神经网络作为PMSM系统辨识器 ,用多步预测性能指标函数实现了实时在线训练·理论分析和实验仿真对比研究的结果 ,表明所提出方法具有优越的动态性能和鲁棒性·     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

基于小波网络的永磁无刷直流电机无位置传感器控制

通过对永磁无刷直流电机的无位置传感器检测原理和小波网络特性的分析，提出了基于小波神经网络的永磁无刷直流电机无位置传感器控制新方法．该方法构建小波网络模型，采用梯度下降法对网络进行训练．网络训练分为离线训练和在线训练，由离线训练初步确定网络隐层节点的小波平移因子、尺度因子及网络输出层权值．以滤波和逻辑处理后的网络输出信号为教师对网络输出层连接权进行在线调整．从而由电机的相电流、端电压映射出电机的换相信号，取代了传统的位置传感器．最后仿真及实验结果表明，该方法能得到准确的永磁无刷直流电机的换相信号．     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

基于函数联接神经网络液压驱动机械手的自学习控制

针对两自由度液压驱动机械手的轨迹跟踪控制问题,分析研究了神经网络自适应控制的特点,在此基础上提出了基于函数联接神经网络液压驱动机械手的自学习控制结构与控制算法·其控制结构着重智能知识的加强;控制算法以PD形学习规则为基础,运算结果不是直接参与控制,而是根据控制器作用于系统之后所产生的误差及其微分对控制器作出评价和修正·仿真和实验研究都取得了比较好的控制效果·     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。     

基于神经网络的模糊控制系统的研究

从模糊理论和神经网络各自特点出发 ,详细讨论这 2大系统的联系和区别 .进一步将两者有机的结合起来 ,实现基于神经网络的模糊控制推理结构的设计 ,同时给出其设计的方法和步骤 .显示两者的结合是实现更完美智能控制系统的有效途径 .