带误差补偿的GPC对网络控制系统时延的解决

针对网络控制系统(NCS)具有不确定时延的特性，提出了将广义预测控制(GPC)应用于网络控制系统的思想。为了克服模型失配和系统不确定性的影响，基于BP神经网络建立一个误差的预测模型，用误差预测值对输出预测值进行补偿，构成新型的广义预测控制算法，并采用了平滑滤波的加权输入控制律。在网络控制系统中，测试了网络数据传输的随机延迟时间特性，比较了GPC和具有BP网络预测误差补偿的GPC两种控制方法，验证了具有BP网络预测误差补偿的GPC在模型失配时的更好的控制性能。     

在线检测系统中对预行程误差预测和补偿的应用分析

预测和补偿预行程误差,能在很大程度上提高在线检测系统中测量的精确度,基于这一原理,提出基于BP与正则化RBF神经网络的一种新的检测误差预测的方法,同时基于BP和正则化RBF神经网络,建立了一个能够在线检测系统并且预行程误差的模型,利用相关的实验数据,将已经训练好的网络运用到实际中,对加工零件的误差进行预测与补偿.     

精密车削中心热误差鲁棒建模与实时补偿

为了减小数控机床的热误差.提高数控机床的加工精度,使用BP神经网络和遗传算法相结合的方法建立了热误差模型,并基于所建模型开发了数控机床热误差实时补偿系统.基于对数控机床热动态过程的分析,利用4个关键温度点,建立BP神经网络热误差模型.用遗传算法优化BP神经网络连接权值和阈值,提高了模型的预测精度和收敛时间.试验结果表明:对精密车削中心进行实时补偿后,加工误差从32 μm降低到大约8 μm,明显提高了数控机床的加工精度.     

基于BP神经网络的数控机床综合误差补偿方法

针对多轴数控机床热影响导致的加工精度衰减问题,结合神经网络自学习与数据拟合能力,提出基于优化BP神经网络的多轴数控机床综合误差补偿方法。针对BP神经网络神经元误差曲面下降缓慢影响收敛效率的问题,引入陡度因子和放大因子,并基于此对数控机床运动轴加工精度进行预测和补偿。将大型A/B双摆角龙门数控铣床各关键发热源的温度检测数据和运动轴误差检测数据作为精度预测模型的输入量和输出量,采用改进后的BP神经网络进行训练,获得温度变化与位移误差量之间的非线性映射关系,并据此修改被加工工件的刀位数据文件,实现数控机床加工精度的提高。模拟算例和实验结果表明,该方法降低了传统BP神经网络的预测误差和运算时间,对机床平均误差补偿率达到50%以上。开发的数控机床误差补偿系统无须对现有机床进行大规模硬件改造,应用简便易于推广。     

粒子群优化BP神经网络PID控制注塑机液压系统

注塑机液压系统是一个时变、非线性和高耦合的复杂系统,传统PID控制参数不易整定,超调量大,对注塑机液压系统控制效果欠佳,现提出一种粒子群优化BP神经网络算法改良PID控制。BP神经网络算法存在收敛速度慢和容易陷入局部最小值的缺陷,利用粒子群算法的全局最优和收敛速度快的特性改良BP神经网络,然后利用粒子群优化BP神经网络对PID的3个参数进行在线调整。仿真结果表明,经过粒子群优化后的BP神经网络对PID3个参数的整定效果要比BP网络要好,同时粒子群优化BP神经网络PID控制效果明显优于传统PID控制,可以有效提高注塑机液压系统的精度和响应速度,优化注塑过程。     

基于混合学习算法的模糊神经网络控制系统

针对复杂非线性系统在控制过程中的不确定性及参数的时变性,设计了一种模糊神经自适应预测控制系统,通过误差补偿以提高预测控制的精度;对模糊神经网络（FNN）的学习算法进行了研究,利用遗传算法的全局搜索能力对FNN控制器参数进行离线优化,并对遗传操作进行了改进,使其最终搜索到全局最优或近似全局最优的附近,再利用BP算法的局部搜索能力和对对象的适应能力,进一步对参数进行在线调整。从而使系统具有更高的学习精度和更快的收敛速度,所得的FNN具有良好的泛化性能。仿真结果证明了本方法的有效性。     

基于Elman神经网络的振镜扫描系统误差校正技术研究

为了消除激光快速成型机中振镜扫描系统的非线性扫描误差，以提高系统的扫描精度，提出了运用神经网络校正激光振镜扫描系统误差的方法．通过对BP神经网络、径向基神经网络和Elman神经网络3种不同网络的对比分析，运用Elman神经网络训练有限个标定坐标点的误差补偿值，构造全视场误差补偿曲面，然后对视场坐标进行校正补偿．通过实例分析，测试件在z、y方向的尺寸均方根误差由原来的0．2296mm、0．2107mm分别减小到0．0232mm和0．0265mm．实验结果表明，采用Elman神经网络构造振镜扫描系统误差补偿曲面，对振镜扫描系统进行动态误差校正，可以显著提高快速成型机的扫描精度．     

基于GA-BP神经网络的隧道初期支护钢拱架内力预测

针对误差反向传播(BP)神经网络易陷入局部极小值的问题,将遗传算法(GA)与BP神经网络相结合,先以遗传算法全局最优的特性对初始化的BP网络的权重和阈值进行优化,再将优化的权重和阈值作为初值带入BP网络训练得到最优解.运用此改进的BP神经网络对竹盖山隧道初期支护钢拱架内力进行预测,取得了良好的效果,精度高、收敛快,为指导和控制工程施工提供了有效的依据.     

切削过程的位置误差补偿控制研究

本文作者运用经典控制论对切削过程的位置误差补偿控制进行了研究．接着，作者对神经网络理论中的标准反向传播算法BP作了改进并提出了IBP算法．基于IBP法，作者构造了一个用于切削过程位置误差补偿控制的多层前馈神经网络控制器，并作了仿真控制试验．研究结果表明：IBP法较标准BP法具有更快的迭代速度和收敛性质；所建的智能控制器虽然结构简单，但在误差补偿控制方面跟经典控制法相似具有一定的控制效果．     

基于BP神经网络的MOCVD温度控制系统参数优化

为解决MOCVD设备温度控制的非线性、时变性以及大时滞等问题,提出改进的基于误差反向传播算法（BP）的神经网络控制方法．在传统BP算法基础上附加一个使搜索快速收敛全局极小的惯性项,在微调权值修正量的同时也使学习避免陷入局部最小．该方法不仅具有自学习自适应能力,而且具有自调整比例因子功能．仿真和试验表明,神经网络控制器具有很强的鲁棒性、自学习功能和自适应解耦．在整个温度控制范围基本误差可达到l℃％。,有效的改善MOCVD系统温度的控制性能,对实际温度控制具有较好的指导意义．