开架式水下机器人运动的变结构神经网络控制

针对开架式水下机器人运动的精确控制问题,提出一种水下机器人变结构神经网络控制方法。利用变结构控制理论中的趋近律方法,推导出神经网络参数的镇定算法,并讨论了学习算法的全局稳定性条件。仿真实验结果表明该控制方法对网络学习率的改变和外界扰动有很强的鲁棒性,具有一定的理论和实用价值。     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

控制动作下带缆遥控水下机器人的水动力特性

首先利用模糊神经网络算法构建了基于完整的带缆遥控水下机器人水动力数学模型的控制器,对水下机器人多自由度上的轨迹和姿态进行控制;然后,针对传统螺旋桨推进力分析方法中的缺陷,引入神经网络相关理论并结合计算流体方法对推进力和转速之间的相互关系进行辨识和换算;在此基础上构建了一个完整的、包括模糊神经控制器、机器人水动力数学模型以及推进力和转速换算模块的带缆遥控水下机器人控制系统;最后,在考虑系统各部分间相互影响的前提下进行了水动力特性的整体分析和计算.数值计算结果表明,所建立的控制系统可以对带缆遥控水下机器人进行有效的轨迹和姿态控制,文中方法可以从整体的角度分析一定控制动作下水下机器人的水动力响应.     

电厂冷凝器清洗机器人设计与控制方法研究

提出了面向电厂冷凝器清洗的新方法,它以高压水清洗为主、以化学药剂清洗为辅,通过智能清洗机器人实现电厂冷凝器的自动化在线清洗.首先设计了水下冷凝器清洗机器人的体系结构,给出了清洗机器人的机械与电气结构,在此基础上,为实现机器人的高效清洗,设计了机器人的分布式控制系统,提出了水下作业环境下二关节机器人的控制方法,建立了模糊高斯基神经网络控制系统结构,通过BP学习算法进行神经网络训练.最后,仿真实验表明:提出的控制方法在动态性能和稳定性方面优于传统的控制方法,非常适用于水下环境的清洗控制.     

基于深度强化学习的水下机器人最优轨迹控制

为了实现水下机器人在跟踪复杂轨迹时具有出较高的精度和稳定性,提出了利用深度强化学习实现水下机器人最优轨迹控制的方法:首先,建立基于2个深度神经网络（Actor网络和Critic网络）的水下机器人控制模型,其中Actor网络用来选择动作,Critic网络用来评估Actor网络的训练结果;其次,构造合适的奖励信号使得深度强化学习算法适用于水下机器人的动力学模型;最后,提出了基于奖励信号标准差的网络训练成功评判条件,使得水下机器人在确保精度的同时保证稳定性. 仿真实验结果表明:在解决一定精度内的水下机器人复杂轨迹跟踪问题时,该算法与传统PID控制算法相比具有更优的性能.     

基于神经网络的滑模控制在水下机器人中的应用

在水下机器人的控制中,对强耦合非线性运动进行精确建模和解析是极其困难的,本文采用神经网络对水下机器人水动力引起的不确定项和干扰的上限进行自适应逼近学习,然后采用滑模变结构方法对水下机器人航向进行控制,并进行了跟踪仿真和静态水池实验,结果表明:该种控制方法具有一定的效果。     

基于神经网络PID的AUV控制方法研究

针对水下机器人各自由度之间存在较强的耦合和非线性特征，其精确的数学模型很难获得的问题，建立了水下机器人空间运动的数学模型，并根据实际需要和控制器设计的方便进行了适当简化，得到了水下机器人自由度运动模型．在此基础上，使用了基于神经网络的PID控制方法．结合水下机器人六自由度水动力模型，建立了基于BP网络的PID的水下机器人控制器，并进行了仿真环境下的试验．试验结果表明，以上控制方法较为适合水下机器人的运动控制．     

SY-Ⅱ遥控式水下机器人推力器容错控制的研究

为提高遥控水下机器人的可靠性,研究了推力分配建模和基于递归神经网络的容错控制技术.以SY-Ⅱ遥控水下机器人为研究对象,针对其推力器布置情况进行推力分配建模,并以该模型为基础通过对偶原理建立机器人控制的能量函数,实现了递归神经网络形式的推力器容错控制算法.通过容错控制的仿真和实验表明,该算法具有较强的鲁棒性,能够根据推力器的不同故障状况,重新进行推力分配.使得要遥控水下机器人当一个主推和其它任意一个平面推力器正常工作,而其它平面推力器发生故障时,仍能准确地实现机器人的水平面两自由度容错运动控制.从而说明该算法在容错控制方面的优越性,提高遥控水下机器人的安全性和可靠性.     

改进PSO算法在水下机器人S面运动控制参数整定中的应用

从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制器.针对粒子群优化(PSO)算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进,引入变学习因子和惩戒因子,更好地协调全局和局部搜索能力,有利于快速找到全局最优点,提高了PSO算法在水下机器人S面运动控制器参数整定中的优化能力.通过水下机器人的运动控制仿真试验,验证了该方法的可行性和优越性.     

自主式水下机器人运动稳定性控制方法

针对自主式水下机器人稳定性控制问题进行了研究.首先对水下机器人的总体结构及其在水中的运动特性进行了分析,建立水下机器人系统的动力学模型;然后建立了直线、方向和位置的运动稳定性分析方法,确定了纵向稳定性和侧向稳定性准则,提出了基于特征值的稳定性要求;最后设计了无源自适应控制器,针对水下机器人在水中悬停和运动时易受海流影响的问题,建立了自适应补偿方法,进而确定了输入的不确定性补偿方法.对自主式水下机器人进行多方向的运动稳定性控制试验,通过试验修正稳定性控制参数,验证了设计的水下机器人运动稳定控制器的有效性和可靠性.     

基于参数自整定PID的水下滑翔机航向控制方法

水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例积分微分（proportional-integral-derivative,PID）为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数（radial basis function,RBF）神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

板球系统的模糊神经网络控制算法研究

针对具有非线性特性的控制系统,提出了一种逐级模糊神经网络控制算法。该系统控制采用了补偿模糊神经网络算法和逐级模糊控制规则。在matlab仿真环境下对简化的模型进行了仿真实验。通过仿真结果可以看出,该控制算法比传统的模糊控制具有更好的控制表面,更能适应复杂多变的非线性准确控制;补偿模糊神经网络算法在训练时,具有学习速率快、准确度高和扩展性好等优点。     

医院大型电梯电力系统的PLC控制方法优化

医院大型电梯电力系统在实际运行的过程中具有很高的非线性和时变性,使大型电梯电力系统PLC控制效果不佳,当前方法采用线性学习法,无法适应运行环境的不确定性,造成电力系统控制的不稳定性。提出一种基于BP神经网络PID控制算法的医院大型电梯电力系统的PLC控制优化方法,将PID算法作为PLC的软件设计部分,通过比例、积分与微分这三种控制作用的合理调配,形成相互关系。鉴于PID控制算法调节时间长、超调量大等弊端,采用BP神经网络对其进行优化。利用BP神经网络的自学习和加权系数的调整,使BP神经网络输出最优大型电梯电力系统控制规律下的PID控制算法的参数,实现医院大型电梯电力系统的稳定控制。实验结果表明,所提方法具有很高的控制稳定性和鲁邦性,综合性能较强。     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

基于神经网络的永磁同步电机的鲁棒控制

提出一种基于神经网络的永磁同步电机的鲁棒控制策略·基于此策略设计了神经网络PID速度控制器,使速度控制器能实时在线调整,由一种混合型神经网络作为辨识器,利用神经网络的学习特性实现对永磁同步电机系统不确定性的鲁棒控制·为了加快响应速度,提高响应性能,采用多步预测性能指标函数下的反传算法·仿真和实验结果表明,所提出的控制方法明显优于一般永磁同步电机系统的控制方法,具有较强的鲁棒性·     

遗传算法模糊PID控制在跳汰机排料系统中的应用

介绍了模糊控制与遗传算法的特点,分析了它们之间相互结合的可能性,提出了基于遗传算法的模糊PID控制算法.指出了目前跳汰机排料系统的缺点,设计了基于遗传算法模糊PID控制的排料系统,并对其应用进行了分析研究.结果表明,基于遗传算法模糊PID控制系统比模糊PID控制系统超调小,系统稳定性高,控制效果好.     

主动队列管理中的PID型神经网络控制

研究动态网络中间节点的拥塞控制. 提出一种PID型神经网络的主动队列管理(AQM)算法,给出基于BP学习规则的网络参数自调整规律,根据Lyapunov定理证明了系统的稳定性. 基于NS$-2平台的仿真结果表明,该算法适应瞬息万变的网络环境,系统稳态误差和响应速度等指标优于PID算法.