基于RBF辨识的伺服系统CMAC控制

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。     

基于模糊CMAC网络的非线性自适应逆控制

针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller, FCMAC)网络的非线性自适应逆控制方案.将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统.在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整.仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想.     

基于CMAC的位置伺服系统神经元离散滑模控制

针对数控机床位置伺服系统参数不确定及存在外界干扰的特点,将小脑模型关节控制器(CMAC)与滑模控制相结合,设计了基于CMAC的神经元离散滑模制系统及其控制算法.仿真结果表明,该控制方法不但大大降低了普通滑模变结构控制中的抖振,而且具有良好的动静态特性及较强的鲁棒性.     

基于广义模糊CMAC的强化学习算法

针对传统的小脑模型,提出了一种广义模糊小脑模型神经网络(GFCMAC)。它采用模糊隶属度函数作为接收域函数,可以获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。研究了GFCMAC接收域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。结合强化学习,提出了一种基于GFCAMC的强化学习算法,讨论了其实现过程。应用于船舶航向控制的仿真结果表明,在有各种风浪干扰下,船舶航向跟踪快且操舵动作合理,适合船舶转向控制要求。     

一种基于自适应遗传算法的CMAC的学习率优化方法

CMAC（cerebellar model articulation controller）是一种局部逼近神经网络，它发展了近30年，但是关于其学习率的确定仍缺乏好的方法。基于CMAC的控制系统如果没有好的学习率，那么系统就会不稳定或者收敛速度很慢。在传统方法的基础上提出利用遗传算法（GA）来确定其学习率，通过自适应遗传算法（GA）其他传统方法相比较，表明利用自适应遗传算法（GA）不仅使系统稳定，而且收敛速度更快，并进行了仿真验证。     

基于多个并行CMAC神经网络的强化学习方法

为解决标准Q学习算法收敛速度慢的问题,提出一种基于多个并行小脑模型(Cerebellar Model Articulation Controller:CMAC)神经网络的强化学习方法。该方法通过对输入状态变量进行分割,在不改变状态分辨率的前提下,降低每个状态变量的量化级数,有效减少CMAC的存储空间,将之与Q学习方法相结合,其输出用于逼近状态变量的Q值,从而提高了Q学习方法的学习速度和控制精度,并实现了连续状态的泛化。将该方法用于直线倒立摆的平衡控制中,仿真结果表明了其正确性和有效性。     

汽轮机调速系统CMAC网络PID并行优化控制

针对汽轮机调速系统存在死区、饱和等非线性的控制特点,提出了基于混沌优化策略与CMAC网络PID并行控制相结合的控制方法,并将其应用于汽轮机调速系统的参数设计中。该方法首先通过混沌搜索,得到控制器参数的次优值,然后利用变尺度的方法在次优值附近找出控制器参数的全局最优值。与CMAC网络传统PID并行控制以及单纯PID控制相比较的仿真结果表明,该方法能更好地提高控制系统的精度和响应速度。     

CMAC神经网络用于分析和设计非线性过程控制系统(Ⅱ)——控制策略

本文是基于 CMAC神经网络分析和设计复杂控制系统的第二部分 ,提出了基于评价函数和CMAC预测器的控制器的设计方法 ,通过分析控制算法的收敛性和控制系统的稳定性 ,得出了控制器参数的选取方法 .该方案适用于过程的输入输出数据是可测的 ,并且可用第一部分提出的方法得到对象的 CMA C预测器 .仿真实例证明该方案是正确和实用的.     

层叠CMAC补偿的并联机器人变结构控制研究

针对复杂机器人系统的不确定性,提出一种层叠小脑模型关节控制器(CMAC)神经网络同滑模变结构控制相结合的控制策略。首先利用改进CMAC学习机器人系统的不确定信息,并作为前馈补偿来确保跟踪误差的快速收敛,再通过滑模变结构控制器消除CMAC网络的逼近误差和不可重复随机干扰的影响。采用Lyapunov直接法进行控制律选取,分析表明系统可实现全局渐近稳定。在6-6并联机器人的轨线跟踪仿真试验中显示了良好的鲁棒性和精确性.     

飞机液压系统的压力脉冲试验仿真研究

液压系统的压力脉冲直接影响到液压元件的使用期限，对飞机液压系统的可靠性带来严重威胁。飞机液压系统压力脉冲试验是产生压力瞬态脉冲，考核液压元件寿命的重要装置。为了深入研究压力脉冲的形成与控制，论文应用特征线法建立了管内流体的数学模型，并针对正弦波与梯形波两种试验波形，根据管内流体的数学模型和一系列管路的耦合边界方程建立了飞机液压系统压力脉冲试验装王的数学模型．通过对真实系统的仿真试验表明，该模型较真实的反映了实际系统的物理特性，仿真结果准确、可信。     

基于CMAC的中性浮力实验体解耦控制研究

针对中性浮力实验体控制问题,提出一种动态解耦多通道复合控制算法.通过实验体受力分析,建立了其六自由度运动模型.设计了一种动态解耦神经网络,其优点在于能适应动态变化的耦合程度.采用CMAC(Cerebellar Model Articulation Controller)和PID复合控制进行单通道控制,其优点在于结合了CMAC前馈控制的快速响应性能和PID反馈控制的强抗干扰性.经MATLAB仿真验证,提出的算法能有效控制实验体位置和姿态.调整时间短且稳态精度高,效果优于PID控制.     

基于CMAC的CMG框架伺服系统摩擦补偿方法研究

为消除磁悬浮控制力矩陀螺(MSCMG)框架伺服系统摩擦的影响,对陀螺框架系统进行动力学分析,分析了摩擦力矩随陀螺输出力矩和框架角位置及角速度的关系,建立了框架系统的非线性摩擦力矩模型.针对此摩擦模型,采用基于CMAC神经网络的摩擦补偿方式进行补偿.根据实际磁悬浮控制力矩陀螺的系统参数建立仿真模型,仿真结果验证了基于CMAC神经网络摩擦补偿的有效性.     

带有资格迹的模糊CMAC控制仿真研究

提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。     

缓闭式蝶阀消除水锤效果仿真及试验研究

基于特征线法理论,利用数值求解方法,结合实际,进行了回龙高扬程供水工程缓闭式蝶阀消除水锤的计算机仿真和现场测试研究,取得了二者相互吻合的结果,得出了缓闭式蝶阀消除水锤效果良好,可满足该供水工程安全运行的结论,从根本上消除了水锤消除器与逆止阀联合控制水锤引起的拒动作和实际运行中带来的高能耗的影响,对高扬程及长距离供水的安全生产意义重大。     

一种自适应CMAC神经网络控制器的设计与仿真

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。     

CMAC网络与模糊PD并行控制仿真研究

针对工业被控对象广泛存在的不确定性、非线性、时变性和多干扰等特性,提出了一种CMAC网络与模糊PD并行控制器的设计方法。该方法以模糊PD控制代替传统的PD控制实现反馈控制,并采用遗传算法整定模糊PD控制的量化因子,CMAC网络实现前馈控制。仿真结果表明,CMAC网络与模糊PD并行控制相对于PID控制与传统的CMAC网络与PD并行控制具有更强的鲁棒性与抗干扰能力。