汽车四轮转向神经网络控制系统

针对车辆的非线性特性问题,以闲环评价为出发点,利用神经网络理论,提出了一种基于神经网络的四轮转向系统的设计方法,为四轮转向自适应控制系统的设计提供新的方法.     

汽车四轮转向神经网络控制系统

针对车辆的非线性特性问题，以闭环评价为出发点，利用神经网络理论，提出了一种基于神经网络的四轮转向系统的设计方法，为四轮转向自适应控制系统的设计提供新的方法。     

间接自适应动态递归模糊神经网络控制器设计

针对仿射非线性系统,提出了一种新型的基于动态递归模糊神经网络(DRFNN)的间接自适应控制器.该控制器采用DRFNN对系统的动态非线性映射进行在线估计,并依据李亚普诺夫稳定性理论推导出DRFNN参数在线调整的自适应算法,同时运用投影算法确保参数向量处于约束集合内.应用自适应DRFNN对动态非线性映射进行在线估计时,仅采用被控系统的1个状态变量作为其输入,避免了因增加输入个数而导致网络结构膨胀的问题,从而加快了收敛速度.仿真结果表明:由自适应DRFNN构成的控制器可使系统具有满意的跟踪性能.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

一种基于非线性系统的动态感知系数的自适应粒子群优化算法

在优化非线性复杂系统问题中,智能算法已成为一种重要手段.提出了一种基于动态感知系数的自适应粒子群优化(particle swarm optimization,PSO)算法(self-tuning PSO,SPSO),将PSO算法的感知系数与神经网络算法结合,并于在线学习训练过程中动态调整感知系数,改善了PSO算法的计算效率以及全局收敛效率.进一步将2个相互关联的神经网络——比例积分微分(proportion integration differentiation,PID)神经网络及SPSO神经网络结合起来,使其能有效解决非线性控制模型的问题.为了验证该算法,引入了4个仿真例及2种PSO优化算法——传统PSO(conventional PSO,CPSO)和修正PSO(modified PSO,MPSO),来比较SPSO算法在解决控制问题中的非线性复杂系统的高效性,结果显示SPSO算法有较好的全局收敛性能、收敛速度以及较强的鲁棒性.     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

主动四轮转向系统对高速汽车侧风稳定性的控制研究

建立了考虑侧风作用的汽车三自由度非线性动力学模型,应用基于BP神经网络的模型,参考自适应控制方法设计了主动四轮转向控制系统,并对非线性汽车模型进行了控制仿真.仿真结果表明,主动四轮转向系统能够有效的减小侧风对高速行驶汽车运动状态的影响,提高侧风稳定性.     

类模糊神经网络与非线性系统的在线控制

以实现非线性动态系统的在线控制为目的,提出了一种具有隐层数少、运算简便和逼近能力强等优点的神经网络－类模糊神经网络,并就非线性动态系统的在线控制给出了基于类模糊神经网络控制的选择记忆算法,使谤类非线性系统的在线控制问题得以解决。     

永磁同步电机的非线性自适应解耦控制

为了解决电机参数变化和负载扰动的不确定性、影响基于非线性解耦控制的永磁同步电机调速系统性能的问题,提出了一种带干扰抑制的永磁同步电机调速系统非线性解耦控制方法.该方法利用非线性解耦控制理论的微分几何方法实现永磁同步电机调速系统转速和磁链子系统的动态解耦,并结合自适应策略,将参数变化和负载转矩扰动作为扰动输入,设计了动态自适应状态反馈控制律和参数自适应规律.应用Lyapunov稳定理论证明了算法的稳定性,并实现具有L2暂态性指标的渐进跟踪.仿真和试验结果表明,该控制策略能有效地改善永磁同步电机调速系统的动态性能,增强其鲁棒性和抗干扰的能力.     

一类非线性多变量系统的模糊神经网络自适应控制

针对一类数学模型不完全确知并包含外部扰动的非线性多变量系统，提出一种模糊神经网络(FNN)自适应控制策略．用FNN模型在线辨识非线性系统的未知动态，并根据误差系统的Riccati方程，设计H∞控制，有效抑制系统的外部扰动，该控制律采用Lyapunov设计方法来保证控制系统的稳定．FNN自适应控制策略解决了传统非线性控制器理论结果形式过于复杂，实用性差的问题，拓宽了非线性理论的应用范围．     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·     

基于径向基函数神经网络迟滞非线性自适应控制

提出了一种新的动态迟滞非线性模型．将一定数量不同死区宽度的backlash模型并行相加,作为一个动态系统以仿真执行器中的迟滞特性．利用该模型,采用伪控制方法设计了一套具有未知迟滞特性非线性系统的神经网络自适应控制方案,通过自适应算法来调整干扰项的上限．采用Lyapunov稳定性理论进行了严格证明,仿真试验验证了所提方案的有效性．     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

控制中的神经网络

提出了神经网络控制器的分类以及非线性映射特性，讨论了神经网络控制器的特点。在与传统自适应控制相比较的基础上，提出了解决非线性动态系统的方法，并通过实验加以验证。     

一种基于神经网络的非线性卫星HPA预失真器

卫星通信中放大器使用的行波管(TWT)会引起信号的非线性畸变,对通信质量造成较大影响.为解决这种不利影响,在放大器前端采用非线性预失真,能较理想地消除放大器的非线性.由于神经网络能够对非线性函数进行较好地拟合,可以将其引入预失真器的设计.为简化神经网络中的LM算法,提出了一种采用LMS算法的系统模型,并建立新的自适应预...     

基于改进LuGre摩擦模型的机器人关节模糊自适应反步控制

为实现机器人关节在非线性摩擦和外界未知干扰力矩等因素影响下的精确和稳定控制,通过改进LuGre摩擦模型来描述系统的非线性摩擦特性,采用自适应算法进行摩擦补偿来逼近摩擦力的变化,并采用模糊神经网络逼近外界未知干扰力矩对系统的影响.引入正切障碍李雅普诺夫（Lyapunov）函数对输出信号进行约束,使误差被限制在给定范围之内.利用双曲正弦函数跟踪微分器解决了虚拟输入微分引起的“微分爆炸”和一阶滤波器精度差问题,将自适应控制方法与反步控制理论相结合,提出了一种带摩擦补偿的模糊自适应反步控制方法.利用Lyapunov判据证明了闭环系统的所有误差最终一致有界,并通过仿真得出本文所提出的控制方法相比于传统PID与神经网络动态面控制（Radial Basis Function Dynamic Surface Control,RBFDSC）,位置跟踪误差分别提高了近7.5%和3%;当LuGre模型参数变化时,自适应算法也可以精确对摩擦力进行跟踪补偿,从而验证了本文所提出的控制策略的有效性和鲁棒性.     

基于RBF神经网络的预测控制

运用神经网络解决系统的非线性问题,用预测控制解决系统时滞问题．针对制冷系统膨胀阀控制回路具有时滞、非线性的特点,提出了将基于RBF神经网络的预测控制用于蒸发器过热度的控制．仿真与应用均表明该算法具有良好的动态响应和较强的鲁棒性,能够对蒸发器过热度进行有效的控制．     

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

谐波级数表示与周期时变参数模型间关系

非线性动态系统的建模一直是控制领域的重要问题之一.针对这一问题,特别是包含滞后环节的非线性系统建模问题,提出了一种引入自适应延迟的动态BP(back propagation)学习算法.该算法在传统多层感知机神经网络结构基础上,在网络的第1隐层和输出层分别引入可调节的自适应延迟参数,通过误差梯度对其进行修正,实现了对延迟参数的辨识.仿真结果表明,所提出的方法能够有效实现对非线性滞后系统的辨识,并能够对系统的延迟时间进行准确估计.     

X滤波自适应逆控制算法及在液压位置控制系统中的应用

针对非线性时变特性的液压位置伺服系统跟踪控制问题,基于自适应逆控制理论,提出X滤波液压位置自适应逆控制策略.对传统自适应滤波算法在X滤波结构下的不足,提出变换域变步长归一化最小方差算法.采用该算法对液压伺服位置系统进行了对象建模、在线逆建模及开环控制系统设计.仿真结果表明,X滤波液压位置自适应逆控制具有跟踪速度快、对参数摄动鲁棒性强等良好动态特性.