模糊神经网络在电网综合补偿器设计中的应用

根据电网综合补偿器多输入多输出(MIMO)及非线性的特点, 提出了一种基于模糊神经网络的设计方法, 并首次采用该方法对电网综合补偿器的控制规则和设备参数进行了设计. 实验结果证明了电网综合补偿器的可行性和模糊神经网络设计方法的有效性.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

全站仪补偿器的原理与应用

分析了全站仪竖轴倾斜误差对测角的影响,全站仪补偿器的目的和作用,补偿器的工作原理以及在实际工作中如何正确地应用补偿器.     

新技术在运动控制系统中的应用

信息时代的高新技术推动了传统产业的迅速发展,在机械工业自动化中出现了一些运动控制新技术:全闭环交流伺服驱动技术、直线电机驱动技术、可编程计算机控制器、运动控制卡等.本文主要分析和综述了这些新技术的基本原理、特点以及应用现状等.     

递归神经网络的RPE算法及其在非线性动态系统建模中的应用

针对递归神经网络BP学习算法收敛慢的缺陷,通过引入递推预报误差(RPE)学习算法,提出一种新的递归神经网络快速学习算法·该算法的基本原理是沿着指标函数的GaussNewton搜索方向修正权值,同时不必计算二阶偏导数和进行矩阵求逆运算·仿真结果表明,该算法比传统的递归BP学习算法具有更快的收敛速度,用于非线性动态系统建模是有效的     

改进的神经网络观测器在非线性系统中的应用

为降低非线性观测器对模型精度的依赖性, 提出一种非传统的神经网络观测器设计方法。该神经网络为三层前馈网络, 采用带修正项的误差反传算法进行训练, 以保证控制的精度和权值有界, 利用神经网络识别系统的非线性部分, 并结合传统的龙伯格观测器重构系统状态; 利用Lyapunov 直接法保证基于权值误差的非观测器的稳定性, 并将该观测器应用于机器人轨迹跟踪控制中。仿真结果表明, 该方法解决了模型不确定系统状态观测问题, 适用于模型精度较低的非线性系统。     

DSP技术在步进电机运动控制系统中的应用

本文介绍了步进电机运动控制系统的实时性和灵活性等性能,同时还介绍了DSP技术在步进电机控制系统中应用。     

神经网络在控制中的应用

提出一种用神经网络技术直接进行调节器参数整定的方法，应用神经网络对非线性好象进行了自适应控制，仿真实例验证了方案的有效性。     

多神经网络在软测量仪表中的应用

针对化工过程对象的复杂性和不确定性,介绍了采用以RBF神经网络作为子网络的多神经网络在软测量仪表中的应用。用粘度软测量仪表的实例证明了使用多神经网络建模的有效性。     

遗传神经网络及其在非线性系统辨识中的应用

介绍了浮点遗传算法的原理及其在神经网络权值和阈值优化计算中的应用,提出了用遗传神经网络对非线性系统进行系统辨识的构思。     

基于神经网络的单值预测控制

为了实现快速控制,用两层线性神经网络构造预测器,估计未来ｐ步的输出值,用两层非线性神经网络组成控制器,实现对下一步控制的优点,仿真结果显示：该方法是可行的,且具有结构简单,运算最小、速度快的特点。     

神经网络在控制领域中的应用

本文综述了近年来神经网络在控制领域的应用情况，并讨论了存在的问题和发展趋势。     

一种采用AW补偿器的非线性PID控制器及其在飞航导弹控制中的应用

韩京清等曾利用非线性跟踪-微分器和非线性组合方式改进经典PID调节器,以提高其适应性和鲁棒性.然而,在飞航导弹的控制系统中,舵系统存在硬饱和(舵偏角限制)和软饱和(舵转动速率限制)效应,控制受限问题十分突出.降低了非线性PID控制器(NLPID)的性能.本文采用Anti-Windup补偿器改进非线性PID控制器,并将这种改进的NLPID控制器应用于飞航导弹的控制系统中,取得了良好的控制效果.对特征点的仿真,以及全弹道仿真都验证了其控制性能,结果显示该控制器可以广泛应用于各类飞行控制系统.     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

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．     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

yo-yo 运 动 的 振 荡 神 经 网 络 控 制

在分析简单的振荡网络基本构成基础上,提出了一种用振荡神经网络对yo yo运动实现闭环控制的具体构架.给出了系统中所采用的神经网振荡器——抑制性锁相环、开关信号发生器和机器臂参考信号发生器等环节的数学模型.建立了实现yo yo运动闭环控制的实时控制系统,并通过实验对该控制方法进行验证.结果表明,振荡神经网络实现yo yo运动闭环控制的方法是可行的.     

神经网络自学习控制研究

提出一个新型仿真器网络结构并推导出学习算法;提出面向输入输出模型结构的自学习控制器训练结构并推导出学习算法,解决约束控制作用下多目标终态控制问题并实现感应加热温度智能控制．     

基于神经网络的人工肌非线性控制

运用非线性控制的逆系统方法,提出了一种基于神经网络的人工肌非线性控制方案,由原系统导出n-m阶逆系统模型,并与原系统一起构成具有反馈结构的伪线性系统,从而可方便地运用线性控制理论完成对控制系统的设计,用BP神经网络逼近逆系统模型,并借助于递推预报误差算法来训练神经网络,该算法与传统的BP算法相比具有更好的收敛特性,设计了一个具有单关节的人工肌试验系统,给出了人工肌关节跟踪正弦波和矩形波参考信号的试验结果,与传统的线性控制方案比较,基于神经网络的人工肌非线性控制方案能够得到更快的控制速度和更高的控制精度。     

Fault-Tolerant Control of Nonlinear Systems Based on Fuzzy Neural Networks

Due to its great potential value in theory and application,fault-tolerant control strategies of nonlinear systems,especially combining with intelligent control methods,have been a focus in the academe.A fault-tolerant control method based on fuzzy neural networks was presented for nonlinear systems in this paper.The fault parameters were designed to detect the fault,adaptive updating method was introduced to estimate and track fault,and fuzzy neural networks were used to adjust the fault parameters and cons...