模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.     

神经网络逆系统非线性励磁控制器的设计

利用逆系统方法,设计出同步发电机非线性励磁控制律,并加入系统中.把控制与过程状态样本作为非线性导师信号,以训练神经网络控制器,设计一种基于BP神经网络的非线性励磁控制器.仿真结果表明,对于小干扰,神经网络控制器和逆系统控制显示出相同的控制效果;而对于大干扰,两种控制方式的暂态响应曲线也基本相同.逆系统控制与其训练出的神经网络控制器控制,都显示出基本相同的暂态和稳态性能,但神经网络控制比逆系统控制具有控制规律简单,以及实时性、可靠性和鲁棒性好的特点.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。     

基于神经网络的盾构机密封舱压力控制研究

根据从盾构机刀盘进入密封舱的渣土的体积与从螺旋输送机排除渣土的体积平衡原理以及渣土的非线性本构模型,建立了密封舱压力控制的离散状态方程。分别采用BP神经网络和P ID神经网络作为辨识器和控制器,研究了盾构机密封舱压力控制时变系统的辨识和控制问题。数值仿真结果表明,所提出的基于神经网络的盾构机密封舱压力控制方法是有效的,并且具有良好的稳定性和鲁棒性。     

湿法烟气脱硫中pH值的PID神经网络控制

针对石灰石-石膏湿法烟气脱硫工艺中吸收塔浆液pH值变化过程具有高度非线性、时滞性以及各种不确定性、常规PID控制器难以达到满意的控制效果,提出一种基于改进PID神经网络及BP神经网络辨识器所组成的内模控制方案,通过对浆液pH值变化过程进行辨识和控制,仿真结果表明,在改进PID-NNC的控制下,吸收塔浆液pH值很好地跟踪了系统的设定输入及其变化,具有较强的抗干扰能力,稳态精度高,调整时间短,满足实时控制.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

基于神经网络的PID参数自整定与实时控制

将Bang-Bang控制与神经网络自适应控制相结合，利用神经元的学习功能构成了一种自适应PID控制器，控制器在Bang-Bang控制阶段进行系统辨识，利用系统参数整定PID控制参数，作为神经网络权系数的初值，其结构简单，工作稳定，鲁棒性强，实时控制结果表明，这类神经网络自适应控制器可有效地用于一类电加热炉系统的温度控制，使得系统具有快速响应性和良好的抗干扰性。     

一种基于模糊神经网络的智能PID控制器

本文设计了一种基于模糊神经网络的PID控制器,利用模糊神经网络对被控制象进行模糊辨识,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,实现PID控制的智能化。通过仿真实验表明,该控制器具有较高的控制品质。     

基于二阶Adaline网络的滑模变结构控制器

针对一般神经网络滑模控制系统在线训练时间长、实时性差的问题,提出一种自适应神经滑模变结构控制系统。该系统主要由二阶Adaline网络辨识器、滑模控制器和变结构二阶学习算法估值器组成。其中二阶Adaline网络是对原Adaline网络的改进,在其输入样本向量中增广了有关样本的二次项,相当于用时变二次多项式去逼近非线性系统,既有原Adaline网络训练速度快的优点,又具有一定非线性逼近能力;滑模控制器根据辨识误差自适应调整趋近律中的增益参数;而变结构二阶学习算法首先对递推近似Newton法进行简化,然后将其改造成一种新型的变结构算法,具有较快的收敛速度。针对同一非线性系统,采用常规神经滑模变结构控制存在较小的抖振,平均调节误差为0.0913;而采用自适应神经滑模变结构控制很快趋于平稳,几乎消除高频抖振,平均调节误差为0.0109。仿真结果证明了该方案的有效性。     

基于神经网络辨识的熔融碳酸盐燃料电池建模

针对熔融碳酸盐燃料电池（MCFC）电堆系统难以建模以及已建立的模型过于复杂，难以满足工程上对MCFC系统控制设计特别是实时控制需要的情况，绕开MCFC的内部复杂性，提出利用神经网络可能逼近任意复杂非线性函数的性能，将神经网络辨识方法应用到MCFC这种高度非线性系统的建模中。以燃料气和氧化剂气体的流速的输入量，MCFC电堆温度响应为输出量，根据输入输出数据用神经网络辨识建立MCFC电堆系统的温度模型，给出了辨识系统的结构及改进BP算法。仿真结果证明了这种方法的可行性，所建立的模型精度较高，使得设计MCFC的实时控制器成为可能。     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

PMSM神经网络实时IP位置控制

对永磁同步电机 (PMSM )提出了一种基于神经网络的实时IP位置控制方案·根据伺服系统中的IP控制策略 ,利用神经网络的优点设计了神经网络实时IP位置控制器·所设计的神经网络实时IP位置控制器结构简单 ,权值调整计算量小、速度快·同时用混合神经网络作为PMSM系统辨识器 ,用多步预测性能指标函数实现了实时在线训练·理论分析和实验仿真对比研究的结果 ,表明所提出方法具有优越的动态性能和鲁棒性·     

人工蜂群算法在飞机舵机电液伺服系统的应用

针对飞机舵机电液伺服系统运行过程中存在的多余力干扰问题,提出结合改进人工蜂群算法和比例-积分-微分(proportion integration differentiation,简称PID )控制器的复合控制方法。该方法在建立系统数学模型的基础上,利用云模型和变邻域搜索对传统人工蜂群算法的选择策略和选择方式进行改进,增强算法开采能力,获得最优食物源,提高系统的加载精度和响应速度。再由PID控制器根据所得最优食物源进行控制参数在线自适应调整,提高系统的稳定性和抗干扰性。仿真结果表明：该方法能够达到飞机舵机电液伺服系统控制性能指标要求,且相较于采用传统人工蜂群算法,具有更良好的跟踪能力和多余力抑制效果,验证了该方法的可行性和有效性。     

变结构神经网络自校正控制器的设计与研究

提出了一种变结构神经网络自校正控制器的设计方法,采用变结构神经网络BP优化算法设计控制器来控制实际对象,动态地修改神经网络的权值作为自校正方法,使系统较好地适应负荷和外扰的变化,获得满意了控制质量。     

飞行器舵机电动加载测试系统的研究

介绍了飞行器舵机电动加载测试系统,论述了该系统的基本组成和工作原理.这种加载方式能够模拟和舵偏角成任意函数关系非线性的扭矩信号,弥补弹簧扭杆加载方式和电液加载方式的不足.对飞行器舵机电动加载系统进行了理论上的分析和研究,建立了电动加载系统的数学模型,进行了仿真分析.仿真研究结果表明这种新型的加载方案是可行的.     

基于神经网络和模糊控制的电解加工间隙控制

利用阴极面上承受的来自电解液的压力来反映电解加工间隙的大小．用BP神经网络实现间隙向力信号的非线性映射,把间隙的误差转化为力的误差及误差的变化信号,以此作为模糊控制器的输入;以加工电压的增量作为模糊控制器的输出,实现对间隙的控制．根据间隙控制的理论公式,建立了仿真模型,在Matlab的Simulink模块中通过对神经网络、模糊控制器和电解加工系统联合组成的智能控制系统的仿真试验来整定模糊控制器的3个增益参数．结果表明,所提出的控制方法对间隙的控制具有很好的效果,无稳态误差,且速度快、鲁棒性好．     

基于BP神经网络的电力系统短期负荷预测

电力系统短期负荷预测的准确性对电力系统的实时运行调度至关重要.采用BP神经网络对电力系统负荷短期预测研究,根据影响电力系统的负荷因素如温度、天气等确定模型构成,同时利用遗传算法对BP神经网络进行优化.实例表明,利用遗传算法优化的BP神经网络在电力系统短期负荷预测中是有效的.     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。