神经网络自适应广义预测解耦控制器的设计

提出了一种神经网络补偿自适应广义预测解耦控制方案，即用神经网络逼近通道间的耦合、非线性及未建模动态，且采用了改进RLS辨识算法及用后能改善辨识效果，从而增进自适应控制的精度与鲁棒性，能解决参数不确定的非线性多变量耦合问题，给出了该算法的实现原理及步骤。理论分析和仿真结果表明，该方案是有效的。     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

导弹动力学建模与BTT解耦控制

建立了导弹非线性动力学方程、线性化模型和X型舵机由4舵面到3舵面的转换模型,在纵向和横航向通道分别设计了基于模型跟踪的最优控制器,满足导弹的BTT控制的三轴解耦要求。设计结果进行了部分参数的非线性调参设计,控制器参数依据高度、法向过载指令nyc和滚转角指令φc进行实时调参,通过非线性仿真验证,满足侧滑角近似为零、快速跟踪滚转和法向过载指令要求(小于0.5秒),为进一步设计实现BTT控制打下了基础。     

函数连接神经网络在CSTR系统仿真中的应用

采用一种函数连接的人工神经网络用于CSTR系统仿真，和具有MLP结构和BP法的前馈精神网络相比，具有隐数目少，学习算法简单快速的优点，在一个非线性CSTR系统模型仿真中的应用表明该方法具有良好的性能。     

基于广义预测的非线性解耦PID控制

针对一类非线性多变量离散时间动态系统,提出了基于神经网络的非线性多变量PID解耦控制方法。该控制器是由常规PID控制器与解耦补偿器、未建模动态前馈补偿器组成,而PID参数的整定是通过广义预测的方法实现的。同时给出了该控制方法的闭环系统的稳定性和收敛性分析。最后通过仿真实例验证了所提方法的有效性和可行性。     

电加热锅炉系统神经网络PID解耦控制器

以多输入多输出系统电加热锅炉为被控对象 ,基于神经网络 PID控制 ,提出了一种可用于带有耦合时延的多输入多输出系统的比例、积分和微分参数自整定的多输入多输出神经网络 PID解耦控制器 ,可以实现多变量系统的解耦 ,定值跟踪控制 ,并使系统具有很好的动态及稳态性能.     

人工神经元网络及其在系统仿真中的应用

本文简要地介绍了人工神经元网络的基本概念、主要特征及其发展历史,评述了几种有代表性的神经元网络模型。在此基础上,探讨了人工神经元网络在系统仿真中可能的应用方向。     

神经网络在转台控制系统设计中的应用

针对三轴飞行仿真转台中环电液伺服系统的非线性、参数时变性以及转台的快速性要求，给出了一种具有并行结构的单个神经元PID模型参考自适应控制方法。其中环利用神经网络逼近被控对象，控制器采用单个神经元PID。仿真结果表明该方法满足系统快速性的要求，并具有较好的鲁棒性。     

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.     

改进的逆解耦自抗扰内模控制在磨矿中的应用

针对磨矿分级系统的多变量、强耦合、大时滞等特性,提出改进的逆解耦自抗扰内模控制方法。利用逆解耦方法实现磨矿分级系统的解耦,对解耦后的子系统采用改进的内模控制和线性自抗扰控制。通过引入内模补偿器和增益对时滞进行补偿,减小了系统对模型的依赖度,通过调节线性自抗扰控制器参数、内模补偿器参数和增益来抑制模型失配、外部干扰及不确定性因素对系统带来的不利影响。仿真结果表明,改进的逆解耦自抗扰内模控制方法有较好的解耦性能、跟踪性能和鲁棒性能,验证了此方法是有效的。     

神经网络非线性预测控制仿真软件包

介绍了神经网络非线性预测控制仿真软件包,从OOP和消息驱动机制出发研制了仿真软件结构和设计,从而为控制理论和应用提供了仿真研究平台。     

带推力矢量空空导弹的神经网络控制与仿真

对于新型空空导弹为了使导弹获得更高的的机动性、敏感性和更高的导引精度,大多采用推力矢量控制方案,因为神经网络控制对于系统非线性变化具有很强自适应能力,因而在解决带推力矢量空空导弹的控制问题时有较明显的优点,本文在给出推力矢量空空导弹数学模型的基础上,提出了两种适用于带推力矢量空空导弹的神经网络控制方案,并采用其中的双网络逆动态学习控制方法进行了自动驾驶仪设计,为进一步改善该神经网络的学习效果。还引入基于学习经验的模糊规则。数字仿真表明所提出的神经网络控制对于系统内参数非线性变化具有很强的适应性。     

飞机动力模拟系统的模糊神经网络控制研究

讨论了一种基于电液速度伺服系统的飞机动力地面模拟系统的计算机控制结构，研究了该地面模拟系统的性能。建立了相应的数学模型，提出了新的模糊神经网络控制策略，该策略提出新的综合目标函数和权值修正方法，是传统PID控制思想和方法在智能控制器的延伸。实验表明，本文提出了并建立的数学模型合理，采用的控制策略可以大幅度地提高系统性能。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

蒸发过程的解耦控制仿真实验平台

蒸发过程的强制循环蒸发系统是一个多变量且回路间存在较强耦合的非线性系统,单纯的采用常规PID控制不能满足工业要求.为了从工程角度验证非线性自适应解耦PID控制算法在强制循环蒸发系统的应用,开发了蒸发过程的解耦控制分布式仿真实验平台.该实验平台是由智能控制计算机、DCS系统、模拟现场的对象计算机、仪表与执行机构的虚拟装置以及底层控制回路组成.平台之间的通讯主要是通过OPC技术和DDE协议来实现.实验结果验证了该解耦控制算法应用于强制循环蒸发系统的可行性和有效性.     

DC-DC变换器的模糊神经网络控制方法研究

提出了一种新型的模糊神经网络串联式结合方式。这种串联型模糊神经网络具有模糊控制的结构简单、使用方便的特点，同时又利用了人工神经网络的聚类功能，使整个控制器又具备人工神经网络的自学习能力。仿真试验表明该控制方法对于复杂的全桥式串联共振型DC—DC变换器具有良好的控制效果，整个模糊神经网络控制器的设计过程不仅避免了传统控制器的繁琐的参数调节过程，而且又避免了传统模糊神经网络控制器设计的复杂性。     

飞机突防飞行非线性解耦控制的实时仿真实现

非线性解耦控制系统仿真是当前研究的重要方向之一。本文提出了一个仿真飞机在大气扰动下突防飞行非线性解耦控制的简便方法，该法用飞机指令变量的跟踪特性仿真系统的解耦控制特性和对期望突防航迹的跟踪特性，具有方法简单、易实现，计算稳定，实时性较好，结果准确、直观等特点，可用于设计、选择控制规律参数，研究和检验飞行器纵横向运动非线性交叉耦合的解耦控制特性，也可用于其它非线性解耦控制系统的实时仿真研究。