采用多变量RBF神经网络的非线性内部迭代预测控制

针对工业过程中被控对象往往具有复杂、强非线性、多变量的特性,提出一种基于多变量径向基函数(radial base function,RBF)神经网络的非线性内部迭代预测控制方法.采用多个RBF神经网络在线逼近多输入多输出的非线性系统,得到一个近似模型作为预测模型.同时为了减少求解系统控制律的计算量,将每个输出预测值沿着输入轨迹展开,从而把求解复杂非线性优化问题转化为求解简单的二次规划问题,解决了在线实时递推控制律时求解非线性微分方程的困难.最后通过t次内部迭代直至满足迭代条件,得到了最优的控制律.p H中和过程的仿真结果表明了该算法是有效而可行的.     

基于PSO优化泛模型的非线性系统控制

针对一类非线性离散时间动态系统,提出了基于改进泛模型的非线性控制方法。该方法首先将非线性系统动态线性化为带误差修正的改进泛模型,对其中的时变特征参量建立AR模型进行预报,然后在改进泛模型的基础之上,根据二次型性能指标设计最优控制律,控制律中的未知参数即为AR模型中的参数以及泛模型中的误差修正系数,将其作为粒子向量,采用粒子群优化(PSO)算法进行优化。经过优化后的控制律作用于该非线性对象,可以收到良好的控制效果。该方法的优势在于简单而且易于实现。仿真结果表明了算法的有效性。     

一种基于BP网络的多模型预测主动容错控制方法

针对非线性受控对象,给出了一种基于BP神经网络的多模型预测主动容错控制方案,设计了故障诊断与决策机制的算法步骤,在基于BP网络建立系统正常或故障状态动态模型库的基础上,利用预测控制算法得到控制律,达到对非线性系统主动容错控制的目的．仿真结果表明所述方法的可行性和有效性．     

基于优化BP神经网络的高准确度软件缺陷预测应用研究

针对软件缺陷测试任务中的准确度问题,提出一种基于优化BP神经网路的软件缺陷预测方法 .该方法首先采用4层BP神经网络构建多层感知模型,并结合模糊控制原理实现任意复杂非线性关系逼近.然后通过灰狼优化算法克服BP神经网络的局部搜索陷入,从而解决其参数设置依赖性问题.实验结果表明,相比于PSO-BP算法和SA-BP算法,该算法的仿真拟合效果最优,表现出了更高的软件缺陷预测准确度.     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition, EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.     

基于遗传算法的BP神经网络对农业产业的分析预测

农业产业总值的准确预测对农业产业的优化和改善具有重要的意义.以遗传算法优化的BP神经网络建立农业产业总值的预测模型,该模型结合遗传算法和BP神经网络两者的优点,既有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.采用该算法对农业产业总值进行预测,并与实际值进行对比分析.结果表明,该算法收敛速度快,预测精度高,具有较高的可靠性和适用性.     

参考轨迹系数可变的模型算法控制(基本研究)

模型算法控制(MAC)是预测控制的一类重要算法.本文提出了采用改变乡考轨迹系数以改进系统控制质量的方法,给出了在线构成方案并进行了计算机仿真.结果表明,该方法与一般MAC相比,具有较好的快速性和鲁棒性.     

神经网络非线性模型算法控制

将多项式基函数神经网络作为了模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克有了ＭＡＣ不能和于非线性预测的缺陷,该方法对在被控对象未知或建模困难情况下能很地实现地系统的预测控制,具有很强的鲁棒性和自适应性。     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

一种基于多模型的主动容错控制方法研究

针对某些具有可能故障先验知识的非线性系统,基于神经网络对系统正常及各种先验故障情形建模,并离线整定出各种故障模式下的控制律,由此建立模型库,进而构建基于多模型切换的主动容错控制系统;系统实时运行时,依据系统性能容忍度指标和模型失配度指标的计算分析,判断系统所处运行模式,进而调用与之匹配的控制律,从而达到对非线性系统主动容错控制的目的.最后将文中所提出的主动容错控制方法应用于一非线性系统进行MATLAB仿真,结果表明了该方法的有效性.     

扩充响应曲线法的递推求解及其在温度自适应控制中的应用

对扩充响应曲线法(ERCM)进行改进,提出的ERCM开环递推求解算法,简化了PID参数的整定过程.在PID零极点不变的基础上,将开环递推整定算法引入闭环系统中,实现了PID自适应控制.仿真与温度控制实验表明,改进的算法具有较好的鲁棒性和实用性。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

机翼摇滚自适应神经网络抑制

针对战斗机在大迎角下表现出的机翼摇滚非线性振荡现象,提出一种基于自适应神经网络的抑制机翼摇滚控制方案. 采用动态逆方法实现机翼摇滚特性的近似线性化,并根据动态性能指标要求设计线性补偿器,采用单隐层神经网络在线补偿近似动态逆引起的误差. 仿真实验验证了控制方法的有效性.     

运用神经网络代数算法的陀螺仪非线性误差补偿

为了提高陀螺仪的测量精度,基于神经网络代数算法提出一种新的非线性误差补偿模型.由于该算法将复杂非线性优化问题转化为线性代数方程组问题,所以该模犁具有速度快、实时性好和能实现样本空间精确映射的优点.通过实验对比证明该模型比曲线拟合精度要高,多次重复性实验证明该模型能够将误差限制在0.1(°)/s以内,满足实际控制要求.     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

超机动飞行的鲁棒自适应神经网络动态面控制

针对超机动飞行过程中气动参数变化剧烈、控制精度高的特点,提出了一种基于神经网络的鲁棒自适应动态面控制方法。模型不确定性和外界干扰由RBF神经网络在线补偿,控制律由动态面控制方法得到,降低了反推控制器的复杂性,改进的神经网络权值调整自适应率改善了系统的过渡过程品质。利用Lyapunov稳定性定理证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

一种基于稳定分布模型的非线性盲分离算法

在α稳定分布模型基础上提出一种非线性的盲分离算法,采用后非线性模型(PNL)几何线性化算法将输入信号线性化,然后用基于最小分散系数与旋转变换(MDC-RT)准则的神经网络算法实现信号盲分离。仿真实验证明该算法具有良好的分离特性以及较高的实际意义。     

基于MEA-BP神经网络的PM2.5质量浓度预测模型

为了解决PM2.5质量浓度预测精度不足的问题,提出一种基于思维进化算法(MEA)优化的BP神经网络的PM2.5质量浓度预测模型.该模型利用MEA所拥有的趋同和异化操作对BP神经网络的初始阈值和权值进行优化.以南京市每小时监测的PM2.5和其他空气污染物的质量浓度数据为例,利用MEA-BP模型进行预测,并与未经过优化的模...     

预测控制在数控机床伺服系统中的应用研究

提出一种采用模型算法PI预测控制及其在数控机床伺服系统的应用方案,对预测控制三要素（预测模型,参考轨迹和控制律）作了详细的论述．模型算法PI预测控制使数控机床伺服系统实现了快速、精密的位置控制．经仿真和实测践表明,谊系统具有较好的鲁棒性和跟踪性能．