基于ANFIS的DMFC温度建模和改进模糊控制

针对直接甲醇燃料电池(DMFC)的实时控制要求,采用自适应神经模糊推理系统(ANFIS)对DMFC系统的工作温度进行建模与控制.基于实验数据建立DMFC电堆温度模型,避免了DMFC电堆的内部复杂性分析.以训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数和模糊规则进行自适应调整.将所提出的算法与非线性PID和传统模糊算法进行实验比较,结果表明所设计的神经模糊控制器具有较好的性能.     

直接甲醇燃料电池的数学建模与神经网络辨识建模

针对直接甲醇燃料电池(DMFC)非线性系统建模问题,提出了两种不同的建模方法(1)采用电化学、流体动力学、热力学等理论,建立了DMFC电池性能数学模型;(2)利用改进型BP神经网络建立DMFC电池性能辨识模型.结合DMFC实验数据进行仿真测试,结果表明这两种建模方法均合理、有效,建立的模型精度较高,从而为设计DMFC在线控制器奠定了基础.     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

应用模糊逆关系设计自适应模糊控制系统

本分析了常规的模糊辨识模型来设计模糊控制器的不足，提出一种应用参考模糊集概念辨识被控对象模糊逆关系模型的方法，通过模糊逆关系模型，可把对象的模糊辨识与自适应模糊控制器的设计统一起来，仿真研究表明，该设计方法是有效的。     

基于模糊PID的质子交换膜燃料电池输出电压控制

为了保持质子交换膜燃料电池(PEMFC)的输出电压稳定,该文提出了一种电压动态控制模型.设计了一种自适应模糊比例积分微分(PID)控制器.通过3个模糊控制器实时地整定PID控制器参数.当电池负载发生变化时,通过调节氢气流速控制PEMFC电堆的输出电压.仿真结果表明,所建模型能较好地反映PEMFC的动态性能.与PID控制器相比,自适应模糊PID控制器可以使电池的输出电压快速平滑地过渡到设定值.     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

模糊神经控制器在复杂系统中的应用研究

首先提出一种适用于复杂系统的自适应模糊控制器.针对该控制器在应用于复杂系统时,模糊规则过多及建立规则的时间随规则数增加而以指数规律增长的问题,提出了另一种适用于复杂系统的自适应模糊神经控制器.该控制器采用“全逼近”的控制策略,依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律及参数自适应律.仿真研究证明了复杂系统的稳定性以及跟踪误差的收敛性.     

无人水面艇航向跟踪控制器的设计与验证

为解决"蓝信"号无人水面艇的航向跟踪控制问题,设计并实现了一种基于模糊自适应PID的无人水面艇航向跟踪控制器.首先,建立"蓝信"号无人水面艇的数学模型,利用实船操纵数据对其参数进行辨识;其次,在辨识的USV模型基础上,设计一种模糊自适应PID航向跟踪控制器并在干扰环境下进行仿真;最后,采用卡尔曼滤波算法对USV的姿态数据进行融合,设计并实现了"蓝信"号无人水面艇嵌入式航向跟踪控制系统的软硬件.实船验证结果表明,在实际的海洋环境干扰条件下,该航向跟踪控制器具有良好的动静态控制性能和抗干扰能力,可用于"蓝信"号无人水面艇精确和快速的航向跟踪控制.     

基于参数辨识的永磁同步电机控制系统的设计

在电机参数未知的永磁同步电机控制系统设计中,为提高控制性能,需要对电机参数进行辨识. 利用Popov稳定性定理对辨识系统的自适应率进行了设计;针对逆变器的死区效应,选用旋转坐标法对辨识器的输入电压进行补偿,通过辨识得到的电机电阻和dq轴电感参数. 在此基础上,建立电机的数学模型并运用工程设计方法对电机控制器的参数进行设计. 实验结果表明采用补偿后的电压进行参数辨识得到的电机参数要更加准确,并且基于电机数学模型进行控制器参数的设计能够减少控制器参数调试的工作量和时间,最终得到的电机控制系统具有较优的动态性能.      

带摩擦补偿的滚珠丝杠副进给系统自适应滑模控制

为了提高滚珠丝杠副进给系统的跟踪性能,采用了带摩擦补偿的自适应滑模控制方法.基于滚珠丝杠副进给系统轴向振动特性建立了两自由度的质量模型,根据模型的状态方程设计了系统的反演滑模控制器,考虑到外界干扰的影响设计了带自适应律的自适应滑模控制器.采用基于Stribeck摩擦模型的摩擦补偿方法和遗传算法对滚珠丝杠副进给实验台的Stribeck摩擦模型进行了参数辨识.采用建立的控制方法在实验台上进行了轨迹跟踪实验.实验结果表明:在没有使用摩擦补偿情况下自适应滑模控制器最大跟踪误差为31.85μm;使用带摩擦补偿的自适应滑模控制器,其最大跟踪误差减小为15.55μm.实验结果证明了针对滚珠丝杠副进给系统轴向振动特性模型设计的自适应滑模控制器具有较高的跟踪性能,并且采用带摩擦补偿的自适应滑模控制方法显著提高了滚珠丝杠进给系统的跟踪精度.     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.     

Neural—networks—based Modelling and a Fuzzy Neural Networks Controller of MCFC

Molten Carbonate Fuel Cells(MCFC) are produced with a highly efficient and clean power generation technology which will soon be widely utilized.The temperature characters of MCFC stack are briefly analyzed.A radial basis function (RBF) neural networks identification technology is applied to set up the temperature nonlinear model of MCFC stack,and the identification structure,algorithm and modeling training process are given in detail.A fuzzy controllery of MCFC stack is designed.In order to improve its online control ability,a neural network trained by the I/O data of a fuzzy controller is designed.The neural networks can memorize and expand the inference rules of the fuzzy controller and substitute for the fuzzy controller to control MCFC stack online,A detailed design of the controller is given,The validity of MCFC stack modilling based on neural networks and the superior performance of the fuzzy neural networks controller are proved by Simulations.     

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。     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.      

无人机燃料电池混合动力系统人工神经网络控制策略

目前,全球有200多项在研电推进飞机项目,包含传统固定翼飞机改造、新构型设计、全电推进系统和混合电推进等。近年来,电推进飞机的发展方向可分为纯电动固定翼、电动垂直起降和混合电推进3类。本文针对某小型无人机燃料电池和锂电池组成的混合动力系统,建立了由质子交换膜燃料电池混合动力系统、6自由度飞行器模型和基于神经网络控制器组成的整个系统仿真模型。为了满足无人机不同飞行阶段的电力需求,控制器控制电池电流和充放电速率。在燃料电池作为无人机主要动力源的情况下,对混合动力系统的性能进行验证和评估。对人工神经网络控制器和模糊逻辑控制器性能进行了比较,结果表明,人工神经网络控制器的性能明显提高,增强了无人机混合动力系统的整体稳定性。人工神经网络控制器在效率和油耗方面比模糊逻辑控制器略有提高,约为1%。这说明在这类系统中,所设计的神经网络控制器比经典控制器具有更强的鲁棒性,更好的响应能力、可靠性,可满足无人机燃料电池混合动力系统运行在最优水平和最优效率上。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

船舶航向的神经网络二阶导数多步预测模糊自适应控制

针对大型船舶控制特性,设计了船舶航向的神经网络二阶导数多步预测模型及其辨识和预测算法,提出基于径向基函数神经网络多步预测模型和模糊小脑模型关节神经网络控制器的大时滞船舶航向模糊控制自动舵方案,解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对具有大时滞、不确定非线性特性的大型船舶实现高精度输出跟踪控制.仿真结果表明对设定航向具有精确的跟踪控制效果.     

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。