基于模糊神经网络预测转角的无传感器无刷直流电动机换相控制研究

针对位置检测和准确换相是无刷直流电机运行的关键，本文提出一种新的方法来实现无传感器无刷电机的换相控制。即构造一个基于遗传算法训练结构和参数的模糊神经网络，通过检测电机的磁通和电流来预测电机实际转角实现电机的准确换相。仿真结果表明，利用模糊神经网络预测转角来控制电机换相能取得很好的效果。而文章利用遗传算法作为模糊神经网络的训练算法，此算法具有收敛速度快，不易陷入局部极小的特点。     

基于DSP的实时电视跟踪系统设计与研究

基于数字信号处理器 ( ADSP2 1 0 2 0 ) ,建立了一种主从式实时电视跟踪系统。分析了系统工作原理、构成及主控计算机与 ADSP2 1 0 2 0处理从机之间的控制关系 ,研究了快速中值滤波预处理方法、目标搜索和跟踪过程中波门的设定准则。采用矩持阈值分割方法提取目标 ,采用质心跟踪算法及基于线性微分拟合的记忆外推跟踪技术跟踪目标。     

超球聚类模糊神经网络在跟踪控制中的应用

采用简化的标准模型的模糊神经网络的基本形式而将模糊集的概念由一维推广到n维并利用超球聚类方法定义了一类n维模糊集及其隶属函数,提出一种基于超球聚类的模糊神经网络.这种模糊神经网络可以根据样本自动产生模糊规则,在一定程度上可避免"维数灾难”.将这种网络用于一类非线性系统的在线跟踪控制,定理表明,当聚类半径足够小时可使跟踪控制的静态误差任意小.     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

高精度陀螺稳定跟踪系统神经网络预测控制

针对高精度陀螺稳定跟踪系统,提出了一种基于小波基函数神经网络的非线性系统的一步超前预测控制算法。该方法利用小波网络学习非线性系统,利用小波神经网络模型作为系统的预测模型,控制信号直接通过极小化期望输出值与预测输出值之间的偏差来获得。通过对陀螺稳定跟踪控制系统的仿真,表明该算法具有优良的控制品质。     

基于神经网络的无刷直流电机预测控制的仿真研究

在无刷直流电动机高性能速度跟踪系统中，由于PI控制的滞后性，无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统，提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法，通过对PWM发生器-无刷直流电动机系统动态行为的在线估计，建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab／Simulink环境建立了模型并进行了仿真，结果表明，较之PI控制器，神经网络预测控制具有更好的动态响应性能。     

未知非线性系统的神经网络跟踪控制与仿真研究

应用输入／输出反馈线性化方法和李亚普诺夫方法,研究了一类具有未知非线性函数的非线性动态系统的自适应鲁棒输出跟踪控制问题。首先通过坐标变换和输入变换,将非线性系统变换为部分线性可控系统。接着采用多层前向神经网络来逼近未知非线性函数,网络的权值根据李亚普诺夫原则来在线修正,这样就克服了多神经网络控制系统中存在的稳定性问题。同时,为了减少权值学习时间,应用遗传算法预先离线训练网络权值。最后提出了一个基于神经网络建模的自适应鲁棒控制律,给出了李亚普诺夫意义下的稳定性证明。所提出的控制律可确保相应闭环系统的状态及跟踪误差一致最终有界。所给的Van der pol系统的例子说明了所提控制方案的有效性与鲁棒性。     

实时电视跟踪系统中目标跟踪精度的分析

本文提出了由于噪声影响实时电视跟踪系统的目标位置点的误差分析算法。从系统的跟踪算法中导出目标跟踪系统误差分析模型。 本文导出目标质心位置的统计模型。第一种模型,即目标跟踪误差简化模型,通过假设目标的误分类概率等于背景的误分类概率推导出。第二种模型,即目标跟踪误差扩展模型,通过假设目标的误分类概率不等于背景的误分类概率推导出来。本文描述这些模型及其数学含义。     

盘式无刷式直流电动机的瞬态电磁场仿真

建立了盘式无刷直流电动机的瞬变电磁场计算模型,通过变网络方程将盘式无刷直流电动机的外电路与电磁场耦合起来,并通过考虑盘式电机磁场三维分布的影响,对盘式电机的二维电磁场模型进行了完善,建立了盘式无刷直流电机动态性能仿真较完整的数学模型,提高了动态性能仿真的精度。提出了“相带运动法”模型,较好地处理了盘式的电机定、转子相对运动问题,用本文的方法对盘式无刷直流电动机样机进行了分析,取得了满意的效果。     

无刷直流电动机系统故障检测方法的仿真研究

首先建立了无刷直流电动机系统正常运行时的系统模型。在此模型的基础上,针对系统中功率开关管开路、绕组开路和绕组匝间短路三种故障分别建立了故障运行时的系统模型。通过对系统正常运行和上述各种故障运行的仿真研究,确定了能够识别故障的特征波形。根据仿真结果提出了基于模型监控的故障在线检测方法,即通过正常运行时系统模型的输出值与系统实际输出值之间的偏差来检测系统的故障。     

基于改进BP神经网络的智能控制方法研究

针对典型BP神经网络存在的缺陷提出了一些有效的改进措施。通过采用改进的BP神经网络来对控制规则样本进行学习和训练 ,使网络记忆控制规则 ,以达到智能控制的目的。仿真和实验结果证明 ,该方法具有优良的控制特性 ,能满足伺服电机控制的需要。     

直流电机神经自适应滑模位置跟踪控制

针对系统部分非线性未知的直流电机的位置跟踪问题，提出了一种基于自适应控制的神经网络滑模控制策略，在这个控制策略里我们采用已有的输入输出线性化方法来消除非线性，且将神经网络的输出加入到控制器当中，仿真结果演示了变负载直流电机的位置输出能够跟踪任意给定曲线。     

基于神经网络的直流电机网络延迟补偿研究

对于网络控制系统,由于网络引起的延迟,数据包丢失等问题往往会影响控制系统的性能.本文基于工业控制软件中间件Labmap和德国Wag0公司的接口硬件构建直流电机的网络控制平台,通过PC机的MATLAB/SIMULINK构建直流电机控制方案.针对网络传输延迟问题采用神经网络逆控制方法设计了一个网络延迟补偿器,实验结果说明能够较好地补偿网络传输的延迟,使得电机转速较好地跟踪输入的目标转速控制信号.     

一类非线性系统的自适应神经跟踪控制

针对一类未知非线性动态系统,提出了一种基于神经网络的自适应输出跟踪控制方案。网络权值的自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递归训练过程;一个滑模控制项用于消除神经网络逼近误差的影响。因此,该自适应神经控制器能保证系统的全局稳定性和输出跟踪误差渐近收敛于0。     

基于模糊神经网络的混合动力汽车控制策略仿真

为保证多能源系统转矩的合理分配,建立了模糊逻辑控制模型,并采用ANFIS优化算法,对建立的混合动力汽车模糊控制模型进行优化。通过对ANFIS神经网络模型进行训练、测试和仿真分析,结果表明:模糊控制模型的隶属函数得到了优化,将优化模型应用于整车仿真,与模糊逻辑控制策略相比,燃油经济性提高5.4%。     

连续MFN神经控制系统的稳定性判据

针对广泛应用的多层前向神经网络 (MFN) ,建立了连续MFN控制系统的数学模型 ,给出了其闭环稳定性判据 ,利用Lyapunov方法 ,进行了严格的数学证明 ,并且在证明过程中给出了系统的Lyapunov函数 ,同时进一步得出了系统为线性系统时的稳定性条件 ,最后讨论了目前神经控制系统稳定性研究中存在的有关问题 ,指出了将来的研究方向。     

风力发电和飞轮储能联合系统的模糊神经网络控制策略

针对于风力发电和飞轮储能联合系统,提出了一种新的控制策略。基于飞轮储能系统里矢量控制的感应电机,建立了系统的数学模型。在系统里,采用模糊神经网络控制算法实现直流总线电压的自动调整,达到稳定系统的直流总线电压的目的。仿真和实验结果证明,在风力发电和飞轮储能联合系统的能量控制过程中使用模糊神经网络控制算法实现了能量的快速存储和释放,起到了稳定系统电压的作用,取得了满意的控制效果。     

动态伺服系统改进对角回归网络跟踪控制

将对角回归神经网络(DRNN)和径向基函数网络(RBF)相结合,提出一种改进对角回归神经网络结构(IDRNN),使其既有局部逼近的优点,又具有动态网络的特性.推导了权值更新算法.针对转台动态伺服系统,设计了基于该网络的复合跟踪控制器,该控制器由辨识器、前馈控制器和反馈控制器组成,直接将辨识器的拷贝作为前馈控制器.对两种典型动态伺服系统的仿真结果表明,改进DRNN控制器能够进一步提高系统的动态跟踪能力,且敛速度快,计算量小,更适合实时控制.     

基于IBM的递阶优化控制网络

研究了整体目标函数关于各子系统具有不可加形式的大系统稳态优化控制问题.针对利用多目标优化技术把不可分问题转化为可分问题时采用的选代策略使得计算较慢的问题,提出了具有递阶结构的基于IBM的Hopfield优化网络,并证明了该网络是渐进稳定的,其平衡点为原问题的最优点.仿真表明,这是解决不可分稳态大系统优化问题的有效途径.