某舰载火箭炮交流伺服系统并行复合控制方法

针对舰载火箭炮在发射过程中会受到风浪以及自身扰动的影响而导致射击精度和稳定性降低的问题,提出一种RBF神经网络滑模-模糊PID控制方法。利用RBF神经网络来削弱滑模的抖振,在误差较小时提高响应速度和鲁棒性;利用模糊规则对PID参数进行调整,在误差较大时提高控制精度。仿真结果表明：该复合控制策略可使舰载火箭炮交流伺服系统具有更高的射击精度和反应速度,提高系统性能。     

永磁交流伺服系统的神经网络自适应控制研究

针对永磁交流伺服系统,提出了一种自适应PID控制器学习算法——带预测模型的神经网络PID控制方法。该方法采用一个三层RBF网络辨识交流伺服系统的特性,用另一个BP神经网络作为自适应控制器。仿真结果表明,在系统参数发生变化和存在负载转矩扰动的情况下,该方法具有较好的自适应能力和良好的动态性能。     

火箭炮位置伺服系统的神经网络监督控制

火箭炮发射架位置伺服系统中存在燃气流冲击力矩、参数时变、外部扰动等非线性因素的作用,针对传统PID控制难以在此复杂工况下取得良好控制效果的缺点,文中设计了基于传统PID控制的RBF神经网络监督控制器,完成了神经网络离线样本的选取和训练算法的改进,利用神经网络自学习、自整定能力增强系统的自适应能力。仿真结果表明此复合控制策略可以有效提高系统的控制品质。     

火箭炮位置伺服系统的复合PID控制

针对经典PID难以在发射过程中存在大转动惯量变化和燃气流冲击扰动的火炮交流位置伺服系统中取得良好控制结果的缺点,设计了一种采用非线性PID和RBF自适应PID复合控制策略的位置控制器。此控制器克服了非线性PID参数只能按照固定规律变化、RBF自适应PID适用范围有限和离线样本选取困难的不足。仿真结果表明控制策略具有较强的抗参数摄动和载荷扰动能力,并能有效提高控制系统的动态响应性能。     

CMAC与PID的并行控制在火箭炮交流伺服系统中的应用

火箭炮交流伺服系统是复杂的变负载、大功率系统，其控制系统的参数变化大，采用单一的PID控制算法很难取得较高的控制品质和控制精度。根据CMAC控制鲁棒性强和可靠性高，以及PID控制器功能简单、便于使用及在各种不同工作条件下保持较好工作性能的特点，提出了CMAC神经网络与PID结合的复合控制策略。在Matlab中进行计算机仿真，结果表明了该控制策略的有效性和实用性。     

基于WNN 参数整定的ADRC 在火箭炮伺服系统中的应用

针对多管火箭炮交流伺服系统存在变负载、强耦合和不确定性扰动等非线性问题,提出一种优化型小波 神经网络自抗扰控制器(WNN-ADRC)。简化电流环节得到被控系统的数学模型,将小波神经网络(wavelet neural network,WNN)嵌入自抗扰控制器中进行参数整定,利用分层调整学习速率的方法优化小波神经网络的学习算法得 到WNN-ADRC,采用WNN-ADRC 控制火箭炮伺服系统,实现对非线性特性的精准估计和补偿。数值仿真结果表 明：相对于传统的自抗扰控制器,WNN-ADRC 能改善伺服系统的静态响应和动态性能,具有响应速度快、控制精 度高的优点。     

神经网络二自由度PID控制器设计

针对飞行器平尾舵机伺服系统比例校正控制的不足,设计了神经网络二自由度PID控制器.将该控制器应用于舵机伺服系统并进行了SIMULINK仿真,结果表明神经网络二自由度PID控制器具有较好的快速性、自适应能力和抗干扰能力,改善了该型飞机平尾舵机伺服系统的动态性能.     

基于Smith预估补偿与RBF神经网络的PID控制在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合,大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

基于自构建神经网络的舰载火箭炮内模控制

针对舰载火箭炮伺服系统中存在的非线性因素,提出了一种基于自构建神经网络的内模控制方法。该方法通过神经网络建立过程模型和过程逆模型,利用自构建算法调整神经网络的结构和参数。神经网络能依据给定的阈值自动增加和删除神经元节点,以实现结构学习;采用梯度下降法进行网络的参数学习。仿真结果表明,该控制方法有良好的跟踪性、鲁棒性和抗干扰性,能提高火箭炮的调炮精度。     

基于粒子群优化的某车载火箭炮自抗扰控制

针对车载火箭炮行进间的PID 控制方法存在动态性能的限制,提出一种自抗控制器的设计。针对自抗扰 控制器(active disturbance rejection control,ADRC)模块中存在众多且不便确定的参数这一问题,利用粒子群优化算 法(particle swarm optimization,PSO)较强的寻优能力,对扩张状态观测器的参数进行优化,并优化控制系统。仿真 结果表明：基于该控制方法的伺服系统稳定性显著提升,提高行进间火炮的控制精度与动态性能。     

基于GA-RBF 算法的FUZZY-RBF 交流伺服系统控制

针对某火箭破障武器交流伺服系统的不确定性和非线性等问题,设计基于GA-RBF算法的FUZZY-RBF神经网路控制方法.将GA算法和RBF神经网络结合起来作为系统辨识器用来优化FUZZY-RBF控制器的权值、节点和中心矢量等参数,并通过半实物仿真实验进行验证.半实物仿真结果表明:该控制策略能满足某火箭破障武器精度控制指标,保证其交流伺服系统控制的精度和稳定性,具有很强的自适应性和鲁棒性.     

某定深电液伺服系统的粒子群优化神经网络PID 控制

为解决定深电液伺服系统的系统参数难以确定、运行过程中内部参数具有时变性和外部负载扰动较大等 问题,设计一种将PID 控制器与神经网络相结合的控制策略。分析定深电液伺服系统的数学模型和控制器的结构与 工作原理,用径向基函数神经网络来动态修正PID 控制器中控制参数的策略,采用粒子群算法离线选取最优的神经 网络权值,用Matlab 将控制器应用于定深电液伺服系统中,并与经典的PID 控制器和RBF-PID 控制器进行对比。 仿真结果表明,该控制器具有较好的快速响应能力与鲁棒性。     

基于 RBF 神经网络的滚仰式导引头控制系统设计

为保证滚仰式捷联导引头的稳定控制,提出了一种基于 RBF 神经网络整定的 PID 控制策略,用于导引头稳定回路校正环节。根据滚仰式捷联导引头的运动学与动力学关系,结合导引头稳定回路校正环节采用的 RBF 神经网络 PID 控制算法,建立了滚仰式捷联导引头稳定与跟踪一体化仿真模型;仿真结果表明：滚仰式捷联导引头稳定回路采用 RBF 神经网络整定的 PID 控制器后,其动态性能优于传统 PID 控制器,建立的仿真模型能够对机动目标实现快速稳定跟踪,在工程应用中可提供有益参考。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法，探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制，给出了由传统PID控制器，模糊量化处理，系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构，并讨论了人工神经网络在运动控制领域中应用的发展趋势。