基于模糊神经网络PID的机床直流调速系统

为解决PID参数的在线调整问题,针对龙门刨床的主拖动系统,提出将神经网络的模糊PID自适应控制器用于直流调速系统的方法。分析龙门刨床电气设备的组成,综合模糊控制和神经网络的长处,将神经网络、模糊逻辑和PID控制相融合,构成模糊神经网络控制器,并通过MATALAB对系统进行仿真。设计时,将模糊规则融于神经网络中,通过对神经网络的自学习、自适应能力在线调整模糊规则和隶属函数参数,对PID控制器实现在线实时调整。仿真结果表明,该系统比普通控制器具有更好的动、静态特性。     

基于RBF网络的微分先行PID控制器

将微分先行PID控制算法和径向基函数(RBF)神经网络结合,提出基于RBF神经网络的微分先行PID控制器.其微分先行PID控制器直接对被控对象进行闭环控制,实现参数在线自调整.RBF结构神经网络则根据系统的运行状态,利用神经网络的自学习自适应能力调节PID控制器参数的在线自整定,达到误差性能指标最优化.Matlab仿真表明,该控制方案不仅跟踪性能良好,而且抗干扰性较强,鲁棒性较好.     

基于神经网络自适应调整PID控制器的设计

对神经网络自适应调整PID控制器的设计方法进行了探讨，采用神经网络在线辨识系统的输出，再对PID控制的参数进行在线调节，达到良好的控制效果。     

一种新型伺服系统智能PID控制器的设计

提出了一种自适应模糊神经网络PID控制器的设计方案。把模糊神经网络控制和常规PID控制结合起来,对控制系统的比例、积分和微分参数进行在线自整定。在Simulink中的仿真结果表明,这种智能PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参系统的鲁棒性强,满足在线适时自适应控制的要求。     

基于模糊神经网络的非线性系统辨识

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值的调节,同时通过权系数的在线调整实现自适应控制,提高自适应能力.     

红外成像导引头角跟踪系统控制器设计与仿真

红外成像导引头是精确制导导弹系统的重要组成部分,导引头随动控制系统的性能决定着导弹的跟踪精度水平。为了提高导引头的随动跟踪系统的控制精度,文中首先对红外成像导引头系统进行建模,然后采用更有效的模糊规则设计了一种模糊自适应PID复合控制器,并引入了自适应控制因子对控制参数进行在线调整。最后采用传统PID控制方法与之进行仿真比较,结果表明模糊自适应PID控制可以有效改善系统动态性能,提高跟踪精度。     

基于增强学习的无人直升机姿态控制器设计

自适应启发评价（AHC）增强学习结构分别逼近马尔可夫决策过程的值函数和策略函数．策略梯度增强学习能够将随机不确定的马尔可夫决策过程转换为确定性的马尔可夫决策过程。通过将AHC增强学习和策略梯度增强学习相结合，对PID控制器参数进行在线自适应整定，实现对无人直升机姿态控制性能的在线优化。仿真结果表明．与固定PID参数控制器相比，该算法能在线调整控制器参数．并很好地控制了无人直升机的悬停姿态。     

高精度电动舵机模糊自适应控制器设计

为了适应现代高性能飞行器要求,对电动舵机系统采用了模糊自适应PD控制设计。这种控制吸收了PID控制和模糊控制的优点,对系统的参数变化有较强的适应能力,尤其适合于数学模型未知、非线性和复杂的对象。通过在位置环上设计的模糊控制器,对前向通道PD控制器的参数进行优化和调整。最后在非线性舵系统模型上仿真证明,其动态特性优于传统的PID控制,并使系统具有较强的鲁棒性。     

红外成像导引头模糊PD控制器设计与仿真

为提高红外成像导引头动态性能和跟踪精度,结合模糊控制与经典PID控制优点设计了一种模糊PD控制器,该控制器对系统参数变化及外界干扰具有很强的适应能力。仿真结果表明所设计的模糊PD控制器具有良好的动态特性和跟踪精度。     

基于神经网络的预测控制

基于神经网络的预测控制器由神经单元自适应PID控制器和基于神经网络的Smith预估器组成.预估器对输出进行多步预测,使控制器超前动作以消除时滞对系统的影响.自适应PID控制器通过有监督的Hebb学习算法实现其权值调节,通过权系数的在线调整实现自适应控制.并以仿真试验给予了验证.     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

模糊控制算法在移动机器人中的应用

针对移动机器人运动轨迹的控制问题,提出采用模糊控制算法用于机器人运动轨迹控制的方法。采用光电传感器感知机器人的偏离角,选用Mamdani模型设计了模糊控制器,求得机器人的行走方位及纠偏大小,从而实现准确导航。并应用Matlab对模糊控制器进行仿真。仿真及实际应用结果表明:该控制器能提高机器人寻迹控制的精度,使移动机器人稳定快速地寻白线移动。     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

无人艇非线性航迹鲁棒自适应跟踪控制

针对欠驱动水面无人艇（USV）的非线性航迹跟踪控制问题,提出一种基于单调3次埃尔米特样条插值（CHSI）和神经网络的鲁棒自适应控制方法。采用CHSI方法对航路点进行拟合,得到光滑的非线性期望航迹,解决了传统线性航迹容易使USV出现的摇摆、曲折问题;引入Serret-Frenet坐标系,并构建了自适应视线制导律,提高了收敛速度且减少了振荡;考虑USV模型的不确定性和环境干扰力影响,设计了简捷的鲁棒自适应神经网络控制器。稳定性分析结果证明了控制系统的收敛性;仿真实例验证了所提出的控制方法能够有效地改善USV航迹跟踪控制的精度和品质,并具有学习参数少、运算负载小的特点。     

机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器.该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响.网络权重的自适应修正规则基于Lyapunov函数方法得到.这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.     

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。     

基于动态RBF网络辨识和模糊控制的弹道落点预测导引研究

针对目前远程弹道修正火箭弹中,滤波外推落点预测导引法存在导引系数确定难、导引精度低、自适应性与鲁棒性差的问题,提出了一种基于动态RBF神经网络在线辨识与带自调整因子模糊控制相结合的落点预测导引律.具体在传统滤波外推落点预测导引法的基础上,将预测落点偏差与偏差变化率作为模糊控制器输入量,通过RBF神经网络在线整定模糊控制的权重因子和比例因子,实现导引指令的自适应调整.仿真结果表明,同常规方法相比,在充分考虑随机扰动和测量误差情况下,具有更强的自适应性与鲁棒性,保持了较高的导引精度.     

基于模糊神经网络的遥控武器站伺服系统PID控制器

针对遥控武器站伺服系统具有间隙、摩擦等非线性、不确定性特征,将PID控制与模糊神经网络进行有机结合。利用多层神经网络提取模糊控制规则,构建模糊神经网络控制器,根据偏差E和偏差变化EC在线调整PID控制器的三个参数。仿真试验表明,该控制器具有PID控制器精度高,以及模糊神经网络控制器响应速度快、超调小、稳定性高的特点,具有良好的动、稳态特性。     

ARV路径跟踪控制算法研究

根据移动机器人领域中普遍应用的Ackermann's模型,推导出了适用于ARV移动机器人路径跟踪控制算法的运动学模型.该模型是利用参考路径的曲率、车体相对于参考路径的偏航角以及位置偏移量等变量参数来建立的;然后应用“链式系统”控制理论把该运动学模型转换为链式模型,并由链式模型设计出用于路径跟踪的控制律;最后对该控制律进行了仿真分析,仿真结果表明,应用该控制算法进行路径跟踪控制时,能够较好地跟随预设路径,满足整车控制要求.