一种基于模糊径向基函数神经网络的自学习控制器

提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案可以有效提高系统的控制精度和自适应能力     

DC/DC变换器的变结构模糊控制研究

对不同类型的模糊PID控制器(模糊P控制器、模糊PD控制器、模糊PI控制器、模糊PID控制器)在DC/DC变换器中的应用作了全面的研究。目前,模糊PI控制器应用得最为广泛,然而在其控制作用下,DC/DC变换器的输出电压通常会超调,并且当响应时间较短时有很大的冲击电流尖峰。探讨一种变结构模糊控制器,这种控制器将有效地克服模糊PI控制器的上述不足。基于Matlab/Simulink对应用变结构模糊控制器控制的DC/DC变换器系统进行了计算机仿真。仿真结果表明,变结构模糊控制器控制拥有较好的动态特性和稳态性能。     

粘度测量直流电机调速系统自适应控制器的建模与仿真

基于旋转法的液体粘度测量需要不同等级稳定的电机旋转速度。采用电流转速双闭环来实现对直流电机调速系统的控制。电流内环使用PI控制,转速外环采用大增益比例控制结合PID控制,PID参数使用模糊逻辑进行自整定,这种控制方式可根据输入偏差大小选择不同控制策略实现转速的自适应快速调节与准确跟踪。在Matlab/Simulink平台上搭建基于这种控制器的仿真模型,对直流电机调速系统进行仿真。仿真结果表明这种系统具有良好的控制性能,这种自适应控制器具有良好的动态响应特性,可以消除稳态误差。     

基于模糊自适应控制的三相PWM整流器的研究

三相电压型 PWM 整流器一般采用传统双闭环PI控制策略,而PI控制参数是在特定条件下整定的,在负载变化和扰动较大的情况下系统适应性差,难以取得良好的控制效果。结合自适应的控制思想,在PI控制的基础上,提出了一种新型的控制方法,即在电压外环采用模糊自适应PI控制,电流内环采用前馈解耦的控制策略。仿真结果表明这种控制方法适应性强,具有良好的动态性能。     

基于RBF网络自适应的Buck变换器终端滑模控制

对于Buck变换器系统,考虑到实际应用中负载变动引起系统参数的不确定性,且不确定性上界无法测量的情况,本文拟采用RBF神经网络对不确定性上界进行自适应学习。针对Buck变换器输出电压的控制问题,为了避免普通滑模控制跟踪误差渐进收敛的问题,改善其动态响应速度和稳态性能,本文拟设计一种基于RBF神经网络的上界自适应的终端滑模控制器,并通过Simulink仿真验证这种方法的可行性。     

PWM整流器的模糊PI内模控制策略

PWM整流器模型中的非线性特性给控制器的设计带来一定的困难,且随着对整流器性能的要求日益提高,传统控制在性能上已难以令人满意。对此提出一种新的双闭环控制策略,电压外环采用模糊PI控制,电流内环采用内模控制。模糊PI控制使系统具有更快的动态响应和更小的超调,电流环内模控制解决控制器过分依赖精确数学模型的问题,提高电流环的抗扰性能,并简化了控制器设计。理论分析和仿真对比验证了所提控制策略的正确性和可行性。     

未知控制方向的迟滞非线性系统预设自适应控制

针对一类含有迟滞特性的未知控制方向严反馈非线性系统,设计了基于误差变换的反步自适应控制器.首先提出动态迟滞算子来扩展输入空间建立神经网络迟滞模型.然后利用径向基函数(RBF)神经网络逼近未知函数,并引入Nussbaum型函数来解决系统未知控制方向问题.最后采用误差变换将误差限定在预设的范围内,并利用反步法设计自适应控制器.该控制方案不仅能够保证跟踪精度,还可以提高系统暂态和稳态性能.仿真结果表明了控制方案的可行性.     

直流调速系统中常规PI 与模糊PI 控制器的比较

转速电流双闭环直流调速系统中的PI控制器直接影响其调速性能,利用MATLAB分别建立了由常规PI与模糊PI控制器组成的转速电流双闭环控制直流调速系统的仿真模型,并进行了仿真。仿真结果表明,模糊PI控制器与常规PI控制器相比具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性。     

PID神经网络控制器在软开关中的应用

在软开关谐振功率变换器系统中,由于增加了谐振元件以及系统本身存在的严重的非线性和时变不确定性等特点,极大地影响了系统输出电压的动态响应性能。针对这一问题,该文提出了一种新的控制策略,将基于PID的神经网络控制器,用于脉宽调制型的软开关谐振功率变换器中,提高系统的动态响应性能。这种控制器是一种新型的误差前向反馈神经网络,将神经网络和PID控制规律融为一体,利用M atlab6.5软件中的电力系统仿真模块(S imPowerSystem s)对该系统进行仿真,结果表明这种控制方法可以使得功率变换器获得较好的动态性能。     

基于双模糊空间矢量调制的直接转矩控制

为了改善基于空间矢量调制的直接转矩系统的动态性能及低速性,分析了传统SVM-DTC中采用两个PI控制器来产生参考电压矢量,存在PI控制器参数难以确定的问题,提出了一种基于双模糊空间矢量调制(SVM)的异步电机直接转矩控制(DTC)策略.阐述了产生磁链和转矩参考电压矢量的模糊控制器的具体的设计过程,即模糊控制器的输入变量分别为磁链、转矩误差和磁链、转矩误差的变化率,输出为参考电压矢量的磁链、转矩分量.对该控制方法在基于Simulink的仿真软件和基于DSP2812的控制芯片的实验装置分别进行了仿真与实验,并与传统的SVM-DTC进行了比较.仿真和实验结果表明,双模糊SVM-DTC控制系统动态性能好,有效提高了系统的低速性能.     

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

一种模糊神经解耦混合控制器的研究

该文将模糊神经网络与Pl控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明，该控制方法对非线性时变系统有较好的控制效果。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

Design of an adaptive self-organizing fuzzy neural network controller for uncertain nonlinear chaotic systems

Though the control performances of the fuzzy neural network controller are acceptable in many previous published papers, the applications are only parameter learning in which the parameters of fuzzy rules are adjusted but the number of fuzzy rules should be determined by some trials. In this paper, a Takagi–Sugeno-Kang (TSK)-type self-organizing fuzzy neural network (TSK-SOFNN) is studied. The learning algorithm of the proposed TSK-SOFNN not only automatically generates and prunes the fuzzy rules of TSK-SOFNN but also adjusts the parameters of existing fuzzy rules in TSK-SOFNN. Then, an adaptive self-organizing fuzzy neural network controller (ASOFNNC) system composed of a neural controller and a smooth compensator is proposed. The neural controller using the TSK-SOFNN is designed to approximate an ideal controller, and the smooth compensator is designed to dispel the approximation error between the ideal controller and the neural controller. Moreover, a proportional-integral (PI) type parameter tuning mechanism is derived based on the Lyapunov stability theory, thus not only the system stability can be achieved but also the convergence of tracking error can be speeded up. Finally, the proposed ASOFNNC system is applied to a chaotic system. The simulation results verify the system stabilization, favorable tracking performance, and no chattering phenomena can be achieved using the proposed ASOFNNC system.     

基于可变学习率BP算法的空调控制系统的研究

通过分析控制器参数学习率和控制器性能之间的关系,设计一种基于可变学习速率反向传播算法VLRBP和模糊神经元网络的变频空调控制系统.该系统不仅可以通过反传误差信号训练控制器参数,而且可以根据网络的当前状态朝最优化方向调整控制器参数的学习率.实验结果表明,该控制系统不仅比传统的空调PID控制器和模糊控制器具有更好的控制性能,而且相比基于标准BP算法和动量BP算法的模糊神经网络控制系统,也具有更快的收敛速度和更好的控制精确度.     

基于电加热炉温度系统的Smith-FNNC-PI复合控制器研究

针对大滞后的电加热炉温度控制系统,研究了一种由Smith预估控制、模糊神经网络控制(FNNC)与传统PI相结合的复合控制器。该控制器将模糊控制具有的较强逻辑推理功能、神经网络具有的较强自学习能力以及传统PI控制的优点融为一体。仿真结果表明该复合式控制器具有良好的稳定性和鲁棒性,对于大时间滞后的电加热炉温控系统是一种实用而简便的控制方法。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.