基于HCMAC神经网络的控制研究

利用HCMAC神经网络与模糊控制算法近似的特性，以偏差和偏差的变化率作为：HCMAC神经网络控制器的输入，构造一新型HCMAC神经网络控制器，克服模糊控制中模糊规则难以准确确定的缺陷。通过仿真实例看出，HCMAC神经网络控制器与常规PID控制器相比具有很好的跟踪控制精度，在时变、非线性的复杂系统中具有一定的应用价值。     

基于数据的空调系统最优启停时间预测

在HCMAC神经网络的基础上提出一种新的基于聚类的HCMAC神经网络算法用于空调系统最优启停时间预测模型的建立,以室外环境温度和室内环境温度为输入参数,通过基于聚类的HCMAC神经网络预测模型得到空调系统的最优启停时间,用于指导空调系统的运行,以期实现在满足用户热舒适的条件下,实现最大限度的节能.与HCMAC算法比较,本文的算法可以大大降低神经网络节点数,并提高预测精度.实验结果证明了该算法的有效性.     

基于递归神经网络的减震结构模糊控制研究

根据神经-模糊控制理论和减震结构混合控制理论,利用基于弹塑性时程分析自动提取减震结构模糊控制规则的方法获取原始训练样本,能考虑不同地震动特性的影响.应用带偏差单元的递归神经网络(RN-NWBU)形成减震结构模糊控制规则的关系生成方法和推理合成算法,能够实现神经网络驱动的混合控制结构体系模糊推理,从而能实现神经-模糊控制器的设计,应用装设有神经-模糊控制器的系统能够在线控制结构地震反应.通过半主动调谐质量阻尼器(SATMD)与消能减震相结合的混合控制结构体系的数值仿真分析,可看出本文方法能有效地在线控制结构地震反应.本文对推动结构控制理论的发展具有重要意义.     

“灵巧手指”的位置/力模糊控制算法研究

为了使“灵巧手指”位置 /力控制具有良好的控制性能 ,在力控制器的设计中应用了模糊控制、神经网络等方法 ,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明 :这两种控制方法与常规 PID控制相比 ,控制性能得到明显改善。     

“灵巧手指”的位置／力模糊控制算法研究

为了使“灵巧手指”位置／力控制具有良好的控制性能,在力控制器的设计中应用了模糊控制、神经网络等方法,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明：这两种控制方法与常规PID控制相比,控制性能得到明显改善。     

基于模糊单神经元控制的磁力轴承控制研究

针对磁力轴承的本质不稳定性和非线性,结合模糊控制和单神经元PID控制各自的特点,提出了一种模糊与单神经元控制相结合的控制方法.当系统偏差较大时,模糊控制器起主要的调节作用,同时加上适量的单神经元控制;当系统偏差较小时,单神经元控制和模糊控制同时起作用.该控制器克服了模糊控制存在稳态偏差和单神经元控制动态性能差的缺陷.仿真表明,使用该控制器可以实现磁悬浮转子的快速起浮,且超调量小、抗干扰能力强.     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

一种基于数据的夏季居住环境热舒适度控制方法

采用超闭球CMAC(HCMAC)神经网络,建立家用空调器制冷环境下室内外温、湿度关联模型,预测室内空气的相对湿度.提出了基于PMV指标的家用空调温度设定值的计算实验方法.该舒适度控制方法只利用室内外环境参数历史数据,通过HCMAC样本学习和简便的计算实验,自适应地满足住户热舒适偏好需求.仿真结果表明,HCMAC模型能够较准确地预测室内空气的相对湿度;通过调整温度设定值,可将PMV值调整到任意给定的范围,实现室内建筑环境的节能和舒适.     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。