神经网络内模控制算法的研究

对人工神经网络内模控制系统中建立神经网络内部模型和神经网络内模控制器的算法问题进行了深入分析,给出的控制算法方便易行。研究表明,神经网络内模控制可以实现预测控制。仿真分析结果验证了控制算法的有效性。     

小波神经网络内模控制的性能研究

使用小波神经网络分别逼近对象模型和逆模型,并对原非线性系统及其逆模型组成的伪线性系统采用内模控制理论,基于逆系统方法进行控制.当系统的建模误差满足线性增长条件时,分析了小波神经网络内模控制系统的鲁棒性和稳定性,当系统的建模误差不满足线性增长条件时,应用波波夫超稳定性理论分析了系统的鲁棒性.仿真结果表明小波神经网络内模控制系统是处理非线性问题比较有效的方法之一.     

带有神经网络补偿的机械手PD控制

提出了一种带有神经网络补偿的机械手PD控制策略,该方法结合PD控制器和神经网络的优势,解决了在机械手工业应用中,常规的控制策略在处理机械手耦合和非线性特性时控制效果差的问题。该方法基于常规的PD控制策略,采用径向基(radial basis function,RBF)神经网络动态补偿机械手系统的非线性,改善系统的控制性能。该文的控制策略是基于离散时间模型的,可以直接应用到控制系统中。为实现该文控制方法,开发了基于半实物仿真技术的开放式机械手平台,并且在该平台上对该方法进行了实验研究,实验结果表明：该文所提的控制策略实现简单,同时具有较高的控制精度。     

电厂过热汽温神经网络内模控制系统的仿真研究

基于BP神经网络和内模控制理论,研究了过热汽温自校正内模控制系统的设计,详细介绍了控制算法及实现过程,并对该方法进行了仿真验证.结果表明,用这种方法建立的过热汽温控制系统具有较好的控制品质和较强的自适应能力.     

基于神经网络的电极调节内模控制

精炼炉电极调节系统是一个多变量、强耦合、大滞后的非线性系统,多年以来大多采用传统PID控制方式,控制效果不很理想。本文提出一种基于神经网络的电极调节内模控制方法,通过仿真证明了精炼炉电极调节系统内模控制跟踪设定电流好、抗扰动能力强。     

基于BP神经网络的电极调节内模控制

精炼炉电极调节系统是一种多变量、强耦合、大滞后的非线性系统,传统的PID控制技术的控制效果不理想.为此,提出一种基于神经网络的电极调节内模控制方法.仿真实验表明,精炼炉电极调节系统内模控制跟踪设定电流好、抗扰动能力强.     

带有前馈和神经网络补偿的机械手系统轨迹跟踪控制

针对机械手系统的轨迹跟踪控制,提出一种带有前馈和神经网络补偿的机械手控制策略,该控制策略由比例微分(proportional-derivative,PD)控制器、前馈补偿器和神经网络补偿器组成。首先通过实验数据辨识出机械手系统的近似线性模型,并基于此线性模型设计PD控制器的参数和前馈补偿器,采用神经网络来补偿近似模型与实际模型的偏差。该方法不需要建立机械手系统复杂的动力学模型,仅需要系统的输入输出数据,既保留PD控制器的优势,又保证了系统的控制性能。最后,在机械手平台上进行物理实验研究,实验结果表明:所提的控制策略实现简单,同时保证了系统的控制精确度。     

交流调速系统的单神经元自适应内模控制

针对感应电机速度控制器的传统设计方法所存在的缺点,提出了单神经元自适应内模速度控制器.首先依据内模控制原理设计出内模速度控制器,该控制器具有PI结构,但只有一个可调参数,且该参数与控制系统的动态特性直接相关,再利用单神经元对此参数进行实时在线调节,实现了系统的自适应控制.在理论分析的基础上,将此控制器应用到基于数字信号处理器实现的交流电机矢量控制系统中.实验结果表明:该方法是一种有效的实时控制策略,它能使调速系统不仅具有良好的动、静态性能,而且具有很强的鲁棒性和自学习能力.     

基于神经网络广义逆的两电机变频系统内模控制

针对非线性强耦合的两电机变频系统,先利用动态BP神经网络逼近原系统的广义逆系统,然后再对复合后的伪线性系统提出了基于广义逆系统的内模控制方法,证明了闭环系统的鲁棒稳定性。最后基于S7?300PLC的平台,对系统设计做了相关的试验研究。结果表明,神经网络广义逆系统方法,不但能够很好地实现系统的解耦,而且还可以使伪线性化后的子系统开环稳定,引入的内模控制,又保证了系统的控制性能。     

神经网络内模控制在并联有源滤波器中的应用研究

有源滤波器(APF)的控制是一个典型的非线性控制过程.非常适合用神经网络来实现.本文提出一种应用于并联有源滤波器系统的神经网络内模控制方法.采用离线训练和在线修正的方法,通过对APF补偿电流的在线估计,建立了系统的神经网络内部模型.神经网络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控制信号.基于Matlab/Simalink环境建立了模型并进行了仿真,仿真结果验证了该控制方法的有效性.     

Autonomous mobile robot based on behavior decision skill and control skill of the operator

This paper introduces a human skill base control algorithm using artificial neural networks and fuzzy reasoning for an autonomous mobile robot. Neural networks are used to select a suitable motion control pattern in actual environments. The back propagation algorithm adjusts the weights of the neural networks so that the selected motion control pattern corresponds to the action, which is obtained by the operator's behavior decision skill. To realize the selected motion control pattern, the orientation angle and the speed of the mobile robot are determined by fuzzy reasoning in which fuzzy rules are also automatically tuned so as to simulate the operator's control skill. We have implemented and tested the proposed control algorithm on an autonomous mobile robot and some experimental results demonstrate the effectiveness of the proposed control algorithm for the autonomous mobile robot. © 2000 Scripta Technica, Electr Eng Jpn, 131(2): 30–39, 2000     

基于遗传小波神经网络的机器人腕力传感器动态补偿研究

提出一种基于改进遗传算法进化小波神经网络用于机器人腕力传感器动态补偿的新方法,介绍算法原理。该方法利用腕力传感器的动态标定数据,用改进的遗传算法来优化小波神经网络结构和参数,建立腕力传感器的动态补偿模型。结果表明,采用遗传小波神经网络进行腕力传感器动态补偿,能克服BP算法存在易陷入局部极小点的缺点,网络的复杂度、收敛性和泛化能力得到了好的综合,补偿模型建立的速度和精度得到提高。     

液压弯辊系统的智能内模控制

针对液压伺服系统固有特性和液压控制中存在的问题 ,提出了一种基于前馈神经网络的智能内模控制 (IMC) ,其设计过程分两步进行 :第一步 ,训练一个神经网络描述对象响应 ;第二步 ,训练一个网络描述对象的逆 ,并将此网络作为IMC控制器。将其用于某液压弯辊系统 ,仿真结果表明该系统的性能良好 ,鲁棒性强 ,优于常规IMC系统 ,这类智能控制器适合于对象参数变化、模型不确定和非线性的控制。     

直流电动机智能控制器的设计

本文提出了一种基于前馈神经网络IMC的直流电动机智能控制器的设计方法,其设计过程分为两步进行：第一步,训练一个神经网描述对象响应;第二步,训练一个网络描述对象的逆,并将此网络作为IMC控制器,并给出了仿真结果。     

一种神经网络方法在机械手控制中的应用

采用多层前向神经网络建立机械手逆运动学模型。提出了一种改进遗传算法来学习网络的权系数,其交叉概率根据解的适应度来自适应调整,变异概率根据迭代次数来动态调整。这样可以有效地克服传统的反向传播算法求解精度低、搜索速度慢、易陷于局部极小的缺点。仿真结果表明,所提方法大大提高了机械手逆运动学解的精度,确保快速达到全局收敛。     

An instructional robotics and machine vision laboratory

The US Naval Academy has assembled a laboratory consisting of 16 identical stations in support of several robotics and machine vision courses. Each station has an 80386-based microcomputer, a five degree-of-freedom robot arm, a video-rate vision system, and a speech synthesis system. The robot arms are capable of teach-pendant operation or control via the attached computer. Programs written in the robot control language can be downloaded into, stored in, and run from robot RAM. For greater flexibility, move instructions can be generated by the controlling computer (in any desired computer language) and transmitted to the arm for execution via an RS-232 link. Each joint of the robot (plus the gripper) has a dedicated microprocessor for closed-loop servo operation utilizing incremental drive-motor shaft encoders and micro-switches for “home” locations. The vision system includes an RS170-compatible video camera, a PC-compatible frame grabber board, and a video monitor. This configuration permits the utilization of 2D and 3D vision feedback in the robot control process. The laboratory is used in support of undergraduate courses that cover such topics as robot kinematics and task planning, elementary machine vision, and artificial neural networks     

基于轨迹测量与人机映射的六自由度机械臂运动追踪模型

本研究提出了一种基于六自由度机械臂的遥操作人机系统,旨在设计一种不依赖穿戴设备且直观易用的操控方式。该系统使用KinectV1摄像头及UR3机械臂,以Microsoft骨骼识别库作为基本的人体姿态识别方法,通过人体手臂与机械臂关节的映射,实现机械臂实时追踪人体手臂动作的任务。同时,采用非线性模型预测控制(NMPC)算法对机械臂运动控制进行优化,并设定模糊规则来实现NMPC参数的自适应调整。实验结果表明,在NMPC的优化作用下,机械臂在x及z两个平动方向的平均位移误差和3个转动方向的平均旋转误差以及关节角变化量平均误差都有了显著的降低。测试结果也表明,机械臂整体动作跟随效果良好,验证了本文提出的映射规则和运动学模型的准确性,以及模糊NMPC控制器的有效性。     

Guiding a mobile robot with cellular neural networks

We show how cellular neural networks (CNNs) are capable of providing the necessary signal processing needed for visual navigation of an autonomous mobile robot. In this way, even complex feature detection and object recognition can be obtained in real time by analogue hardware, making fully autonomous real‐time operation feasible. An autonomous robot was first simulated and then implemented by simulating the CNN with a DSP. The robot is capable of navigating in a maze following lines painted on the floor. Images are processed entirely by a CNN‐based algorithm, and navigation is controlled by a fuzzy‐rule‐based algorithm. Copyright © 2002 John Wiley & Sons, Ltd.     

Multi‐template approach to realize central pattern generators for artificial locomotion control

Biologically inspired control of artificial locomotion often makes use of the concept of central pattern generator (CPG), a network of neurons establishing the locomotion pattern within a lattice of neural activity. In this paper a new approach, based on cellular neural networks (CNNs), for the design of CPGs is presented. From a biological point of view this new approach includes an approximated chemical synapse realized and implemented in a CNN structure. This allows to extend the results, previously obtained with a reaction‐diffusion‐CNN (RD‐CNN) for the locomotion control of a hexapod robot, to a more general class of artificial CPGs in which the desired locomotion pattern and the switching among patterns are realized by means of a spatio‐temporal algorithm implemented in the same CNN structure. Copyright © 2002 John Wiley & Sons, Ltd.     

基于对角递归神经网络的异步电动机定子绕组匝间故障诊断方法

为了有效地监测异步电动机定子绕组匝间短路故障,提出了基于对角递归神经网络的匝间故障在线诊断方法.该方法采用2个对角递归神经网络监测匝间短路故障,一个用于估算故障的严重度,另一个用于确定定子绕组故障匝数.同时,提出自适应动态学习算法,训练对角递归神经网络,确定网络最优隐层神经元的个数,使诊断模型更加紧凑和精确.根据该方法构建了试验系统并进行了匝间短路试验,试验结果表明;基于对角递归神经网络的诊断模型,在不同工况下可精确确定定子绕组短路故障的匝数.由于对角递归神经网络具有动态处理能力,和前馈神经网络相比,克服了前馈神经网络故障诊断模型无动态处理能力的局限性,能更有效地监测定子绕组匝间短路故障.