提升机恒减速制动系统的模糊控制

针对基于PLC的提升机恒减速制动系统的模糊控制策略问题进行了讨论,介绍了模糊控制系统的组成和模糊控制器的设计,给出了基于PLC的控制程序框图。     

提升机恒减速的DDC控制系统研究

:介绍一种以加速度为闭环控制量 ,采用预估补偿的增量式PID控制的新型恒减速系统。     

矿井提升机恒减速制动系统故障仿真分析

以JKMD4.5×4型矿井提升机配套的E141A型恒减速制动系统为研究对象,分析了恒减速制动系统工作原理;搭建了恒减速制动系统仿真模型,并通过理论计算验证了仿真模型的可靠性;利用仿真模型模拟了弹簧刚度减小、闸瓦摩擦因数下降、制动器泄漏等制动系统典型故障。仿真结果表明:各主要部件性能下降时,并不能立即引起制动系统故障,而是系统性能退化,这些退化表现为制动系统压力降低、开闸间隙变小或变大等;系统性能退化到一定程度才出现制动减速度不符合要求、制动器不开闸、开闸间隙过大、空动时间过长等故障。     

提升机恒减速制动系统的内模控制

提升机制动系统是一个电液一体化的非线性系统，常规控制策略不能满足要求。文章将内模控制用于提升机制动系统，实现了提升机的恒减速制动。     

矿井提升机数字恒减速制动控制器的设计

本文针对矿井提升机液压制动系统设计了一种基于PLC的PWM控制技术的新型全数字式恒减速制动控制器.通过建立其关键设备电液比例阀的PWM控制的数学模型,分析了数字控制器中各控制参数的关系,并在此基础上进行了数字控制器的硬件和软件设计,软件设计中采用了数字PID算法并给出了部分主要的PLC程序.通过在阜新某矿井提升机改造中应用,系统制动平滑,抗干扰能力强,符合设计要求,有较好的应用推广价值.     

一种基于改进遗传算法的径向基小波神经网络

为了提高神经网络进行函数拟合的精度,首先在三层径向基神经网络基础上通过增加网络层次和改变激励函数提出了一种四层径向基小波神经网络,并采用遗传算法来确定初始网络参数;其次针对遗传算法中容易早熟的缺点,在遗传算法中引入动态平衡策略,根据适应度的变化来动态改变遗传算法中交叉和变异概率,从而增加算法全局探索和局部开发的平衡能力;最后通过对函数拟合试验并与其他方法相比较表明了算法的有效性。     

模糊控制在矿井提升机传动系统与制动系统协调控制中的应用

将提升机电机的电枢电流信号引入到制动控制系统中,使开车时的制动力变化与提升载荷和电机电流关联起来,并应用智能模糊控制的方法实现提升机传动系统与制动系统的协调控制。     

基于遗传算法的小波神经网络

介绍小波神经网络的基本原理.利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,提高收敛速度的目的.通过实验将其与传统的小波神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度.     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.     

基于小波模糊神经网络的实时交通流预测

实时交通流预测是智能运输系统研究的重要内容之一.本文将小波分析的相关知识与模糊神经网络相结合,给出了基于小波模糊神经网络的交通流预测模型,采用小波函数作为模糊隶属度函数,用神经网络来实现模糊推理,完成对下一个周期性交通流的估计.同时,用遗传算法来优化整个网络,实测数据验证这种方法预测精度高,收敛过程平稳,适应性强.     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于小波模糊网络的非线性函数逼近方法的研究

针对非线性函数逼近问题,提出了一种新的融合策略——小波模糊网络;该网络将模糊模型引入小波网络,采用正交最小二乘法筛选小波,利用推广卡尔曼滤波算法调整网络非线性参数,避免陷入局部最优,提高学习速度,并采用最小二乘法修正权值,在不增加小波基函数的基础上提高网络的逼近精度;通过仿真,该网络的准确性和泛化能力都优于传统的小波神经网络,具有广泛的应用前景。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于模糊小波神经网络的主机入侵预测

综合利用模糊技术、神经网络与小波技术,提出一种主机入侵预测模型FWNN-IP。将系统调用按危险度进行分类,并为高危险度的系统调用赋予较高的值,利用模糊化后的系统调用短序列分析程序(进程)的踪迹,达到入侵预测的目的。实验结果表明,FWNN-IP模型能够及时预测程序(进程)中的异常,采取更加积极主动的预防措施抵制入侵行为。     

基于组合模糊神经网络的建设工程成本估算方法

快速准确地进行工程成本估算对建筑企业至关重要。传统的工程成本估算方法工作量大、估算速度慢;难以满足估算精度的要求。为符合实际,文章将影响成本的特征因素分为精确量和模糊变量,利用模糊神经网络(FNN)的自组织和自学习,对模糊网络的隶属度和推理规则进行学习和优化。提出了基于组合模糊神经网络的方法,进行建设工程成本估算。通过计算实例表明该方法是有效的,为工程成本估算提供了有价值的参考依据。     

基于小波网络的信号识别算法

为提高小波网络运行速度,缩短小波网络的训练及运行时间,提出一种基于提升小波变换和神经网络算法的改进小波网络——提升小波网络.首先将带有明显特征的信号作为网络输入,经过权值处理输入到隐层节点进行提升小波变换处理,提取信号的低频系数作为隐层节点的输出,再经过权值化处理输入到输出层节点进行0-1输出,进而达到对信号的特征识别...     

基于自适应递阶遗传算法的小波网络研究与应用

针对传统网络收敛速度慢、隐层节点数选取盲目的问题,提出了一种基于递阶结构的自适应遗传算法.该遗传算法采取基于递阶结构的编码方式和自适应调整遗传算子,以网络的复杂性和准确性为目标函数,同时优化小波网络的结构和网络参数,并将优化网络用于飞控系统舵机的故障诊断,通过与传统的BP算法比较,结果表明基于递阶结构的自适应遗传算法的网络结构优化能力很强,且网络的收敛性能和诊断能力都有了很大的改进.     

基于模糊递归小波神经网络的葡萄酒品质预测

针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。