神经网络在汽车四轮转向控制中的应用

为适应车辆运动的非线性特性，采用神经网络理论，设计了神经网络汽车四轮转向控制系统，并对该系统进行了仿真分析。仿真结果表明：神经网络控制系统比线性控制系统能明显地改善控制效果。     

四轮线控转向系统的转向控制策略研究

为了控制汽车的质心侧偏角,同时保持汽车的转向增益不变,研究了四轮线控转向系统的后轮转向控制策略和前轮转向控制策略.首先建立了四轮转向整车二自由度模型,然后基于稳态质心侧偏角为零得到两种后轮转向控制策略:与前轮转角成比例型和横摆角速度反馈型,前者不改变系统极点,后者改变系统极点.基于转向增益不随车速改变得到二者的前轮转向控制策略.仿真表明,提出的前轮转向控制策略可以保持固定转向增益,降低驾驶员负担;后轮转向控制策略可以实现零质心侧偏角稳态值,控制车辆姿态,改善操纵稳定性.     

神经网络自适应模糊控制在温度控制系统中的应用

把神经网络与模糊控制相结合，提出一种基于神经网络的自适应模糊控制器。这种控制器由模糊神经网络控制器和模型网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能，仿真结果及其应用于温度控制系统中，控制性能明显于一般Ｆｕｚｚｙ控制。     

四轮转向车辆转向解耦的双点跟踪控制

针对四轮转向(4WS)无人车辆路径跟踪中的过约束问题, 本文提出一种前后轮转向解耦的双点跟踪控制策略. 建立4WS车辆单轨运动学模型, 约束前后轮转向角速度, 规划曲率连续的回旋曲线参考位姿序列, 将其解耦为前后轴中心的双点参考轨迹; 以前后轮中心点为控制点, 采用非线性反馈控制的预瞄方法分别获得转向控制率, 双点跟踪误差指数收敛于0. 仿真和实车验证结果表明, 所提出的双点跟踪控制策略横向误差标准差减少0.2 m, 横摆角误差标准差减小3.0?, 具有更大的前后轮转角控制域和较高的跟踪精度     

神经网络模糊控制在交流调速系统中的应用研究

研究交流调速系统的控制方法,利用神经网络来实现交流调速系统的模糊控制。通过实际交流变频调速系统的实验表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。     

四轮转向车辆操纵稳定性仿真分析

对四轮转向车辆的转向特性进行了理论分析,并对某控制策略的四轮转向车辆为例进行了仿真.建立了四轮转向车辆操纵动力学模型,分析了前轮角阶跃输入下四轮转向车辆的稳态响应和瞬态响应与传统前轮转向车辆的主要区别;在四轮转向车辆状态方程的基础上二求解出横摆角速度和侧向加速度与前轮转角的传递函数,与前轮转向车辆对比分析了传递函数零、极点位置对响应特性的影响.借助Matlab/Simulink,对四轮转向车辆进行仿真,发现仿真结果与理论分析吻合.将仿真结果与前轮转向车辆进行比较,阐明了四轮转向车辆的性能优势.研究结果可为评价四轮转向车辆的系统设计提供理论依据.     

汽车四轮转向动力系统的Hybrid控制研究

应用混和控制(Hybrid Control)中的切换系统(Switched System)的方法,分别对汽车四轮转向系统的高速态与低速态两个子系统以及由高速态向低速态变化的切换系统进行了最优控制设计.仿真结果表明,Hybrid 控制实现了四轮转向系统(4WS)的低速灵活性与高速稳定性,具有良好的控制效果.     

基于RBF的神经网络的模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题，充分利用神经网络的自学习自适应能力和快速计算能力，提出了一种用RBF神经网络来实现的具有在线自调整功能的模糊控制方案，并给出了把神经网络和模糊控制器相结合的基本设计方法。通过仿真实验表明，该控制方案与传统的PID控制相比，具有鲁棒性强、恢复时间断和超调量小等特点。     

四轮转向半挂汽车列车行驶稳定性仿真研究

通过分析四轮转向(4WS)半挂汽车列车行驶性能,为在牵引车上采用4WS技术能提高整个汽车列车行驶稳定性提供依据.建立4WS半挂汽车列车简化三自由度单轨动力学模型,在小角度转向和直线行驶两种行驶工况下对操纵稳定性能进行时域仿真研究.理论分析和基于MATLAB的仿真研究表明,4WS技术能使车辆的横摆角速度等状态量保持较小数值.稳定性好.最后,与只有前轮转向(FWS)牵引车列车的稳定性能作对比分析,验证出4WS对列车的高速稳定性和低速机动性有明显的好处.     

基于约束H∞输出反馈的四轮转向模型跟踪控制

以跟踪参考模型为控制策略,提出一种基于约束H_∞输出反馈控制的四轮转向（4WS）控制新方法．将前馈控制和反馈控制相结合,同时控制前、后轮转角,以实现实际车辆模型对参考模型的期望性能跟踪．兼顾抗干扰能力与执行机构输出饱和,将约束H_∞输出反馈控制应用于反馈控制器的设计．仿真实验表明所设计的4WS车辆系统可以很好地跟踪参考车辆模型,提高了车辆的操纵稳定性．     

汽车四轮转向(4WS)的二自由度鲁棒控制器设计

四累转向控制器的传统设计没有考虑汽车参数在运行过程中的变化,这样得到的控制器往往难以维持其原有设计性能指标,采用鲁棒控制理论,提出二自由度鲁棒控制器设计方法,鲁棒控制器的设计归结为一个线性矩阵不等式的求解,最后给出了一个计算实例。     

基于模糊控制的仿生机器鱼转向控制研究

针对一类微小型仿生机器鱼的转向控制问题,结合其自身运动的特点,提出一种基于模糊控制的转向控制算法.根据实验室经验建立模糊控制规则,运用Mamdani推理,构造出控制响应表.通过避障问题对算法进行验证,仿真结果表明,该方法对机器鱼的转向控制有效,可行且能满足实时性的要求.     

基于神经网络的自适应模糊控制

阐述一种基于特殊梯度下降--短暂反向传播并通过自学习来获取被控对象的方法,是一种近似最优方式的控制策略,它能够处理以部分形式描述的被控对象,如差分方程、神经网络以及模糊模型等,这就增强了控制器的功能.     

基于神经网络模糊控制理论的转台伺服系统控制设计

针对三轴飞行仿真转台伺服系统非线性、模型不精确等特点,在分析转台系统结构的基础上,采用模糊PID控制的方法对转台伺服系统进行仿真控制,得到较好的控制效果;模糊控制控制规则的获得带有很大的人为因素,并且在控制过程中对规则采用查表法占用大量的内存;基于以上原因,设计了神经网络模糊控制器(NNSOC),利用神经网络控制自学习、自调整的能力,为模糊控制器提供自动生成控制规则的能力;同时由于神经网络具有联系记忆能力,可对未训练的样本做出决策;对NNSOC的控制效果进行了仿真;结果表明:其具有很好的动态性能和鲁棒性,对转台的控制效果良好。     

模糊控制在EPS中的应用研究

本文通过对EPS系统的输入—输出的模糊化,依据模糊控制理论,建立模糊控制规则,并利用matlab的模糊控制工具箱对建立的模糊规则进行了仿真和分析,确定所建立的模糊控制规则的确能够很好的逼近EPS所要求的输入—输出特性。     

神经网络自学习模糊控制及其在合成氢生产中的应用

提出一类基于神经网络的模糊控制设计方案。控制系统中包括两个神经网络,一是利用神经网络进行模糊推理,实现控制规则的推理过程;二是采用另一个神经网络对系统的动态进行跟踪,以实现前向通道中语言变量的模糊区间的优化,从而使控制效果更加理想。合成氨控制系统的实例验证了该算法的有效性。     

交通系统的模糊控制及其神经网络实现

本文根据城市交通系统的特点设计了单个路口信号灯的模糊控制器,研究了用神经网络实现模糊控制器的方法和过程,并对该控制器进行了仿真研究,本文所设计的控制方法适合于各种车流大小随机变化的单个路口,且决策过程迅速、合理,无需对车流进行预测,是一种实时单点控制方法,由于模糊控制器由神经网络实现,控制具有学习和联想功能,仿真结果说明了该方法的有效性。     

基于模糊控制算法的智能车转向舵机控制

针对智能车辆自主寻迹问题,运用模糊控制算法对智能模型车的转向舵机进行控制。该算法通过对寻迹路径的偏差及偏差的导数进行模态划分,产生对应的控制规则,控制舵机的转角,以达到消除偏差的目的。该算法具有控制灵活、响应速度快、超调量小、鲁棒性强等优点。通过在实际模型车中的应用说明了该算法在这类系统的控制是可行的。