共查询到19条相似文献,搜索用时 62 毫秒
1.
水下机器人T-S型模糊神经网络控制 总被引:4,自引:3,他引:1
针对水下机器人模糊神经网络控制器运算量大和对强外界扰动的鲁棒性差及存在滞后性的问题,提出基于混合学习算法的水下机器人T-S型模糊神经网络控制方法.采用免疫遗传算法离线优化和神经网络自学习在线调整隶属函数的参数,从而减少神经网络的运算量,增强水下机器人对环境变化的反应能力.采用T-S模型,由后件网络动态调整模糊规则,提高控制系统的适应性.通过某微小型水下机器人的仿真和外场实验验证方法的可行性和优越性.实验结果表明,控制器对外界扰动具有较强的鲁棒性,保证即使在恶劣情况下,控制性能仍保持在较高水平. 相似文献
2.
在软件的设计过程中,开发者通常会使用递归的方法来代替复杂的循环过程.虽然递归的方法相对简单,却比较难于理解和控制.本文使用Petri网工具,通过建模的方法针对递归过程进行分析和模拟.在以往的研究中,Petri网很少被用于构造递归模型.文中建立了一个递归模型,提供了形式化建模方法和验证,并通过Java程序对其进行了模拟验证,达到了对递归过程分析的目的. 相似文献
3.
4.
基于递归模糊神经网络的PMLSM伺服控制 总被引:1,自引:0,他引:1
为了增强永磁直线同步电机(PMLSM)直接驱动系统的鲁棒性,改善系统受突加扰动情况下的性能,结合递归神经网络与模糊控制的优点,设计了基于递归模糊神经网络补偿器的PMLSM位置控制器。仿真结果表明,所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,具有很强的鲁棒性,能够满足高精度、微进给永磁直线同步电机伺服驱动系统的要求。 相似文献
5.
6.
7.
8.
9.
10.
11.
提出了一种新颖的控制方案,即采用神经网络预测控制器来控制机器人的力/位置.这种控制器能任意逼近机器人这种不确定对象,不用知道系统的精确结构,同时由于预测控制的加入,使系统在线计算方便,控制质量提高了。通过对机器人的仿真结果可以看出,传统的PID对于不确定对象不能很好的解决,而采用本文设计的控制器,系统的鲁棒性和快速性都得到了改善,并且具有较好的控制效果。 相似文献
12.
13.
14.
15.
供热过程时滞递推神经网络解耦器设计 总被引:1,自引:0,他引:1
针对供热过程质调一量调通道耦合特性和节能控制的需要,提出基于时滞递推神经网络的供热解耦方法.通过典型信号响应与最小二乘法结合的方法得到供热过程耦合系统模型,利用改进的假近邻法预估神经网络训练数据的嵌入维数,确定神经网络输入节点个数,引入时滞环节构建神经网络解耦器.采用时滞递推神经网络解耦器对供热耦合系统进行解耦,消除供热过程质调、量调通道间的非线性强耦合作用.仿真结果证明该方法具有良好的动态和静态解耦特性,能够满足供热过程多回路控制的要求,使供热系统能够跟踪节能设定值进行调节,实现供热节能和优质供热. 相似文献
16.
水下游动机械臂(underwater swimming manipulator, USM)是一种由水下蛇形机器人和矢量推进器组成的新型水下机器人。USM系统具有高度非线性、强耦合以及不确定性等特点,其动力学模型难以精确建立。因此,实现USM的高精度镇定控制存在挑战。针对这一问题,本文基于反馈线性化和自适应径向基函数神经网络(radial basis function neural network, RBFNN),设计了一种动力学控制方案以实现USM的镇定控制。首先,介绍了USM平台结构,基于Lagrange方程给出了USM的动力学模型,并推导了USM的矢量推力系统模型。然后,设计了基于反馈线性化和RBFNN的动力学控制器,并通过反步法自适应更新RBFNN的权重。其中,权重自适应更新RBFNN用于实时估计系统未建模部分、参数误差以及外部扰动,从而对动力学控制器进行补偿。此外,为了将动力学控制器提供的广义力和力矩转换成各个执行器的控制输入,给出了推力分配策略。最后,进行了湖泊实验,分别对USM的I构型和C构型镇定控制,文章所提出的控制方案在两种构型下的稳态误差均小于0.08 m和10°,验证了所提出的USM六自由度镇定控制器的有效性。 相似文献
17.
18.
19.
针对目前变电站电压 无功综合控制存在的不足 ,将基于神经网络的模糊控制应用于传统的系统分区 ,充分利用模糊控制与神经网络的各自优势 ,进行基于模糊无功边界的综合控制 ,有效减少了有载分接头调节次数 ,提高了系统的调节性能和电压质量。 相似文献