TIG焊背面熔宽的神经网络模糊控制

TIG(TungstenInertGas)焊接过程是一个高度非线性、强耦合、时变的系统 ,针对这一特点 ,本文设计了单层神经网络模糊控制器 ,给出了学习算法。该控制器可以自动学习模糊控制规则 ,并随系统的变化自动调节模糊控制规则。采用普通CCD(ChargedCoupleDevice)摄像机拍摄熔池的正面图像 ,提取出熔池正面几何参数 ,利用熔池正面几何参数与背面熔宽的关系模型 ,对背面熔宽进行实时控制。仿真及试验结果表明 。

用模糊神经网络方法预测单层钢筋混凝土柱厂房震害

对单层钢筋混凝土柱厂房抗震性能进行了数值试验,提出了基于二次综合评判的模糊神经网络预测方法,并以试验资料进行训练和预测。结果表明,该方法对单层钢筋混凝土柱厂房抗震性能预测效果较好,适宜于该类结构方案选择时应用。

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法,如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感,故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦,能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构,然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出,对于文中所给出的非线性系统,这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。

智能解耦控制器在循环流化床锅炉燃烧系统中的应用

针对循环流化床锅炉燃烧过程中主汽压力和炉床温度强耦合的控制难点,提出了基于单神经元自适应控制(PSD)和模糊神经网络的智能解耦控制系统.对循环流化床锅炉燃烧系统在不同负荷(50%和100%)工况下的仿真结果表明,该控制方案成功实现了主汽压力和炉床温度的解耦控制,当燃烧对象操作范围发生较大变化时,该方案具有较好的控制品质和较强的自适应能力.

智能PID控制器在仪表中的应用

针对传统PID在智能仪表中难以实现准确的参数自整定问题,提出了一种基于单层神经网络的模糊自适应PID控制器的设计方案,该方案将单层神经网络用于模糊规则的建立和推理,使模糊控制具有自学习功能,可更好地适应复杂控制系统的参数自整定。通过MATLAB/SIMULINK平台,对其进行了仿真研究,仿真结果表明,该方案具有较好的鲁棒性、稳定性和实时性。