船舶类量化神经网络自适应运动控制方法研究

研究船舶类航向自适应运动控制方法有助于加快解决船舶在海上通讯带宽受限情况下航向跟踪检测困难和控制效果差的问题。基于RBF神经网络,采用一种经典非线性运动解析模型来描述通信信号输入量化过程,无限逼近于航向控制系统中的未知非线性项来消除隐性不确定项因子对控制系统的影响,与此同时模型中所设计的RBF自适应量化控制器不需要对先验信息进行量化参数处理,不仅可以保证有效跟踪和控制的同时,还可以减轻通信的传输负担、减少执行频次和降低系统控制幅度。本文基于Lyapunov稳定性理论证明了所提出的带有输入量化的RBF神经网络自适应闭环控制系统的稳定性,并在Matlab Simulink环境中构建仿真模型分析,论证了所设计的运动控制方法的有效性。

一种单神经元自适应控制方法

介绍了一种单神经元自适应控制的方法,并提出了在线调整的方法。该方法结构简单,便于在分散控制系统中实现。

单神经元自适应控制PSD在再热汽温控制中的应用

提出了一种新型具有负荷前馈—串级反馈的再热蒸汽温度控制系统。其外环 (主环 )采用单神经元自适应PSD控制器 ,其内环 (副环 )采用双自由度PID控制器。并使用Bai ley公司的CLC 0 4型单回路数字调节器进行设计、组态和实现。仿真研究和现场运行表明该系统具有良好的控制效果。

基于单神经元PID的挖掘机铲斗位姿自适应控制

为实现挖掘机作业过程自动控制,需要对铲斗位姿准确定位。建立了挖掘机工作装置运动学模型及电液控制系统模型,针对挖掘机电液控制系统的时变性与外界干扰的不确定性特点,设计了一个单神经元自适应PID控制器,并采用二次型性能指标对控制器参数进行在线优化。仿真试验表明,该控制器响应快速、平稳,对参数时变与不确定扰动具有一定鲁棒性,能有效地对挖掘机铲斗位姿进行精确控制。

汽车主动悬架的单神经元自适应控制

在1/4汽车动力学模型的基础上,设计了汽车主动悬架的自适应神经元控制器。以车辆的行驶平顺性为主要控制目标,车身垂直加速度、悬架动挠度、车轮动位移为具体评价参数,研究了系统在随机路面激励条件下的时域响应,计算了振动响应的均方根值,考察了在变参数条件下控制器的鲁棒性。仿真结果表明,该控制器能有效改善车辆的综合性能,尤其是平顺性和舒适性,并且具有较好的鲁棒性,对模型参数的变化有一定的适应性。

精密直线位移工作台单神经元自适应PID控制方法研究

设计并实现了一套直线位移工作台的精密运动控制系统 ,建立了直线位移工作台系统各组成部分的数学模型 ;在分析研究常规PID控制的基础上 ,针对精密直线位移工作台对定位、响应速度、运动方向等方面的高精度要求 ,提出了一种适合于高精度直线位移工作台的单神经元自适应PID控制策略 ,实现了对直线位移工作台的精密运动控制 ;经实验表明该精密直线位移工作台单神经元自适应PID控制具有良好的动态性能、自适应能力和较强的鲁棒性。

采用单神经元自适应控制高精度空调系统仿真

暖通空调领域中的被控对象(空调房间)大多具有大滞后、慢时变、非线性特点,且受各种不确定因素影响,经典控制方法难以实现精确控制。该文正是针对上述实际,将具有自学习、自适应功能的神经元控制算法引入高精度空调控制领域,并通过MATLAB仿真,考察了系统的控制效果。仿真结果表明此控制方法具有超调小、抗干扰能力强、控温精度高的优点,从而为空调系统的高精度控制提出了一个新的途径。

基于单神经元自适应PID算法的直流有刷电机位置控制系统设计

位置控制式直流有刷电机在生产和生活中有广泛的应用。在一些控制惯量大、力矩变化、非线性强的应用场景中,现有的直流有刷电机位置控制系统具有成本高、适应性不强、鲁棒性差等缺点。因此,本文设计了基于双闭环单神经元自适应PID算法的直流有刷电机位置控制系统。搭建了基于STM32单片机的电机控制试验台并对控制系统进行了验证。实验结果表明本文设计的的控制系统具有适应性强、运行平顺、抗干扰能力强、控制精度高的优点,为低成本直流有刷电机控制系统提供了一种有效的方案。

基于单神经元PID的车辆主动悬架最优自适应控制

为克服路面一车辆系统中存在的动态行为不确定性,针对1／4车辆主动悬架系统,设计了一个基于单神经元PID的自适应控制器,并采用二次型性能指标对控制器参数进行了优化设计。研究了系统在随机路面激励条件下的时域响应,计算了振动响应的均方根值,考察了在变参数条件下控制器的鲁棒特性。仿真结果表明,该控制器能有效改善车辆的综合性能,尤其是平顺性和舒适性,且鲁棒性好,对模型参数的变化具有一定的适应性,便于实现和应用。

单神经元自适应控制在DCS中的实现研究

在自行研制开发的LN2 0 0 0分散控制系统中 ,设计并开发了单神经元自适应控制功能模块 ,详细介绍了该模块的输入输出变量和参数设置 ,论述了模块内部进行的手、自动无扰切换的处理方法。针对火电厂主汽温被控对象 ,采用单神经元自适应控制器组成串级控制系统 ,利用LN2 0 0 0分散控制系统平台 ,进行实时仿真研究 ,结果表明 。

单神经元自适应控制传动系统的稳定性分析

文章从非线性控制器的角度 ,在对单神经元自适应控制器的 I/O特性进行分析的同时 ,运用控制理论中的有关分析工具 ,深入研究了单神经元自适应控制传动系统的稳定性 (或控制策略的收敛性 )。实验结果表明 ,单神经元自适应控制器具有较强的鲁棒性与自适应性。

单神经元PID的波浪补偿系统自适应控制与仿真

针对一种新型主动式波浪补偿系统的机、电、液非线性控制问题,以经典PID为基础,提出了一种利用单神经元结构加以实现的智能PID控制算法.基于二次型性能指标,推导出单神经元输入权值参数自调整算法,并采用积分分离的方法对其进行了改进.将控制算法应用到波浪补偿系统的控制中,在Matlab环境下进行仿真,仿真结果验证控制器有效,单神经元PID控制克服了传统PID控制的不足,有效地改善了控制性能.

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。

改进的单神经元自适应控制系统在MCGS中的应用

对于现代工业控制中的一些具有时变的、大时滞、非线性的复杂系统,常规的PID算法难以整定PID参数,因而难以达到预期的控制效果.本文在MCGS组态软件的实验平台上实现常规PID算法和单神经元自适应PID算法分别在线性和非线性的系统的控制.实验结果表明,在线性系统和非线性系统中单神经元自适应PID控制算法都具有更好的稳定性和动态性能.

基于单神经元自适应算法的贴标机张力控制方法

目的为了保证贴标机标带张力的恒定,以提高贴标精度。方法基于单神经元自适应算法提出一种贴标机恒张力控制方法,详细分析贴标机供标机构的动力学模型,并得到动态力矩平衡方程,阐述影响张力恒定的关键因素。根据单神经元控制理论,提出一种张力自适应控制算法,并设计相应控制器。搭建试验平台,进行相关试验研究。结果采用所述控制方法,贴标机正标率均大于97%,贴标过程张力恒定。结论该控制系统贴标精度较高,适用范围广,响应快速稳定。

单神经元自适应控制算法的Boost研究

分析了Boost电路的开关过程,利用状态空间平均法创建了Boost变换器的平均模型,基于增量PID控制算法和单神经元自适应控制算法进行了仿真研究。结果表明,和增量PID控制算法相比,单神经元网络自适应控制算法具有动态上升速度快,误差小等优点。

解方程组的单神经元自适应控制微粒群算法

基于微粒群算法解决函数优化问题的优点,提出了使用微粒群算法求解方程组,并给出了求解方程组的通用模型。应用标准微粒群算法求解方程组容易陷入局部极值,导致方程组的解精度不高,并且算法具有较复杂的非线性特性。因此,将微粒群算法作为控制对象,引入单神经元控制器控制算法的惯性权重,将控制器具有的自学习、自适应能力和算法的全局优化特性相结合,用于方程组的求解。实验结果表明,该方法是有效可行的,适合于求解实际工程问题中的高非线性度方程组。

酸碱中和反应中pH值的单神经元自适应控制研究

基于酸碱中和反应过程中pH值变化的动态模型,设计单神经元自适应控制器,解决化工生产过程中pH值的PID控制所存在的调节时间长、超调量大和系统抗干扰性差的问题。在相同条件下与PID控制器进行对比实验,实验结果表明单神经元自适应控制器明显改善pH值过程控制系统的动态性能,该控制系统具有较强的自适应性与鲁棒性。

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器。将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制。在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度。

基于微粒群算法的无刷直流电机单神经元自适应控制

为提高无刷直流电机速度控制性能,提出一种基于微粒群优化算法的单神经元自适应速度控制算法,该算法利用单神经元在线调整连接权值的能力,实现无刷直流电机速度的自适应控制。针对传统单神经元权值调整规则容易陷入局部最优等不足,利用微粒群优化算法良好的全局和局部寻优能力对单神经元连接权值进行在线调整,提高了单神经元的自学习、自适应能力。Matlab仿真和实验结果表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。