小脑模型连接控制(CMAC)网络用于热轧带钢卷取温度控制

用解析模型描述层流冷却过程的热轧带钢卷取温度控制系统在换规格时自适应能力较差 ,因为系统的自适应系数体现的是均值效应 ,对于动态随机不确定复杂过程的描述与控制往往无能为力·针对这一不足 ,采用小脑模型连接控制 (CMAC)网络进行动态随机自适应控制 ,取得了令人满意的结果·模拟冷却结果表明 ,小脑模型连接控制网络充分发挥了模糊联想记忆的功能 ,可以对没有精确数学模型的不确定复杂过程进行精确控制 ,增强了系统自适应能力 ,它是性能优良的前馈网络·

无刷直流电机小脑模型网络与PID复合控制

为提高无刷直流电机调速驱动系统的性能,提出了无刷直流电机的小脑模型神经网络与PID复合控制策略。介绍了小脑模型神经网络的原理,给出了复合控制器的结构框图及适于数字控制的算法离散化过程,并对控制系统在转速指令和负载转矩变化时的性能进行了仿真和实验验证。结果表明,所提出的智能控制策略在减小转速超调的同时保证了响应速度,能快速平稳的跟踪给定指令,有效的抑制了负载扰动的影响,动、静态性能均优于PID控制。

非线性量化小脑模型关节控制器神经网络控制器

常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、三角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显著提高,可以有效解决实际复杂非线性时变系统的控制.

基于小脑模型关节控制器神经网络的短期电价预测

电价预测是电力市场决策的基础。文中介绍了采用小脑模型关节控制器(CMAC)神经网络建立预测提前1天不同时段的电力市场短期电价的预测模型。并以美国加州电力市场的数据作为计算实例,分别采用CMAC神经网络和反向传播算法(BP)神经网络进行短期电价预测。两种预测结果对比表明,CMAC神经网络具有所需训练样本少、输出稳定性好、计算速度快和预测精度高等优点,比较适用于短期电价预测。

小脑模型神经网络控制器在天线跟踪指向控制中的应用

分析了天线跟踪指向控制系统的特点和影响系统跟踪性能的主要因素,建立了系统数学模型。根据系统特点,给出了小脑模型神经网络控制器(CMAC)和PID相结合的复合自适应控制方法的设计过程,并分析了该算法适用于天线跟踪指向控制系统的优势。该方法利用传统的PID控制,结合CMAC神经网络算法的快速自学习、精确逼近的优点,既满足了天线跟踪指向控制系统快速实时跟踪的要求,又提高了跟踪精度和跟踪平稳性。仿真结果表明,该方法对摩擦力矩有很好的抑制作用,跟踪精度较单独采用PID控制提高一个数量级,且输出稳定,具有较强的鲁棒性。

机器人柔顺装配夹具的双小脑模型神经网络控制系统

介绍了一种新型的机器人柔顺装配夹具及其装配系统。设计了由装配力信号为输入的小脑模型神经网络CMAC1和以浮动平台位移信号为输入的小脑模型神经网络CMAC2并行叠加构成的双CMAC神经网络控制器 ,前者作为前馈控制 ,后者当夹具刚启动时为前馈控制 ,装配开始后转为反馈控制。双CMAC神经网络控制器具有存储容量少、系统较稳定、能减少系统误差影响、装配力小等优点。

基于气动人工肌肉的自适应模糊小脑模型神经网络位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID(DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AF-CMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AF-CMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.

基于小脑模型神经网络-比例积分微分控制的异步风力发电机组软并网控制系统建模与仿真

分析了利用晶闸管进行软并网的原理;采用改进的小脑模型神经网络与比例积分微分并行控制方法对风力发电的异步发电机并网过渡过程进行了研究;利用Matlab/Simulink平台建立了仿真控制模型。不同风速下风电机切入电网的仿真结果验证了文中所提出控制方案的正确性:采用该控制方案可将并网冲击电流控制在额定电流的2倍以内,且该软并网系统具有较好的稳定性、实时性。

一种基于对策模型的ATM网络连接接纳控制策略

本文先简述了ATM网络进行连接接纳控制(Connection Admission Control:CAC)的主要方法,其中主要综述了基于动态带宽分配的CAC策略,而后从合作对策模型的角度讨论业务间共享链路资源的公平性问题,提出一种基于时延带宽积的业务收益函数形式,并通过遗传算法求解待优化的对策函数,以决定对呼叫请求的接入或拒绝。仿真结果表明此方法能够更好地保证不同带宽和服务质量要求的业务共享网络资源的公平性。

基于模糊小脑模型神经网络的直线伺服跟踪控制

以永磁直线同步电动机为被控对象,在高精度直线伺服跟踪控制系统中,为使输出响应快速地跟踪输入指令,需要克服系统滞后、未建模动态、不确定性以及负载的变化因素等的影响.为此,提出了一种模糊小脑模型(FCMAC)神经网络直接逆控制的方案,可动态地克服上述这些因素的影响.同时,还给出了较详细的原理分析及实现过程.仿真结果表明,此控制方案是十分有效的,能够明显地提高伺服系统的快速跟踪能力,并使系统具有较强的适应性和鲁棒性.

双向规划小脑模型神经网络CMAC学习控制

CMAC小脑模型是模拟人小脑的一种学习结构。以往CMAC方法为单向规划方法,为改善CMAC学习控制效果。

基于IBP信源模型的ATM网络连接允许控制

本文提出了一种简单、有效的连接允许控制方法，该方法是采用ＩＢＰ业务模型和ＡＴＭ节点的虚路径缓冲器和容量参数，通过在线计算信元丢失概率的上限来实现的。由于ＩＢＰ模型中的信元到达时间间隔的分布具有解析特性，使得基于ＩＢＰ模型的信元丢失概率的上限计算问题得到简化，增强了允许控制的实时性。

6-PRRS并联机器人的小脑模型神经网络控制

设计了小脑神经网络控制器。采用分散控制策略利用小脑神经网络来消除并联机器人控制系统非线性、耦合的影响及学习系统的不确定信息,作为前馈补偿使系统跟踪误差快速收敛;并采用PID作为反馈控制,保证系统的稳定性,从而实现6-PRRS并联机器人的快速、稳定轨迹跟踪。

小脑模型神经网络在紫外线消毒控制中的应用

在用微机控制紫外线消毒的过程中,需要根据电源电压计算出紫外线照射时间,由于这两者之间的非线性关系难以用明确的函数描述,因此,笔者研究了一种用改进的小脑模型神经网络进行映射的方法,取得了很好的效果。该文重点阐述了该小脑模型神经网络的算法、应用原理和方法。并对研制该装置的意义和装置的简要原理及实验、试用情况等做了简要介绍。

基于自组织小波小脑模型关节控制器的不确定非线性系统鲁棒自适应终端滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以良好的跟踪性能及强鲁棒性为目标,提出基于自组织小脑模型(self-organizing wavelet cerebellar model articulation controller,SOWCMAC)的鲁棒自适应积分末端(terminal)滑模控制策略.首先,将小脑模型、自组织神经网络和小波函数各自优势相结合,给出一种SOWCMAC,以保证干扰估计方法具有快速学习能力和更好的泛化能力.其次,设计两种改进的terminal滑模面构造方法,并分别给出各自的收敛时间.然后,基于SOWCMAC和改进的积分terminal滑模面,给出不确定非线性系统鲁棒自适应非奇异terminal控制器的设计过程,其中通过构造自适应鲁棒项抑制干扰估计误差对系统跟踪性能的影响,并利用Lyapunov理论证明闭环系统的稳定性.最后,将该方法应用于近空间飞行器姿态的控制仿真实验,结果表明所提出方法有效性.

基于连续映射小脑模型的广义预测控制快速算法

文中把改进后的小脑模型（CMAC）应用于广义预测控制（GPC）算法中，避免了该算法需实时进行的复杂计算．本文的方法对GPC在实际中的应用有重要的意义．

基于小脑模型神经网络的温控负荷优化调度方法

温控负荷能够通过需求响应为电网提供频率调节辅助服务。针对传统控制方式调节能力有限和温度变化较大的问题,提出了一种基于小脑模型神经网络的混合控制策略。首先,利用小脑模型神经网络实时优化功率调节量,从而将调节任务分配给不同控制方式的负荷集群;然后,负荷集群完成所分配的调节任务,并根据用户的不同需要分别定义储能指标和不舒适度指标;最后,采用模糊综合评判法对用户满意度进行评估,再将用户满意度与均方根误差相互权衡以建立综合评价指标,并将其反馈回小脑模型神经网络,从而为功率调节量的优化提供依据。仿真结果表明,所提策略不仅可以提高系统的跟踪精度,而且能够改善用户的满意度。

无人机舵面负载模拟系统的小脑模型控制

为解决无人机舵面负载模拟系统中非线性和多余力矩扰动问题,利用小脑模型神经网络非线性逼近能力强、结构简单、适于实时控制等特点,采用小脑模型和传统PD(Proportional-Derivative)控制结合的复合控制策略,由小脑模型实现前馈控制,PD控制实现反馈控制,以保证在系统运行各阶段的控制精度.分析讨论了复合控制的不稳定性问题,研究了基于可信度分配和学习率自适应调整的改进型小脑模型的应用情况,提出一种适用于单输入单输出系统的简化小脑模型复合控制设计方法.仿真结果表明该方法有效地解决了小脑模型和PD复合控制的不稳定问题,改善了系统动态加载性能,并具有很好的抗干扰性能.

一种CMAC网络模型及其在机器人控制中的应用

小脑模型关节控制器(CMAC)具有学习算法简单、在线学习速度快的优点，非常适于机器人等复杂系 统的自适应控制．本文阐述了 CMAC 的原理，证明了其收敛性，提出了一种适合于机器人轨迹跟踪控制的 CMAC，并给出了仿真实验结果．

一种处理服务器连接的控制模型

针对SOCKS服务器对用户连接的处理方案中无主动控制的不足,提出了SOCKS服务器选择关闭连接的一个数学模型,并针对不同的应用要求,对模型进行了优化,利用缓冲进程解决计算与连接建立的并行问题,且为SOCKS服务器接收用户请求建立了数学模型,最后利用概率关闭节约计算资源.