多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器.神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法.经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化.针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差.利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真结果表明所设计的控制系统具有良好的性能.

基于RBF神经网络的智能传感器测量误差补偿方法

传感器测量条件的变化会导致其输入输出特性偏离其原有的标定特性,从而产生测量误差。针对此问题,提出利用RBF神经网络进行传感器测量误差补偿,并设计基于智能传感器系统的实现补偿的方法。

基于模糊神经网络的轮廓误差附加补偿控制研究

在分析系统轮廓误差的基础上,提出了基于模糊神经网络的轮廓误差补偿方法,并说明其补偿器的原理、算法及实现。该法在不改变系统各单轴位置环的前提下,根据系统的轮廓误差,通过模糊神经网络的自学习能力动态向各轴提供误差补偿信息,进而提高系统的轮廓精度,同时也解决了各轴之间增益不匹配、动态不匹配和各轴不可预见性问题。最后,在MATLAB6.1环境下对该系统进行仿真,仿真结果表明其可行性和有效性。

神经网络补偿器在基于影像测量仪的运动控制系统中的应用

针对基于影像测量仪的运动控制系统存在的非线性误差问题,设计出神经网络补偿器.通过所采集的伺服电机的输入、输出数据,对非线性伺服电机的神经网络仿真器及补偿器进行训练.所设计的神经网络补偿器应用在运动控制的高精密定位系统上,使控制系统表现出良好的控制性能.仿真实验表明该控制器具有较强的有效性.

基于补偿模糊神经网络的数控机床热误差预报模型

文章提出了一种基于补偿模糊神经网络的数控机床热误差预报模型 ,讨论了该模型的详细结构、模糊规则、训练算法及相关技术问题 。

递归神经网络原理及其动态补偿器的设计

从介绍动态补偿设计的意义出发,重点分析了递归神经网络原理及其动态补偿器的设计原理,最后用仿真实验证实了设计的可靠性.

Apriori算法及神经网络在数控机床中应用研究

数控机床加工精度受到机床零部件、外部环境等因素的影响,从而需要添加适当的补偿参数确保加工精度的稳定性,另外,不同车床不同时刻的补偿参数实时变化。为此,提出一种基于关联规则及神经网络方法的智能误差补偿模型。以实际生产中产生的数据集为基础,通过Apriori算法对数据集进行筛选;对各个特征值与补偿参数进行归一化处理,以提高数据的收敛速度;利用神经网络模型为不同情形下的车床搜寻最佳补偿参数模型,从而构建起最佳的智能误差补偿模型;经过智能误差补偿后,对生产的物件进行图像识别,分析其是否符合精度要求。仿真测试结果表明:针对训练集数据和测试集数据,车床稳定性分别提高了0.695和0.713。实测结果显示:利用上述方法,对30个产品进行雕刻,精度均符合要求。因此,智能误差补偿模型能够提高车床加工稳定性,提升产品合格率。

供热隧道智能巡检机器人末端位姿控制研究

供热隧道智能巡检机器人在工作过程中,由于隧道内部支路复杂,导致末端位姿控制效果不理想,为此设计了一种针对供热隧道智能巡检机器人的末端位姿控制方法。首先在静平台中构建世界坐标系、在动平台中构建机器人目标坐标系,确定运动学正解坐标系;根据运动学正解坐标系,计算机器人运动学正解与视觉末端位姿控制差值,将该差值作为输入样本,通过RBF神经网络模型的训练使误差最小,将结果反输入,完成机器人末端位姿控制的补偿,实现机器人末端位姿控制。实验结果表明,所提方法负载转动角度控制误差较低、驱动力矩较高,稳定状态下偏移量较小。

大功率混合有源电力滤波器的智能控制策略

针对传统PI控制器的比例和积分控制参数是否取得最佳值能够对滤波器滤波性能产生较大的影响,提出了一种基于智能神经网络误差补偿(INNEC)及自适应模糊PI参数整定的大功率混合有源电力滤波器智能控制方法。其中,建立了新的模糊规则并利用模糊推理对PI控制器的比例系数、积分系数进行在线修改,实现PI参数的最佳调整;在经模糊整定后的PI控制器前串接一个智能神经网络误差补偿器来有效补偿负载谐波电流与逆变器实际输出电流之间的误差。仿真和实验结果验证了该控制方法的可行性和有效性,与传统PI控制方法比较,能有效提高系统的目标跟踪能力,滤波性能更好。

带误差补偿的刀具智能监控系统

以数控车削加工为例,建立刀具状态向量,通过神经网络BP算法程序综合分析,建立刀具智能监控系统,并与机床定位误差补偿系统联动,完成提高加工精度和刀具工况监察的综合智能控制。

数字化智能排绳器的设计

针对应用于煤矿开采小绞车中的传统排绳机构不能长时间连续有序排绳、容易造成钢丝绳磨损甚至断绳的问题,设计了一种新型数字化智能排绳器,阐述了排绳器的基本结构、工作原理以及重要部件设计,详细分析了PID控制和前馈控制算法的实现。该排绳器采用数字化智能控制技术,实现了实时精确跟随、准确及时自动换向与误差实时补偿功能。数字化智能排绳器在煤矿小绞车中的应用实例验证了其具有良好的排绳效果。

汽车HID前灯电子镇流器的智能控制方法

汽车高强度气体放电(HID)前照灯的启动需要经过6个不同的阶段,每个阶段都呈现出不同的特性,需要不同的控制策略。采用双频逆变器驱动的简洁点火电路,提出一种适用于HID灯负载特性与控制规律的分段智能控制方法,将启动阶段的恒压控制模式和功率控制模式改进为恒流控制模式,给出了电流环闭环控制系统和电流误差补偿器的详细设计,给出了时序逻辑和软件控制流程。实验结果证明,所提出的智能控制方案具有电路简单、控制灵活、灯平稳启动和无声共振等优点。

带有完全分布式观测器的多智能体系统自适应容错一致性

针对一类同时带有执行器故障,未知非线性动态和非匹配干扰的多智能体系统,本文提出一种新的自适应容错控制方案.首先,设计一种适用于有向切换拓扑的完全分布式观测器估计领导者的信息,将一致性问题转化为局部的信号跟踪问题.其次,拆解转化后的误差系统为两个耦合的子系统,实现非匹配干扰与匹配因子分离.然后,利用径向基神经网络近似非线性动态,并结合反步法设计3种自适应故障补偿器,使系统能够在线补偿故障和未知动态的影响.最后,数值仿真验证了所提方案的有效性.

切削过程的位置误差补偿控制研究

本文作者运用经典控制论对切削过程的位置误差补偿控制进行了研究。接着,作者对神经网络理论中的标准反向传播算法BP作了改进并提出了IBP算法。基于IBP法,作者构造了一个用于切削过程位置误差补偿控制的多层前馈神经网络控制器,并作了仿真控制试验。研究结果表明:IBP法较标准BP法具有更快的迭代速度和收敛性质;所建的智能控制器虽然结构简单,但在误差补偿控制方面跟经典控制法相似具有一定的控制效果。

基于数据驱动的机床热误差补偿技术研究

随着先进制造技术的发展,对数控系统的高速、高精、高效、智能化方面的要求越来越高,为此,实现热误差补偿在内的补偿技术具有重要的现实意义.热误差的非线性问题是实现误差补偿的难点之一,传统的补偿方法采用离线线性拟合的方法,造成较大的拟合误差且实时性很难保证,为此传统的基于精确模型的热误差补偿技术遇到了发展瓶颈,提出了采用数据驱动的方法实现机床热误差补偿,采用模糊神经网络作为学习模型,结合加工过程实时采集到的误差数据,提供最优的补偿策略,减小了拟合误差,提高热误差补偿的补偿精度,并通过试验进行测试,测试结果表明所提出的补偿方案相对于传统的方案,显著改善了拟合精度,从而验证了该方案的可行性.

天线伺服机械精度的智能创成方法

基于 BP神经网络算法生成误差补偿单元 ,提出一种可行的采样学习实施方法和高效的算法迭代格式 ,对轴系、齿隙、传动、检测元件和光机电匹配的误差引起的天线伺服机械的测向误差可进行有效校正 ,实现系统高精度的智能化创成。方法简单可行 ,显著提高系统精度 ,测角误差由 2毫弧度减小为 0 .2毫弧度 。

天线伺服机械的智能创成精度

基于BP神经网络算法生成误差补偿单元 ,提出一种高效、高精度的采样学习实施方法和具体算法迭代格式 ,对天线伺服机械数据进行有效校正 ,实现系统高精度的智能化创成。方法简单可行 ,显著提高系统精度 。