基于模拟正交神经网络的电热干燥器温度控制

该文研究的目的是建立一种模拟正交神经网络控制器用于电热干燥器的温度控制。首先在数字正交神经网络的基础上给出模拟神经网络的学习算法,然后提出模拟正交神经网络加积分的并行控制方法,并应用于电热干燥器的温度控制中。温度控制仿真结果证明,这种控制器比P ID控制器具有更好的快速性和较小的超调,温度控制获得了满意的控制效果。该模拟神经控制器能用于不确定对象的控制,为不确定系统控制提供了一种新的途径。

伺服系统在摩擦条件下的模拟复合正交神经网络控制

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于非线性伺服系统控制中。在带有非线性摩擦力矩的直流电机飞行模拟转台伺服系统中,控制系统是基于PD控制加神经网络前馈控制的并行控制方法,使用神经网络是用来消除非线性摩擦力矩的影响。通过数字复合正交神经网络的连续化算法处理获得了一种模拟复合正交神经网络,并作为前馈控制器。用并行控制与单一的PD控制对带有非线性摩擦力矩的直流电机伺服控制作了仿真研究。仿真结果表明复合控制比单一的PD控制具有实时性好、响应速度快、跟踪精度高,位置与速度跟踪控制获得了满意的效果。该模拟神经控制器能用于不确定对象的控制,为不确定系统控制提供了一种新的途径。

机器人的模拟复合正交神经网络学习控制

提出一种神经网络与PD并行控制的机器人学习控制系统。为了加快神经网络的学习算法,在数字复合正交神经网络的基础上给出一种模拟复合正交神经网络的学习算法,以两关节机器人为对象仿真结果表明,该控制方法使机器人跟踪期望轨迹,其系统响应、跟踪精度和鲁棒性优于常规的控制方法,位置跟踪获得了满意的控制效果。该模拟神经控制器为不确定系统的控制提供了一种新的途径。

模拟复合正交神经网络控制器在机械臂控制中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并应用于机械臂的控制.控制器采用模拟复合正交神经网络与PD的并行控制方法,对机械臂的位置控制做了仿真实验.结果表明,相对于常规PD控制器,该神经网络控制器具有自学习、自适应功能,位置跟踪获得了满意的控制效果.该模拟神经控制器能应用于机器人控制系统中.

模拟复合正交神经网络在轴向磁轴承中的控制研究

在数字复合正交神经网络(NN)的基础上提出一种模拟复合正交神经网络,并用于轴向磁轴承的控制中.控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN+PID控制的仿真实验.仿真结果表明,相对于常规PID控制器,该并行控制法具有非常好的抗干扰与自适应能力,获得了满意的控制效果.

模拟复合正交神经网络控制器在直流调速系统中的应用

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于直流双闭环调速系统中。控制器采用模拟复合正交神经网络的直接自适应控制方法,并对带有负载干扰的直流双闭环调速系统作了PI控制与神经网络控制的仿真实验。仿真结果表明,相对于常规PI控制器,该神经网络控制器具有自学习,自适应功能,速度跟踪获得了满意的控制效果。该模拟神经控制器能用于直流与交流调速系统中。

基于模拟复合正交神经网络的曲线重建方法

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于曲线重建。由于模拟神经网络采用连续学习算法,故网络学习收敛速度快。仿真结果表明,在单变量和多变量复杂函数曲线重建中,用模拟复合正交神经网络方法重建的曲线具有很高的逼近精度。本文提出的曲线重建方法是一种快速有效的方法。由于该模拟神经网络可望用模拟电路实现硬件化,因此在图象图形实时处理中具有很好的工程应用前景。

模拟复合正交神经网络在轴向磁轴承中的控制研究

由于磁轴承的动态性能主要取决于所采用的控制规律,控制器是磁轴承系统的关键。在数字复合正交神经网络(NN)的基础上,提出了一种模拟复合正交神经网络,并用于轴向磁轴承的控制中。控制器采用模拟复合正交神经网络与PID的并行控制方法,对带有负载干扰的轴向磁轴承控制系统作了PID控制与NN+PID控制的仿真实验。仿真结果表明,相对于常规PID控制器,该并行控制法具有较高的抗干扰与自适应能力,控制效果理想。

基于拉盖尔模拟神经网络的过热汽温直接自适应控制系统

提出一种Laguerre(拉盖尔)模拟复合正交神经网络并应用于电厂过热汽温的直接自适应控制。模拟神经网络被作为直接自适应控制器,这种单隐层正交神经网络是基于Laguerre复合正交多项式函数,并具有在线连续学习的简单算法,且学习算法与被控对象模型无关。由于采用3层网络结构,输入层与隐层之间不用权值调整,在学习算法中只要在输出层与隐层之间寻找最佳权值,因此网络学习速度较快。网络隐层节点(处理元)是Laguerre多项式展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统性能优于常规的PI控制系统。