改善系统暂态稳定性的HVDC模糊神经控制器

提出了一种HVDC在线模糊神经控制器以提高交直流系统的暂态稳定性。该控制器的特点是结合了模糊系统处理复杂和不确定性问题及神经网络具有自学习能力的优点,选取整流侧交流母线电压相位误差及其变化率作为模糊逻辑控制部分的输入,其输出结果作为神经网络的一个输入,采用改进BP算法进行在线训练神经网络,神经网络的输出用来修正整流器的触发角,并利用NETOMAC软件对控制器主要参数进行了离线优化。仿真结果表明该控制器能有效地抑制有功功率振荡,改善发电机的功角特性,提高系统的暂态稳定性。

自适应模糊神经控制器在MIMO系统中的应用研究

首先给出一种适用于 MIMO系统的自适应模糊控制器 ,然后针对该控制器用于复杂系统时 ,存在模糊规则过多且建立规则的时间随规则数增加呈指数增长的问题 ,提出了另一种适用于 MIMO非线性系统的自适应模糊神经控制器 .该控制器采用“全逼近”的控制策略 ,依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律和参数自适应律 .仿真研究证明了

基于FAM的模糊神经控制器的研究

根据模糊联想记忆(FAM)理论,提出了预解模糊FAM原理,给出了预解模糊FAM和一般FAM的等价性的构造性证明。为了提高FAM推理过程的自适应能力,将神经网络应用于预解模糊FAM推理,提出了一种新的智能控制器——FAM神经控制器(FAMNC),以小车倒立摆为控制对象进行了仿真研究,表明了所提方法的可行性。

新型动态模糊神经控制器及其混合学习算法研究

介绍了一种基于动态模糊神经控制器的控制系统,通过在模糊神经网络控制器的第2层引入动态递归环节,使其具有动态映射能力,并提出了动态模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习.通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法是可行的和有效的.

模糊神经控制器在全自动洗衣机中的应用

模糊逻辑和神经网络都是处理不确定性 (受控对象缺乏精确的数学描述或具有时滞非线性等复杂性 )问题的有效手段。但模糊逻辑具有模拟人脑抽象思维的特点 ,适合于直接表示知识。而神经网络具有模拟人脑形象思维的特点 ,具有学习 ,记忆 ,容错等能力 ,二者存在一定的互补性。将神经网络引入模糊逻辑控制器可以更好地提高控制系统的智能性。

模糊神经控制器在复杂系统中的应用研究

首先提出一种适用于复杂系统的自适应模糊控制器.针对该控制器在应用于复杂系统时,模糊规则过多及建立规则的时间随规则数增加而以指数规律增长的问题,提出了另一种适用于复杂系统的自适应模糊神经控制器.该控制器采用“全逼近”的控制策略,依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律及参数自适应律.仿真研究证明了复杂系统的稳定性以及跟踪误差的收敛性.

一种递归模糊神经控制器及其混合学习算法研究

介绍了一种基于递归模糊神经控制器的控制系统,它是通过在模糊神经网络控制器的第2层引入动态递归环节,从而使其具有动态映射能力。文中还提出了递归模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习。通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法的可行性和有效性。

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器.以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案.仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度.该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案.

基于改进遗传算法的温湿度模糊神经网络控制器

为了创造适合作物生长的环境,针对温室系统的特点,该文提出了一种基于改进遗传算法的模糊神经网络控制器,利用改进遗传算法训练模糊神经网络模型,采用此模糊神经网络控制器控制温室系统,由数值实验可以看到采用此控制器的温室系统具有响应速度快、过程平稳、编程简单的特点。

一种模糊神经PID控制器的设计

提出一种新型的模糊神经PID控制器,分析了其结构组成和基本性能。仿真结果表明,这种模糊神经PID算法的学习速度明显快于常规的BP算法,而且其控制系统具有较好的动态性能。

木材干燥过程温湿度的T-S型模糊神经网络控制器设计

木材干燥过程是一个强耦合、大滞后的非线性动力系统,很难准确建立被控对象的数学模型。为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,将智能控制引入木材干燥控制系统是必然的发展趋势。结合模糊控制和神经网络优点,设计了一种木材干燥窑内温湿度的Takagi-Sugeno(T-S)型模糊神经网络控制器。该控制器无需对象的精确数学模型,适应性强,利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力来实现整个非线性过程的模糊逻辑推理。仿真和实验结果表明,T-S型模糊神经网络控制器有效解决了木材干燥过程的温湿度控制,控制器响应速度快、超调小、鲁棒性强、控制精确度高,可以满足木材干燥控制系统要求。

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。

基于粒子群优化算法的模糊神经分数阶PID电子节气门控制器设计

针对汽车电子节气门的精确跟踪控制问题,建立了面向控制器设计的非线性模型,分析了摩擦非线性以及LH非线性对电子节气门位置的影响。采用模糊神经分数阶PID控制方法设计了电子节气门非线性控制器,并利用粒子群优化算法对控制器参数进行优化。最后将扰动考虑在内进行了仿真实验,仿真实验表明基于模糊神经分数阶PID的控制方法能够很好地实现电子节气门控制。

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点 ,提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构 ,并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明 ,此种模糊遗传算法不仅加快了解的收敛速度 。

一种最优模糊神经网络控制器

基于最优控制的思想 ,通过对控制系统的过程模拟 ,提出一种最优模糊神经网络控制器的设计方案。首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构 ,然后利用基于浮点数编码机制的遗传算法寻找最优的控制器参数。

神经元自适应模糊控制器应用于弯辊板形自动控制系统的研究

液压弯辊是板形控制系统最基本的环节,它的动态特性和稳态性能对于整个板形控制系统的性能起着至关重要的作用。针对其非线性、时变性及不确定性,设计了一种基于单个神经元的自适应模糊控制器并应用于带材板形控制中。仿真结果表明,神经模糊控制是对液压弯辊板形控制的有效工具,大大提高了液压弯辊系统的动态响应速度及对目标弯辊力给定值的跟踪精度,改善了板形控制质量。探索了一种非解析原理的弯辊板形自动控制建模方法,解决了系统建模带来的诸多困难。

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性。仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,控制输出稳定,抗干扰能力强,鲁棒性好,较模糊PID和传统PID控制器具有更好的动、静态特性。

GA优化T-S模糊神经网络的干燥窑温湿度控制器设计

为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,结合模糊控制、神经网络和遗传算法的优点,设计了一种遗传算法(GA)优化的T-S模糊神经网络温湿度控制器。该控制器利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力实现整个非线性过程的模糊逻辑推理,并通过遗传算法对神经网络的参数进行优化与训练,提高系统的自学习和自适应能力。仿真实验结果表明,在木材干燥过程的温湿度控制上,GA优化的T-S型模糊神经网络控制器具有良好的控制效果,控制器响应速度快、超调小并且具有一定的鲁棒性。

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能。

神经元模糊控制器在工业过程控制中的应用

针对普通模糊控制器存在控制精度不理想的问题 ,提出一种把神经元与模糊控制器相结合的方法 ,提高了控制系统的鲁棒性和控制精度 ,应用于工业过程控制中表明该系统具有良好的性能及应用前景。