一种模糊神经解耦混合控制器的研究

该文将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明 ,该控制方法对非线性时变系统有较好的控制效果。

一类自适应模糊神经解耦混合控制器的研究

将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明，该控制方法对非线性时变系统有较好的控制效果。将该算法应用于电控天然气发动机空燃比控制中，利用宽域空燃比传感技术，通过调整喷射脉宽控制发动机的空燃比，取得了良好的控制效果。

改善模糊神经网络控制器性能的新方法-混合遗传算法

将遗传算法引入到模糊神经网络控制器的学习过程中，提出了一种综合遗传算法和梯度下降法优势的混合遗传算法。它一方面改善了梯度法的收敛性，使模糊系统对专家知识的依赖性大为降低，提高了系统的智能化水平；另一方面有效地提高了遗传算法的搜索效率，强化了模糊系统的学习能力。仿真结果证明了算法的有效性。

模糊神经网络在混合煤气解耦控制中的应用

本论文基于包钢现有高炉煤气和焦炉煤气混合调节计算机控制系统的缺陷,提出一种新的控制方法:模糊神经网络智能解耦控制,从而解决了当前冶金行业中高炉、焦炉混合煤气的压力和热值不稳定的难题。

一种基于模糊神经元混合控制器的交流驱动系统

针对数控机床主轴电机的高动静态特性要求，文章介绍了一种新型模糊控制与神经元控制相结合的模糊神经元混合控制器，采用该控制器，使驱动系统性能指标较好地满足了数控机床的要求，且系统控制结构简单，易于实现。

基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制(英文)

将逆系统方法与模糊神经网络相结合,提出一种基于模糊神经网络α阶逆系统的发酵过程解耦控制方法.在分析了系统可逆性的基础上,利用模糊神经网络建立发酵过程的非线性逆模型,然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统,最后设计专家控制器实现高性能闭环解耦控制.仿真结果表明,提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点,且结构简单,易于实现.

流化床锅炉燃烧系统模糊-BP神经网络PID解耦控制

燃烧控制是循环流化床锅炉控制系统的重要环节。料床温度和主汽压力是循环流化床锅炉燃烧控制系统中的两个重要参数,维持正常的床温和主汽压力是循环流化床锅炉稳定、经济运行的关键。针对床温和主汽压力耦和强烈以及动态特性随运行工况变化的特点,提出了一种模糊-BP神经网络自适应PID控制器,用于燃烧控制,它融合了神经网络和模糊控制的优点,采用最速下降法在线整定PID控制参数,实现对耦合强烈的流化床锅炉床温、主汽压力对象的解耦控制。仿真研究表明:该方案解耦效果良好,并且有效克服了流化床燃烧对象的大滞后和非线性,获得了良好的控制品质。

基于自适应积分补偿神经网络模糊气压解耦控制

多支路气压系统中的各支路气压的变化不仅会影响其他支路气压的变化,还会影响总管气压的变化,导致各支路气箱中的气压与总管的气压产生了耦合震荡。针对气压控制系统中多支路气压的耦合震荡的问题,提出了自适应积分补偿神经网络模糊控制方法对气压控制系统进行解耦控制,采用自适应神经网络对模糊规则进行训练和学习,并引入了自整定积分控制器共同控制多路高速开关电磁阀,达到多路气压精准跟踪控制效果。试验平台采用AMESim搭建了64支路的气压控制系统仿真模型,并结合MATLAB/Simulink进行联合仿真分析。仿真实验结果表明,所提出的自适应积分补偿神经网络模糊控制算法对气压稳定控制效果提升明显,在气压控制系统中具有控制精度高、鲁棒性好、稳定性强等特点。

一种基于混合学习算法的模糊神经网络控制

针对ＢＰ算法容易陷入局部极小的缺点，利用遗传算法极强的全局搜索能力对模糊神经网络控制器参数进行离线优化，并对遗传操作进行了改进，使其最终搜索到全局最优或近似全局最优的附近．再利用ＢＰ算法较强的局部搜索能力和对对象的适应能力进一步进行参数的在线调整．仿真结果表明：该方案的综合性能优于常规模糊控制器．

自适应神经模糊推理系统在倒立摆控制中的应用

针对单级倒立摆系统具有多变量、非线性、绝对不稳定的特点,应用Matlab/Simulink设计了用于倒立摆系统的、基于自适应神经模糊推理系统的ANFIS控制器,采用反向传播算法和最小二乘算法的混合算法对倒立摆控制样本数据进行学习,调整各变量的隶属度函数,自动产生模糊规则。仿真结果表明,ANFIS控制器对倒立摆系统的摆杆角度和小车位置的控制过程具有良好的动态性能和稳态性能。

智能解耦控制器在循环流化床锅炉燃烧系统中的应用

针对循环流化床锅炉燃烧过程中主汽压力和炉床温度强耦合的控制难点,提出了基于单神经元自适应控制(PSD)和模糊神经网络的智能解耦控制系统.对循环流化床锅炉燃烧系统在不同负荷(50%和100%)工况下的仿真结果表明,该控制方案成功实现了主汽压力和炉床温度的解耦控制,当燃烧对象操作范围发生较大变化时,该方案具有较好的控制品质和较强的自适应能力.

模糊控制在混合煤气压力与热值控制中的应用研究

针对高炉煤气和焦炉煤气混合配比过程的特点,以及冶金行业对混合煤气压力与热值双稳定的要求,结合模糊控制和神经网络控制的理论基础知识和发展现状,将二者结合形成神经网络模糊控制,应用于混合煤气的解耦控制中;建立模糊规则库并设计神经元解耦控制器;应用Matlab仿真工具箱来验证控制效果。结果表明,本控制方法明显的提高了控制精度,减小压力与热值的波动,能够满足生产的要求。

神经模糊技术在DSP控制交流调速系统中的应用

运用神经模糊技术中的串联型神经模糊混合模式,设计了神经网络在线模糊自适应控制器,作为异步交流电机直接转矩调速系统中的速度控制器.在TMS320F240 DSP的开发平台上进一步开发设计了全系统的硬件和软件.实验结果表明,系统取得了较好的调速性能.

LF炉电极控制器设计及其应用

针对LF钢包精炼炉电极控制系统具有非线性、时变、模型不确定、多输入多输出强耦合的特点,提出一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制方案,并进行了控制器设计。应用结果证实了此控制方案的有效性。

基于磁流变技术的发动机振动模糊控制研究

为实现宽频范围内对发动机振动进行积极隔振,提出了一种混合模式的磁流变悬置结构。以磁流变悬置动态性能试验结果为数据样本,利用BP神经网络分别对磁流变悬置正、逆模型进行辨识;同时,建立了三点磁流变悬置系统6自由度模型,设计了基于磁流变悬置BP神经网络正、逆模型的模糊控制器,对磁流变悬置系统进行隔振控制,仿真结果表明:BP神经网络具有较高的准确度,在磁流变悬置模型辨识方面具备优越性能;模糊控制器均能较好地在宽频范围内的衰减发动机振动,发动机稳定转速下对应的位移和加速度振动峰值明显减小。

一种基于神经网络的可调整模糊系统模型

对基于人工神经网络的模糊系统进行研究 ,建立了一种可调整的模糊系统模型 ,并且在智能汽车控制器中得到了运用。通过神经网络对输入的经验值进行学习、调整来获得模糊系统控制的新参数。经计算机仿真 ,并与传统模糊控制模型相比较 ,小车绕开障碍的性能得到了明显的改善 。

一类神经网络整定PID参数的非线性系统解耦方法

对具体非线性系统有不同的解耦方法,如模糊解耦、神经网络解耦等。因神经网络有自学习功能以及对参数摄动的不敏感,故对某些特殊的非线性系统采用神经网络解耦作为补偿器进行输入输出解耦,能够获得较强的鲁棒性。首先介绍了神经网络解耦的一般结构,然后给出了递归多层神经网络的学习方法。针对一类非线性系统设计了一类基于递归多层神经网络整定PID参数的多变量非线性系统的解耦控制器。从仿真可以看出,对于文中所给出的非线性系统,这种递归多层神经网络的解耦控制器对于输入输出解耦是可行的。

混合式熔炼保温压铸炉温度控制优化研究

为了降低温度控制误差和随机扰动对温度影响,提出了混合式熔炼保温压铸炉温度控制优化方法。结合PID控制器与模糊神经网络,设计模糊神经网络PID控制器,通过两输入一输出的模糊神经网络结构,解决PID参数在线整定困难问题;通过寻找最佳网络结构和参数,以遗传算法为基础,采用离线优化算法,通过初始化参数、网络结构学习以及参数优化三个步骤优化模糊神经网络控制器,实现混合式熔炼保温压铸炉最佳温度控制优化。经实验验证:该方法温度变化波动与温度误差较小,且加入固定扰动和随机扰动时温度变化小。

基于WinAC的70t LF钢包精炼炉电极控制系统设计及应用

针对70t LF钢包精炼炉,设计了基于WinAC电极计算机控制系统,并引入一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制算法对三相电极进行实时控制,应用结果证实了此控制方案较强的可靠性和鲁棒性。

一种天然气发动机空燃比控制策略的研究

提高电控天然气发动机的空燃比控制精度,是改善发动机经济性、动力性和降低尾气排放的关键环节。本文将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。将该算法应用于天然气发动机空燃比控制中,利用宽域空燃比传感技术,通过调整喷射脉宽控制发动机的空燃比,取得了较好的控制效果。