基于正交神经网络的无刷直流电机控制器设计

提出了基于正交神经网络的无刷直流电动机自适应控制器设计方案,并以永磁无刷直流电机(BDCM)构成伺服系统作为对象进行了仿真实验,研究了该控制器的控制性能。仿真表明控制器能实现被控对象模型的在线控制,并且可以较快地处理电机非线性、变参数的影响,具有较强的鲁棒性和抗干扰能力。

Tchebycheff正交神经网络的动态建模方法研究

本文提出一种正交神经网络的动态建模方法 ,它充分利用了 Tchebycheff多项式的非线性处理能力和 Givens正交变换的有效处理大型稀疏问题的优点 ,不仅能快速进行网络的训练 ,而且能对网络的结构进行优化 ,为非线性系统的动态建模提供了一种有效方法 .实验表明它是一种简单的。

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。

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。

一种基于正交神经网络的曲线重建方法

提出了一种基于正交神经网络的曲线重建方法．该正交神经网络结构与三层前向网络相同，不同的是正交网的隐单元处理函数采用Ｔｃｈｅｂｙｃｈｅｆｆ正交函数，而不是ｓｉｇｍ ｏｉｄｉａｌ函数．新的曲线重建方法具有利用较少的数据点列将光滑的曲线以较高的精度重建的特点．网络训练采用Ｇｉｖｅｎｓ正交学习算法，由于它不是一种迭代算法，故学习速度快，而且没有网络初始参数的选取问题，网络训练又能避免陷入局部极小解等问题．实验表明，用正交神经网络方法重建的曲线在样本点和非样本点处均具有很高的逼近精度．

基于复合正交神经网络的自适应逆控制系统

目前,在自适应逆控制系统中常采用BP神经网络,而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足,但由于正交神经网络学习算法存在某些局限性,提出了一种复合正交神经网络,该正交网络结构与三层前向正交网络相同,不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数,该神经网络算法简单,学习收敛速度快,并能对网络的函数参数进行优化,为非线性系统的动态建模提供了一种方法。仿真实验表明,网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性,有线性、非线性逼近精度高等优异特性,非常适合于实时控制系统。

正交神经网络的动态建模方法研究

1 引言在许多动态系统中,系统的输入输出数据容易得到,而其模型难以确定,使得系统辨识和控制变得非常困难。多层前向神经刚络可以通过输入输出数据点对逼近任意连续函数,为这个问题的解决提供了一种方法。但传统前向神经网络的BP学习算法存在以下问题:

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。

基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。

复合正交神经网络与CMAC在PID并行控制中的比较研究

由于正交神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等优异特性,取得了较好的应用 效果,但在动态建模与实时控制问题上研究较少。为此,本文提出复合正交神经网络(CONN)与PID并行控制算法,并 对小脑模型(CMAC)与PID并行控制作一比较研究。仿真结果表明,当方波(阶跃)输入与正弦输入时CONN实现的前 馈控制效果比小脑模型实现的前馈控制效果更好,响应速度更快,这充分地体现了复合正交神经网络的特点,即输出误差 小、实时性好、鲁棒性强。

Tchebycheff正交神经网络的建模方法——针对一类多变量非线性动态系统

针对一类多变量非线性动态系统 ,采用 Tchebycheff正交神经网络建立系统模型 ,用 Givens变换确定网络结构。 Tchebycheff正交神经网络不仅能快速进行网络训练 ,而且能对网络的结构进行优化 。

基于Tchebycheff正交神经网络的非线性多步预测控制

针对多变量非线性系统 ,提出了一种基于 Tchebycheff正交神经网络的多步预测控制方案 ,采用 Tchebycheff正交神经网络离线建立预测模型 ,并以偏差补偿和模型修正相结合的方式对预测模型进行误差补偿 ,经在线校正用于预测控制。同时对性能指标中的偏差项和控制项加权 ,进一步改善预测控制性能。

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。

非线性系统的复合正交神经网络自适应控制

提出非线性系统的复合正交神经网络自适应控制方法.在非线性系统控制中,这种网络自适应控制不需要辨识系统模型与Jacobian矩阵信息,网络学习算法与被控对象模型无关.仿真结果表明,复合正交神经网络实现的非线性系统控制具有较强的自适应控制能力,证明了控制系统具有良好的跟踪控制性能,为解决非线性系统的控制问题提供了一种方法.

基于正交神经网络的焦炉立火道温度预测控制

作为冶金工业中的重要设备,焦炉在我国的钢铁行业中得到了大量的使用。在焦炉的运行中,控制变量数量多,变化呈非线性状态。作为一个大惯性时变系统,焦炉的控制方式十分复杂。而作为对焦炉生产起主要作用的因素,焦炉立火道温度能否得到有效控制对于焦炉能否达到最佳燃烧状态十分重要。文章选取正交多项式为理论基础,在此基础上建立了正交神经网络的焦炉立火道温度控制模型,以阶梯式广义预测控制为控制策略,展开相关研究工作,以期提高控制系统的响应速度和控制精度。

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法。该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。

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。