神经网络直接逆控制在无人机飞控系统中的应用研究

针对无人机发生故障时系统的非线性耦合特性,提出了一种基于神经网络直接逆控制的飞行控制方法,用于在飞机发生故障时进行控制律重构以恢复对飞机的控制;根据无人机发生故障时非线性运动的特点,确定适当的神经网络结构建立无人机非线性系统的逆系统,并与被控对象串连可以对非线性耦合系统进行线性化解耦,然后引入PID反馈控制进一步提高神经网络逆控制系统的性能;仿真分析表明该方法在无人机发生故障采用传统PID控制失效时,在误差允许范围内可以用来对无人机进行控制。

无需量化因子的模糊直接逆控制

针对模糊控制中量化因子难以确定以及无先验知识情况下模糊控制器结构和参数难以得到问题,提出了一种无量化因子和不依赖专家经验知识的模糊直接逆控制方案,克服了传统模糊规则基的得到过分依赖专家知识的弱点。控制器的规则基不采用规则的三角形形式,而是采用与实际更加接近的无规则三角形,规则基的得到不依赖已知经验,而是根据系统输入输出信息,利用进化规划离线对控制器规则基的结构和参数同时优化。实际控制中利用优化的规则基对系统进行控制,实时控制算法的运算时间仅为一组规则基的计算时间,大大加快了系统的响应速度,仿真结果验证了算法的有效性。

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出了一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得了基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器。最后给出了以同步机为控制对象的仿真结果。

基于神经网络直接逆控制的交流伺服系统的仿真研究

提出了神经网络直接逆控制的一种策略,实现对神经网络控制器的在线自校正.仿真结果表明,伺服系统响应快、精度高、无超调.

BTT导弹神经网络直接逆控制算法的FPGA实现研究

针对BTT导弹控制系统中导弹模型的非线性和强耦合的特点,应用逆系统和神经网络相结合的方法建立了导弹的逆模型。并以俯仰通道为例,设计了逆控制算法的BP神经网络结构,采用VerilogHDL编写了BP神经网络各个功能模块,并将其在FPGA上实现。通过神经网络逆控制算法在FPGA硬件实现和通用计算机上软件实现的对比,表明该方案能够满足BTT导弹对控制算法运算速度的要求。文中还对硬件实现神经网络的性能进行了分析。

四轮转向的神经网络直接逆控制

采用二自由度摩托车模型研究四轮转向车辆的转向特性,建立四轮转向车辆线性二自由度动力学模型和方程.着重设计BP神经网络直接逆控制系统,通过离线辨识、在线学习控制被控系统,与其他控制方法对比表明,神经网络直接逆控制系统能够更加有效的控制后轮转角以便使车辆质心侧偏角为零,并提高车辆低速机动性和高速稳定性.

基于LS-SVM的非线性系统直接逆模型控制

针对非线性系统逆模型建立难的问题,提出了基于最小二乘支持向量机(LS-SVM)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于LS-SVM的非线性系统直接逆模型控制的方法。仿真试验结果表明,采用LS-SVM建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于LS-SVM的直接逆模型控制方法的控制效果好,简单易行,从而验证了这两种方法的有效性和先进性。

基于RBF网络非线性系统逆控制的一种设计方案

基于逆动力学控制的思想,提出一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。辨识器采用RBF神经网络结构和最近邻聚类算法,实现了对系统逆动力学模型的动态辨识。并将辨识模型作为控制器模型,与被控对象串联,构成一个动态伪线性对象,从而使非线性对象的控制问题转换为线性对象的控制问题。仿真实验证明该控制策略不仅能使系统具有良好的动态跟踪性能和抗干扰能力,而且具有较强的鲁棒性。

一种基于MFAC外环补偿的非线性LS-SVM逆系统数据驱动控制方法

针对直接逆模型控制系统的鲁棒性和抗干扰能力不足问题,提出一种无模型自适应控制(MFAC)外环补偿的非线性系统最小二乘支持向量机(LS-SVM)逆系统数据驱动控制方法.首先采用LS-SVM建立非线性系统的逆模型,并将其作为前馈控制器串联在原系统之前,构成一个伪线性系统,其次采用MFAC构成外环反馈补偿控制.仿真研究表明,LS-SVM逆模型/MFAC复合控制方案不仅具有良好的跟踪性能,而且具有较强的鲁棒及抗干扰性.

基于动态递归网的无刷直流电动机自适应逆控制

该文给出了基于动态递归神经网络的无刷直流电动机自适应逆控制方案 ,它可以处理电机非线性、变参数的影响。通过使用动态递归网实现了对象逆动态模型的在线控制 ,分析和仿真表明这种方法具有较好的自适应性及良好的收敛性能 ,且具有灵活、简单、方便等特点 。

基于MFAC/LS-SVM逆模复合控制在机器人控制中的应用

采用LS-SVM建立非线性系统的逆模型,并将其作为前馈控制器串联在原系统之前,构成一个伪线性系统,其次,采用MFAC构成外环反馈补偿控制。将该复合控制策略应用于机器人控制中不仅具有良好的跟踪性能。

基于动态补偿的在线LS-SVM逆控制

针对非线性系统直接逆控制方法在应对系统参数变化和外界扰动时系统的动态性能变差甚至出现不稳定问题,提出一种基于动态补偿的在线LS-SVM逆控制。在引入LS-SVM建立逆模型的同时,将无模型自适应控制方法作为附加控制器,在控制误差大于不敏感函数时,利用增量学习算法,对LS-SVM逆控制实施在线学习,用于模型偏离被控对象时在线修正逆模型。仿真结果表明,提出的方法对系统参数摄动具有较好的鲁棒性,保持了较好的跟踪效果,具有较好的实时性和在线校正功能。

神经网络控制结构及所用神经网络

本文阐述了神经网络控制所能解决的控制难题、若干种控制结构及常用的动态神经网络。讨论了神经网络控制研究的重点、在实时控制中的物理可实现性及其发展等问题。

基于二阶系统的神经网络控制及仿真

基于神经网络的直接逆控制和模型参考自适应控制的原理设计了1个二阶系统控制,使用MATLAB神经网络工具箱对其进行了仿真,对比了不同的控制方法以及训练样本容量对控制结果的影响。

钢坯闪光焊顶锻同步误差控制器设计及仿真

针对钢坯闪光焊顶锻阶段压力同步的要求,引入直接逆控制的概念,从理论上推导了同步误差逆模型的存在性和结构形式,并使用Adaline神经元实现了该模型。基于AMESim模型和Simulink模型的联合仿真结果,证明该方法在消除压力同步误差方面具有一定的优势。

无人机飞行控制系统自修复设计研究

提出了一种基于神经网络逆控制的飞行控制方法,用于解决无人机发生故障传统PID失效时,难以恢复控制的问题。通过建立基于适当神经网络结构的非线性系统的逆系统,与PID反馈控制结合,有效解决无人机发生故障时非线性耦合的问题,并重构控制率,使无人机恢复有效控制。仿真结果表明该控制策略可行,提高了在传统PID失效时无人机的生存能力。

A New Scheme to Direct Torque Control of Interior Permanent Magnet Synchronous Machine Drives for Constant Inverter Switching Frequency and Low Torque Ripple

DTC （direct torque control） can produce quick and robust response, but it has the problems of large torque ripples and inconstant inverter switching frequency. This paper introduces a modified direct torque control based on the SVM （space vector modulation） for IPMSM （interior permanent magnet synchronous motor） drive. Two PI （proportional-integral） controllers regulate the flux and torque, respectively, and the inverter is controlled by the SVM technique in the proposed DTC system. Simulation results show that the performance of the proposed DTC system has been improved with respect to the conventional DTC. The DTC system can effectively reduce the flux and torque ripples.