基于POPOV超稳定性定理的神经元智能控制

研究一种渐近超稳定的神经元智能控制器结构．基于ＰＯＰＯＶ超稳定性定理，提出一种能保证控制系统渐近超稳定的控制器参数学习算法．针对神经元智能控制的直流全数字调速系统做了仿真实验，给出了仿真结果．

神经元控制的DDC直流调速系统

在双闭环直流调速系统中采用了一种采用单个神经元的自适应控制方案,此方案将克服传统双闭环直流调速系统的缺陷,使系统具有很好的动、静性能和强鲁棒性。神经元是神经网络的微处理单元,由神经元构成的控制器结构简单新颖、经济实用,并可实现系统无模型控制。控制器具有自组织、自学习能力和强鲁棒性,其品质优于常规控制器。

基于CAN总线的智能节点设计

给出了一个基于CAN总线的智能温控节点设计,详细分析了各硬件电路及软件结构。将传统的温度控制同现场总线技术结合起来,构成一个分布控制系统。神经控制系统仿真表明,系统的鲁棒性强,将现场总线与神经智能技术结合,能取得更好的控制效果。

基于智能方法的倒立摆系统研究

对利用智能方法来实现对倒立摆系统的研究进行了综述,并详细论述了几种主要的倒立摆系统的控制方法,最后介绍了目前控制倒立摆的最成功的控制方案中云模型的概念,并对未来的研究方向进行了探讨.

风力发电机组空载并网智能控制方法研究

考虑到部分空载并网时达到稳定状态较慢、拟合精度较低的问题,提出了一种风力发电机组空载并网智能控制方法。设计智能控制,控制对象输出量与期望输出量相同;通过最近邻聚类算法获得初始的智能控制规则,再利用神经网络进行规则优化;综合智能控制与控制策略,实现风力发电机组空载并网智能控制。实验结果显示:风机发电组空载并网智能控制方法较常规控制方法早2 s达到稳定状态;智能控制方法的拟合误差平方和低于常规控制方法,表明智能控制方法对样本的拟合精度较高,在控制风力发电机组空载并网时的效果越好。