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。

粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法

电力系统短期负荷预测不仅要考虑负荷本身的历史时间序列,而且与气象因素密切相关,自适应神经网络模糊系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)模型是一种有效的预测方法,而系统输入变量的合理性选择是影响预测效果的关键所在。作者通过粗糙集理论中的信息熵概念对解决这一问题进行了尝试,选取与待预测量相关性大的参数作为输入。所构造ANFIS系统是基于数据进行建模并进行参数辨识的,这样有效地避免了模糊推理系统(Fuzzy Inference System,FIS)中人为主观因素对预测的负面影响,客观地反映了相关变量与负荷值之间的复杂关系。用该方法与常用BP神经网络及常用FIS分别对重庆市某区进行了一周的日负荷预测,通过对实例的对比分析表明了该方法具有较好的收敛性和预测精度。

TIG焊背面熔宽的神经网络模糊控制

TIG(TungstenInertGas)焊接过程是一个高度非线性、强耦合、时变的系统 ,针对这一特点 ,本文设计了单层神经网络模糊控制器 ,给出了学习算法。该控制器可以自动学习模糊控制规则 ,并随系统的变化自动调节模糊控制规则。采用普通CCD(ChargedCoupleDevice)摄像机拍摄熔池的正面图像 ,提取出熔池正面几何参数 ,利用熔池正面几何参数与背面熔宽的关系模型 ,对背面熔宽进行实时控制。仿真及试验结果表明 。

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。

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.

基于自适应神经网络模糊推理系统的交叉口交通冲突数预测

自适应神经网络模糊系统在建立对象输入和输出关系时,与传统的数学方法不同,它是基于数据的建模。本文利用这一系统特性,建立平面交叉口交通冲突数与进入交叉口内的左转交通量、右转交通量、直行交通量和行人过街交通量之间模型,提出自适应神经网络模糊系统预测交叉口冲突数的方法,建立一种快速获取交通冲突数的预测方法,为交通冲突数的调查开辟了新的途径。

基于神经网络模糊控制理论的转台伺服系统控制设计

针对三轴飞行仿真转台伺服系统非线性、模型不精确等特点,在分析转台系统结构的基础上,采用模糊PID控制的方法对转台伺服系统进行仿真控制,得到较好的控制效果;模糊控制控制规则的获得带有很大的人为因素,并且在控制过程中对规则采用查表法占用大量的内存;基于以上原因,设计了神经网络模糊控制器(NNSOC),利用神经网络控制自学习、自调整的能力,为模糊控制器提供自动生成控制规则的能力;同时由于神经网络具有联系记忆能力,可对未训练的样本做出决策;对NNSOC的控制效果进行了仿真;结果表明:其具有很好的动态性能和鲁棒性,对转台的控制效果良好。

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路。而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则。利用方法对潜艇垂直面运动自动舵控制器进行了设计和仿真。从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法。

BP神经网络模糊PID控制器在DMF生产中的应用

文章基于DMF在工业生产中的重要作用,对于其回收工艺中的精馏塔温度的控制,提出了BP神经网络模糊PID控制器的方案,并用遗传模拟退火算法对其进行优化。通过与传统PID控制器和模糊PID控制器的仿真结果比较可知,该方案更为实时有效,更加适用于工业生产。

三容系统的智能神经网络模糊控制研究

三容系统是一个多输入、多输出、时变、强耦合的非线性实验系统,其液位控制算法的研究有着非常重要的实际意义。鉴于其高度非线性和复杂性,目前还没有很好的控制策略对其实现精确控制。结合模糊控制技术和神经网络技术各自的优点,提出用智能神经网络模糊控制器对其进行控制,实验结果证明了该控制器的可行性,取得了较好的控制效果。

基于自适应神经网络模糊推理系统的蓄电池SOH预测

针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点,提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后,对其进行了MATLAB仿真和实测数据验证分析。结果表明,该模型具有很高的预测精度,在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。

基于自适应神经网络模糊系统的混沌音频水印盲检测

自适应神经网络模糊推理系统(AdaptiveNeuro FuzzyInferenceSystem, ANFIS)是将Sugeno一阶模糊系统以网络的形式来实现而得到的一种多输入单输出的神经网络。它能够很好的模拟出输入输出之间的关系,且收敛速度快,误差小,所需训练样本少,非常有利于水印信号的盲分离。利用ANFIS良好的自适应控制能力提出了一种具有较强鲁棒性的DCT域音频水印盲检测算法,实验证明,该水印检测算法准确性高,时间代价小,具有较强的抗攻击性,很有实用价值。

液压挖掘机神经网络模糊节能控制系统的研究

通过对液压挖掘机功率匹配的分析,提出了将泵的功率曲线设定在发动机的功率曲线之上的功率匹配方法,研究了神经网络模糊比例-微分-积分(NN-Fuzzy-PID)控制技术在挖掘机节能控制系统上的应用.试验结果证明了提出的节能方法和 NN-Fuzzy-PID 控制算法在挖掘机节能控制系统上的可行性.NN-Fuzzy-PID 控制器能根据不同的环境和作业工况进行参数自调整,具有自学习的功能.研究结果为进一步研究开发智能化挖掘机提供了依据.

基于神经网络模糊推理的智能厚度控制

针对板带材轧制过程是一个复杂的非线性过程、难以建立精确数学模型的特点 ,提出了厚度自动控制神经网络模糊智能方法 ,设计了输入为“编码”的神经网络模糊控制器。通过仿真证明了神经网络模糊控制的可行性 。

基于神经网络模糊PID的液压电梯速度控制研究

研究了液压电梯的神经网络模糊PID控制策略.针对液压电梯的非线性数学模型,采用模糊、神经和PID三者结合的方式控制电梯速度,利用神经网络在线调整PID的参数.由仿真曲线得出,神经网络模糊PID控制器在动态特性、跟踪特性以及鲁棒性等方面都具有明显的优势.该控制器闭环性能好,是一种理想的控制器.

基于BP神经网络模糊控制的除盐水自动加氨控制系统

为了使除盐水的pH值快速稳定在给定指标范围内,设计了基于BP神经网络模糊PID智能控制系统。仿真结果表明,该控制系统具有更强的鲁棒性,良好的自适应能力,适用于缺乏精确数学模型且时变、非线性、纯滞后工业过程。

基于神经网络模糊推理的PVC片材压延厚度控制

针对PVC片材压延过程是一个复杂的非线性过程、难以建立精确数学模型的特点,提出了厚度自动控制神经网络模糊智能方法,设计了输入为"编码"的神经网络模糊控制器。通过仿真证明了神经网络模糊控制的可行性,其控制精度优于常规方法。

相邻交叉路口神经网络模糊协调控制的研究

以城市相邻交叉路口为研究对象,提出了一种相邻交叉路口的神经网络模糊控制的方法。将相邻交叉路口看作一个大系统,第1级控制各个单交叉路口,调整各方向的绿信比;第2级协调单元利用各路口测得的交通流数据,确定相邻交叉路口的周期和相位差。应用MATLAB编写了仿真程序,仿真结果表明,该方法可以有效减少相邻交叉路口车辆的平均延误。

虚拟锚泊神经网络模糊滑模控制器的设计

针对虚拟锚泊浮标在目标点位置难以进行锚泊的问题,设计了一种神经网络模糊滑模控制器。通过引入虚拟锚泊圆,将在锚泊点一定范围内虚拟锚泊的问题转变为对虚拟锚泊圆进行路径跟踪的问题,应用Fossen矩阵建立虚拟锚泊浮标动力学模型,采用Serret-Frenet坐标变换和重新定义输出变量,将单输入多输出非线性系统转变为单输入单输出非线性系统,进而构建滑模控制器,采用模糊算法对滑模开关量进行在线调整,削弱滑模控制器的'抖振',采用神经网络对滑模控制器进行优化,摆脱对系统模型的依赖性,提高控制器的鲁棒性,并对该控制器进行仿真实验和分析,结果表明该控制器具有很好的虚拟锚泊性能。

自适应神经网络模糊推理系统在结构振动主动控制中的研究

运用线性二次型经典最优控制算法获得学习样本,由神经网络反向传播算法训练产生模糊规则和隶属度函数,设计自适应神经网络模糊控制器,通过某结构地震波作用下振动控制的数字仿真,表明自适应神经网络模糊推理系统可以有效地应用到结构控制中。