中尺度涡观测任务中自主式水面水下航行器的进化神经网络控制器研究

针对现有观测手段难以实现中尺度涡目标性强、高机动性、高随机性以及时空同步的高精度观测这一问题,本文采用自主式水面水下航行器(ASUV)这一现场观测的新手段,通过进化神经网络控制器,实现对中尺度涡的高精度实时跟踪,从而进行水下垂直结构的采样观测。同领域内最新的控制算法相比,进化神经网络的方法对中尺度涡跟踪的精度更高,对卫星数据依赖更少。仿真实验结果表明,ASUV在整个跟踪过程中都能够达到1 km附近的跟踪精度。本文给出了中尺度涡跟踪精度的详细量化评价结果,并在仿真环境中控制ASUV对中尺度涡的水下垂直结构进行了采样,为实现中尺度涡现场三维精细化观测奠定了基础。

安全的混成系统神经网络控制器生成与验证

控制器生成是混成系统控制中的重要问题.生成具有安全保证的控制器,关系着混成系统在安全攸关领域的使用.提出了一种为混成系统生成具有安全保证的神经网络控制器的方法.神经网络控制器的安全性由与其同时生成的障碍证书保证.为了生成安全的神经网络控制器,首先确定控制器的网络结构,并基于混成系统构造训练数据集;然后,根据保证控制器安全的障碍证书条件编码神经网络训练时的损失函数.当训练完成后,学习到的神经网络控制器对于训练数据集中的数据是安全的,但对于整个混成系统可能并不安全.为了检验学习到的控制器在整个系统上的安全性,将其安全验证问题转化为一组混合整数规划问题,并使用数值优化器求解,以得到形式化保证的结果.工作实现了安全神经网络控制器生成工具SafeNC,并评估了它在8个基准系统上的性能.实验结果表明:SafeNC可以生成包含6个隐藏层的具有1804个神经元的安全神经网络控制器;同时,与现有方法相比,SafeNC可为更复杂的系统生成安全的神经网络控制器,更有效且更具扩展性.

霍尼韦尔全新边缘网络控制器助力智慧建筑可持续发展

霍尼韦尔于近日正式推出ECC200边缘网络控制器--该产品是一款紧凑的高性能嵌入式可编程控制器,于第五届进博会上进行了首秀。ECC200边缘网络控制器可广泛适用于新建及改造的智能建筑应用场景,如商业综合体、办公楼、数据中心、公共设施、工业、医疗、酒店等的暖通空调、照明、给排水控制、变配电等子系统的设备管理与控制,帮助用户实现对建筑的智慧、安全且高效的管理。

复合神经网络控制器的可解性及求解方法

根据复合神经网络控制器的可分性，本文从理论上证明了此类控制器是可解的，并以此为依据，给出了复合网络控制器的求解步骤，并给出应用实例，为复合网络控制器的实际应用提供了理论依据和使用方法．

基于改进遗传算法的温湿度模糊神经网络控制器

为了创造适合作物生长的环境,针对温室系统的特点,该文提出了一种基于改进遗传算法的模糊神经网络控制器,利用改进遗传算法训练模糊神经网络模型,采用此模糊神经网络控制器控制温室系统,由数值实验可以看到采用此控制器的温室系统具有响应速度快、过程平稳、编程简单的特点。

非线性量化小脑模型关节控制器神经网络控制器

常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、三角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显著提高,可以有效解决实际复杂非线性时变系统的控制.

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。

木材干燥过程温湿度的T-S型模糊神经网络控制器设计

木材干燥过程是一个强耦合、大滞后的非线性动力系统,很难准确建立被控对象的数学模型。为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,将智能控制引入木材干燥控制系统是必然的发展趋势。结合模糊控制和神经网络优点,设计了一种木材干燥窑内温湿度的Takagi-Sugeno(T-S)型模糊神经网络控制器。该控制器无需对象的精确数学模型,适应性强,利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力来实现整个非线性过程的模糊逻辑推理。仿真和实验结果表明,T-S型模糊神经网络控制器有效解决了木材干燥过程的温湿度控制,控制器响应速度快、超调小、鲁棒性强、控制精确度高,可以满足木材干燥控制系统要求。

局部递归神经网络控制器及其应用

基于人工神经网络提出了一种局部递归神经网络控制器。在描述了带有输出反馈和激活反馈的网络控制器的结构组成并定义了作为设计目标的误差函数后,采用带有弹性的梯度下降法,获得适用于实时在线调整权值的修正公式,给出了所提的网络控制器的设计步骤及其控制策略。将所提出的网络控制器应用到典型的单级倒立摆的实验系统中,将实验所获得的结果与LQY方法的实验结果进行了对比。

小脑模型神经网络控制器在天线跟踪指向控制中的应用

分析了天线跟踪指向控制系统的特点和影响系统跟踪性能的主要因素,建立了系统数学模型。根据系统特点,给出了小脑模型神经网络控制器(CMAC)和PID相结合的复合自适应控制方法的设计过程,并分析了该算法适用于天线跟踪指向控制系统的优势。该方法利用传统的PID控制,结合CMAC神经网络算法的快速自学习、精确逼近的优点,既满足了天线跟踪指向控制系统快速实时跟踪的要求,又提高了跟踪精度和跟踪平稳性。仿真结果表明,该方法对摩擦力矩有很好的抑制作用,跟踪精度较单独采用PID控制提高一个数量级,且输出稳定,具有较强的鲁棒性。

非线性系统的神经网络控制器设计

神经网络是解决非线性系统控制问题的一种新颖而有效的方法。文中主要讨论了神经网络在非线性控制中的应用 ,针对一个典型的非线性系统 ,采用不同的神经网络控制结构 ,设计了不同的控制器 ,并进行了数字仿真 ,比较了它们的优缺点。

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能。

新型模糊神经网络控制器在GTAW焊中的应用

钨极气体保护电弧焊(GTAW)过程是一个复杂的、多参数耦合的高度的非线性系统,难以实现实时、有效的在线控制 模糊控制吸收人的经验思维的特点;神经网络则对信息的处理具有自组织、自学习的特点;遗传算法是一种全局优化搜索方法,具有简单通用、适合并行处理的特点 笔者将三者有机地结合起来,在模糊神经网络控制器的基础上利用改进的遗传算法,并分析其网络结构和离线学习的方法,协调利用三者的优势设计一种新型的模糊控制器,并使之用于脉冲GTAW焊仿真中。

一种自适应CMAC神经元网络控制器及其在水轮机调速器中的应用

提出了一种自适应CMAC神经元网络控制器的结构 .该控制器的核心是一个两维的存贮区间 ,它采用一个参考模型和直接自适应律来获得在线训练信号 ,而相应存贮单元的更新采用一阶学习律 .最后以水轮机调速器仿真实验系统来检验它的控制性能 ,并与普通的PID控制器比较 ,结果证明 ,该控制器有较强的学习能力及较强的鲁棒性 .

模糊神经网络控制器参数修正方法研究

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器 ,其既不依赖于被控对象精确的数学模型 ,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数 ,但是存在着在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡等缺点。针对存在的问题 ,提出了一种模糊神经网络控制器的优化方法 ,即在线自学习过程中 ,仅对控制性能影响较大的控制规则所对应的权值进行修正 ,以减小计算量 ,根据偏差及偏差变化率的大小自适应调节权值修正步长 ,避免系统发生剧烈振荡。

一种最优模糊神经网络控制器

基于最优控制的思想 ,通过对控制系统的过程模拟 ,提出一种最优模糊神经网络控制器的设计方案。首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构 ,然后利用基于浮点数编码机制的遗传算法寻找最优的控制器参数。

一种新型神经网络控制器及在自动舵上的应用

提出一种神经网络在线工业跟踪控制方法，此方法能解决ＢＰ学习算法中误差函数对权值的偏导数计算问题和执行器输出的脉动变化和饱和问题。把本控制器用于船舶自动舵控制，仿真结果表明了它的可行性和自适应性。

基于自适应学习速率的模糊神经网络控制器

针对模糊神经网络控制器中很难确定一个最佳学习速率的问题,将带有动量因子的自适应学习速率BP算法引入模糊神经网络控制器中。采用模糊推理自适应调节学习速率,同时引入动量因子,提高系统的收敛速度,并基于Lyapunov定理给出了系统稳定的证明过程。针对同一数学模型,用Matlab编程仿真3种方法的实验结果表明:优化后的模糊神经网络控制器较普通模糊神经网络控制器和模糊控制器具有更优越的控制性能。

粮食仓储库熏蒸控制系统智能网络控制器研究

在粮食仓储自动熏蒸过程中,采用CAN总线技术为核心设计了现场智能网络控制器,实现了对磷化氢体积分数的自动控制,以及对温度、湿度的自动测量.介绍了该智能网络控制器的设计思路,以及采用CAN总线通信控制器SJ1000实现通信控制的具体实现方式.

用神经网络控制器对小型帆船的航向控制

本文描述了一个简单的基于神经网络的小型帆船自适应舵的控制方案。该方案采用了两个简单的双层神经网络:一个使用在线的BP算法来学习未知的帆船动态;另一个则利用前一个所学到的知识来调整它的连接权系数和偏差权系数以产生控制信号。仿真结果表明,与仔细调整过的PID控制器相比较,神经网络控制器在航向保持上与PID近乎相同,但却具有好得多的鲁棒特性。