船舶航向的自适应神经模糊控制系统

针对模糊控制器中的量化因子、模糊规则等难以人工整定的困难,文中提出了一种基于自适应神经模糊推理系统(ANFIS)的船舶航向控制算法,利用船舶航向模糊控制器两端获取的数据来训练ANFIS控制器,并将其控制效果和船舶航向模糊控制器的控制效果进行了比较.仿真结果表明,在不同风速和流速干扰作用下,基于ANFIS的航向控制器无论在超调量、响应时间和稳态误差方面都具有更好的控制品质,在干扰下仍然能够满足船舶航向实时控制的要求.

基于模糊控制的高压开关柜环境自适应散热与防凝露智能控制系统设计

针对高压开关柜由于长期运行和高负荷工作,会产生大量的热量,并且在潮湿环境下容易产生凝露现象,对设备的运行和可靠性造成了严重影响。因此,本文提出了一种基于模糊控制的高压开关柜环境自适应散热与防凝露智能控制系统。该系统包括温度传感器和湿度传感器,用于采集环境温度和湿度信息,并将其输入到模糊控制器中进行处理。模糊控制器根据输入的温度和湿度信息,通过模糊推理和模糊规则,输出相应的散热和防凝露控制策略,控制策略通过控制散热风扇和加热器的运行来实现。为了验证系统的控制效果,进行了一系列的实验。结果表明,通过使用模糊控制的方法,可以有效地控制高压开关柜的温度和湿度,使其在设定的范围内稳定运行,提高设备的运行可靠性。

车辆主动悬架自适应变论域T-S模糊控制研究

针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题,提出一种车辆主动悬架自适应变论域T-S模糊控制策略,从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器,利用神经网络的自学习特性产生完善的模糊规则,进而在传统函数型伸缩因子的基础上,将系统误差和误差变化率作为动态参数引入伸缩因子中,实现伸缩因子参数的自适应调整,解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验,对所提出算法的有效性和工况自适应性进行了验证。结果表明,所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性,在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

自适应神经模糊推理系统优化的快速上肢评估方法

传统方法对工作相关肌肉骨骼疾病风险评估的输入变量变化敏感性较低,导致风险评估输出结果的精确性和可靠性不足。为更加准确地进行人因工程风险评估,提出了基于自适应神经模糊推理系统的快速上肢评估方法(RULA)。首先,基于卷积神经网络对视频中人体工作姿势的关键点进行检测及识别,并计算关节角度;其次,基于自适应神经模糊推理系统对快速上肢评估方法进行改进,搭建工作相关肌肉骨骼疾病风险评估架构以解决评估不同姿势时获得相同评分的问题;再次,随机选取不同工作姿势的关节角度数据对网络进行训练和检测,调整基于自适应神经模糊推理系统和快速上肢评估方法的工作相关肌肉骨骼疾病风险预测模型的最佳参数;最后,选取关节角度数据集里的前15个工作姿势进行相关性验证,将结果与原始快速上肢评估方法的结果进行比较,应用树枝修剪工具的操作过程进行案例分析以实现风险得分的实时动态评估。结果表明,优化后的快速上肢评估方法比原始方法更敏感,验证了利用自适应神经模糊推理系统能够有效改进快速上肢评估方法并实时预测风险得分。

加热炉单片机模糊控制系统研究

随着全球工业的飞速发展,加热炉作为热处理领域中的关键设备,其控制系统的性能对生产过程的效率和质量至关重要。工业炉的应用一方面提升了工业效率,但其控制精准性也成为较大难题。单片机技术不断成熟,相关应用广泛推进,其在实时控制系统中的优越性逐渐凸显。集中关注如何设计一套高性能、智能化的加热炉单片机模糊控制系统,以提高温度控制的精度和稳定性。从单片机技术与加热炉控制交互入手,探讨自适应模糊神经网络控制方法与规则,分析系统设计及编程方法以提高加热炉控制系统的技术水平,推动工业自动化领域的创新发展。通过优化加热炉控制系统,可以在提高生产效率的同时,实现能源的有效利用,为工业制造的可持续发展贡献力量。因此,加热炉单片机模糊控制系统的设计研究具有重要的理论和实际意义。

抽水蓄能机组新型变工况自适应模糊控制策略

针对抽水蓄能机组工况之间频繁转换、常规比例-积分-微分控制(proportional-integral-derivative control,PID)控制对不同工况变化下适应性弱及现有的新型控制方法难以应用于实时性要求较高的可编程逻辑控制器(programmable logic controller,PLC)调速系统中等问题,同时考虑到导数分量易引入高频测量噪声。结合模糊控制理论,创新地提出了一种以水头和功率作为模糊推理输入变量的新型自适应模糊PI控制器(innovative adaptive fuzzy PI,IAFPI)。首先结合所设计的控制器建立了基于弹性水击和对数投影曲线法的抽水蓄能调节系统精细化模型;然后利用多目标粒子群算法(multiple objective particle swarm optimization,MOPSO)优化该模型的控制参数;最后结合我国某实际抽水蓄能电站数据,分别与传统PI、传统模糊PI控制在不同负荷不同水头下进行对比仿真试验;验证所设计的新型自适应模糊PI控制器可有效提高机组对工况变化的自适应性。

基于自适应模糊PID控制的高精度温控系统设计

为降低接收机温度变化对微波辐射计测量结果的影响,保障其测量精度,设计了一种基于自适应模糊PID控制的高精度温控系统。系统以DSP作为中央处理器,采集接收机内部温度信号,并利用自适应模糊PID控制方法在线调整PID控制参数,使系统达到稳定状态,并满足控制精度要求。试验结果表明,该设计在实际使用过程中,可以保证接收机温控精度在±0.02℃以内,满足系统对高精度恒温控制的要求。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。

潮流发电系统的无传感器自适应神经元控制策略

在恶劣的海洋环境中,潮流发电系统的非线性、外部干扰和传感器故障等关键问题,使潮流发电机组难以准确运行于最大功率点处。为了提高潮流发电系统的能量转换效率和可靠性,提出了一种基于模型参考自适应系统(model reference adaptive system,MRAS)的自适应神经元控制(adaptive neural control,ANC)方法。考虑到湍流和浪涌扰动对潮流发电装置转子速度跟踪的影响,利用MRAS无传感器方法对ANC控制器的输入进行预处理,以准确获取潮流发电机组的转子速度信息;同时引入自调整灵敏度系数,设计神经元速度控制器自适应机制,提高系统的动态跟踪响应和抗干扰能力。仿真结果表明,所提控制策略可以提高潮流发电系统的功率捕获效率,具有良好的自适应性和可靠性。

基于自适应模糊控制的汽车焊接过程方法研究

针对当前汽车车身焊接费时费力、焊点不连续、表面质量差等问题,提出一种基于自适应模糊控制的焊接过程算法。通过构建工业机器人、C型短式伺服焊钳及旋转式双面夹具台的运动模型,利用模糊规则制定PID控制参数,有效提高了伺服控制系统的跟踪精度及动态响应能力。试验结果表明,该方法能较好地解决车身连续焊接过程生产的问题。

基于模糊控制的并网风储一体化系统多目标优化配置

在“双碳”背景下,含混合储能系统(hybrid energy storage system,HESS)的风电场对系统配置优化能力的要求不断提高。为提升系统配置优化协同性,实现风电波动平抑,综合考虑经济性、平抑效果和使用寿命,提出了一种基于模糊控制的并网风储一体化系统多目标优化配置方法。首先,为了使储能功率与风电场的性能特征相匹配,应用快速傅里叶变换(fast Fourier transform,FFT)作为分频方法,实现了自适应小波包平滑策略下的HESS功率分配。然后,基于经济性和平抑效果建立多目标优化模型,确定了最优的HESS配置方案。最后,设计优化储能使用寿命的模糊控制策略,改善了高功率存储(high power storage,HPS)的充放电水平,有效优化了HPS的荷电状态(state of charge,SOC)。

基于能量熵和自适应神经模糊推理系统的齿轮故障诊断

为了解决齿轮振动信号中出现噪声污染严重,故障特征信息提取困难的问题,提出了基于能量熵和自适应神经模糊推理系统(ANFIS)的齿轮故障诊断方法。将预处理后的振动信号作自适应噪声完备经验模式(CEEMDAN)分解,可获得不同尺度的本征模态函数(IMF);由于各IMF包含主要故障特征信息,且不同故障状态下各IMF分布有明显不同,因此通过计算能量熵来量化故障时频域特征,构造出表征模态分量信息的特征向量;以此输入ANFIS进行样本的学习和训练,在自适应调整网络参数和隶属函数后,获得最优ANFIS。实验结果表明:该方法诊断结果准确率近乎100%,可有效地识别故障类型。

基于自适应神经网络模糊PID物料卷绕张力控制系统的研究与设计

物料卷绕控制系统中张力的控制是决定生产工序、产品质量和生产效率的关键因素。因张力控制具有多变量、非线性、时变性且难以建立精确模型等问题,使得卷绕系统张力的稳定控制尤为困难。为了有效提高卷绕系统的稳定性和控制精度,在研究传统PID控制器和模糊PID基础上,设计了基于自适应神经网络模糊PID的物料卷绕恒张力控制系统。在模糊控制的基础上,加入BP神经网络,实现对张力的精准控制。最后,采用Simulink搭建控制器进行仿真验证和在运动控制设备中进行实验验证,并利用触摸屏实时监控运行状态。实验结果表明,采用自适应神经网络模糊PID的卷绕系统张力控制精度高,响应快,自适应调节能力强,且在高张高速的工况下,依旧保持响应速度快、稳定性高的运行效果。

基于状态输出反馈自适应模糊控制的导弹控制系统设计

针对空空导弹直接力/气动力复合控制问题,提出了一种基于模糊控制和模型参考自适应控制的导弹直接力/气动力复合控制系统。首先建立了直接力/气动力复合控制空空导弹在俯仰通道上的数学模型,分别设计了纯气动舵与直接力/气动力复合的三回路自动驾驶仪。对于直接力/气动力复合驾驶仪直接力难以控制的问题,引入模糊控制对直接力装置的工作时间进行控制并设置了更合适的分配比例,采用状态空间的输出作为反馈,构建模型参考自适应算法优化系统,减小系统的超调量。仿真结果表明,使用该模糊控制和自适应控制设计的控制系统可以使直接力/气动力复合控制导弹更快更准确地跟踪输入指令。

用于气动伺服系统的自适应神经模糊控制器

研究了一种基于压力比例阀的气动伺服系统自适应神经模糊控制器。其中的神经网络辨识器（NNI）通过离线训练可以充分逼近非线性动态系统的模型，并能够在线调整模糊控制器的控制规则。系统的位置控制精度和伺服特性有了很大改善。试验结果表明，所提出的控制器对该气动伺服系统具有很好的控制特性以及很强的自适应能力。

基于H_∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.

自适应神经元模糊控制系统的研究

由于噪音、负载扰动等环境条件的变化,过程控制参数及模型结构往往会发生变化。为了提高控制器的性能,通过自适应神经元学习来修改模糊控制规则的控制方法。它通过总结过去控制规则的控制性能,对当前的控制规则进行调整,使之适应环境的变化,改善当前过程控制的输出。经仿真与实际检验,效果良好。

神经网络自适应模糊控制在温度控制系统中的应用

把神经网络与模糊控制相结合，提出一种基于神经网络的自适应模糊控制器．这种控制器由模糊神经网络控制器和模型网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能．仿真结果及其应用于温度控制系统中，控制性能明显优于一般Ｆｕｚｚｙ控制．

基于模糊-神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势，前者善于利用专家语言信息，后者有强大的学习能力，两者的结合可以取长补短．基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统，其特点是模糊控制器具有多层前向网络结构．基于一种近最优的性能指标导出其参数自适应的误差反向传播算法．为了克服传统算法收敛慢的缺点，提出用模糊逻辑来调整学习过程的方法．通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学习算法是有效的．

自适应模糊控制在制冷系统中的应用

在制冷系统中,由于其系统组成复杂,被控对象存在强非线性和大滞后特性,常规的PID控制系统无法满足控制要求。本文提出了一种自适应模糊控制算法,通过增加自适应调整因子和积分项提高制冷系统的控制性能。试验箱低温控制实验表明,自适应模糊控制在制冷系统中控制效果优异。