带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中。一个动态神经网络用于被控装置的在线辨识 ,然后根据被控装置的输出和参考模型的响应迭代出控制信号 ,具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示 ,对比传统的最优PID控制器 ,本文提出的控制策略具有更好的瞬变特性及抗干扰特性。

神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性 ,研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用 ,设计了采用前馈神经网络的辩识器和控制器 ,对控制器网络采用的学习规则进行了分析。仿真计算表明 ,采用神经网络自适应控制方法能有效改善车辆的平稳性 ,采用的神经网络辩识器和控制器的改进BP算法是有效的。

基于Adaline网的航空发动机自适应控制

根据发动机模型非线性、关系式呈隐性和具有不确定性的工作特点 ,提出了一种基于Adaline网的发动机自适应控制方案 ,该方案中的神经网络辨识器和神经网络控制器均采用两层线性Adaline网 ,权值采用Widrow Hoffδ学习规则更新。仿真结果表明这种方法具有方案简单、稳定性好、实时性好等优点 。

新型船舶自适应舵机系统的研究

提出了采用模糊辩识器对船舶舵机离线辩识 ,使用遗传算法对辩识器进行参数寻优 ,并用 BP算法对模糊神经网络控制器的有关权值在线调整以适应被控对象的参数变化 .给出了遗传算法对控制器的参数优化方法 .