神经模糊逆模/PID复合控制在CSTR中的应用

研究了基于广义基函数神经模糊模型的逆系统实现及其直接逆模控制 ,并提出将直接逆模控制与PID反馈控制相结合的复合控制策略 .该控制策略已应用于CSTR的反应浓度控制 .仿真结果表明 ,神经模糊逆模 /PID复合控制能克服因辨识逆模型不精确引起的缺陷 ,并具有良好控制性能 .

机械手轨迹规划的神经网络逆模控制

针对二自由度机械手动力学模型的非线性和参数的不确定性,提出了一种神经网络与逆模控制相结合的控制策略。针对传统BP算法在神经网络训练后期收敛速度慢且容易陷入局部极小的缺点,提出一种快速启发式学习算法。采用所提出的快速启发式网络学习算法训练多层前馈神经网络,建立机械手的逆动力学模型,实现对机械手的非线性控制。仿真结果表明了所提出控制策略的有效性和快速启发式网络学习算法的快速收敛性。

漂浮基空间柔性机械臂基于神经网络的逆模控制

针对传统控制方法对强耦合柔性空间机械臂难以有效控制的问题,提出基于神经网络的逆模控制策略。建立了非线性空间柔性机器人的动力学模型,根据增广变量输入法推得其控制律;利用具有良好逼近能力的前馈神经网络来自适应补偿柔性臂的未知非线性逆模型;采用Kalman滤波算法来保证网络权值在线实时调整(系统的误差代价函数由PID控制器提供)。仿真证明了所提出的控制方案的有效性,具有较高工程应用价值。

钢轨在线热处理过程同步逆模控制系统研究

目的控制钢轨在线热处理过程中钢轨头内的分布参数温度,使钢轨头等温转变为均匀的细珠光体组织。方法①将钢轨热处理过程中的分布参数温度系统处理成集中参数温度模型,并用逆模型控制方法进行控制;②采用对钢轨表面温度进行偏离度补偿的方法来测量钢轨集中参数温度;③提出了单元冷却器控制信号的切换速度与钢轨的运动速度一致的同步切换控制方法。结果表明初始温度在620-820℃随机分布的60 kg/m^2碳钢轨,6 s后钢轨断面平均温度偏差可以控制在±10℃范围内,符合实际工艺条件;解决了钢轨在线热处理中金相组织均匀等温转变的控制问题以及钢轨首尾温差和通长温度分布不均的控制问题。结论钢轨的等温转变温度是最重要的被控参数,等温转变温度越低,处理后的钢轨硬度越高。

单级倒立摆系统的神经网络逆模控制

给出了单级倒立摆的一种神经网络逆模控制方案。首先,采用PD控制器控制倒立摆,采集倒立摆的输入输出数据;然后,以这些数据为基础训练倒立摆的神经网络逆模型;再采用比例控制器与逆模型串联构成逆模控制器。整体结构上单级倒立摆系统是一种闭环的逆模控制结构。仿真结果表明,所采用的神经网络逆模控制比传统的PD控制具有更短的调节时间和更小的超调,能更好地实现倒立摆的稳定控制。

机器人逆模神经控制及其应用

提出了一种机器人的神经控制方法，把神经网络和ＰＩＤ控制相结合构成一种混合性的机器人逆模学习控制方案，分析了神经控制系统的稳定性与学习算法的收敛性．此外，还提出了一种启发式学习算法，并用于机器人的神经控制．最后给出两关节机器人的仿真结果．其结果表明所提出的逆模学习神经控制具有较快的收敛速度和较高的精度，能够满足实时控制要求，是一种有效的控制方法．

基于极端学习机逆模方法的非线性内模控制

在基于输入输出数据的基础上,针对纯时滞系统,由极端学习机建立被控系统的最小相位系统的逆模,串接于被控系统前,实现基于极端学习机逆模方法的非线性内模控制。同时,推导出时滞内模控制系统的稳态误差,来评估内模控制系统的性能。将所提出的内模控制策略分别应用于时滞系统与连续搅拌釜反应器系统进行控制仿真,仿真实验说明基于极端学习机的逆模方法的内模控制系统是可行的,具有系统稳态误差小、鲁棒性强等特点。

基于PSO的机械手神经网络逆模控制

针对机械手动力学模型的非线性和参数的不确定性,提出一种神经网络逆模控制策略。通过采用改进的粒子群算法训练神经网络,建立机械手的逆动力学模型,实现对机械手轨迹跟踪控制。仿真结果表明,该方法能克服传统BP算法在神经网络训练中存在的收敛速度慢且容易陷入局部极小的缺点,具有较好的机械手轨迹跟踪控制效果。

一种单输入CMAC策略在机械手逆模控制中的应用

小脑模型关节控制器(CMAC)是一种结构简单、学习速度快的局部神经网络,适合于实时控制。但对于某些高维输入系统来说,CMAC需要大量的存储空间,实际应用性能下降。文章结合传统PID反馈控制与神经网络逆模控制的特点,利用CMAC网络对机械手进行逆模控制;针对网络所需输入量较多的问题,提出了一种单输入CMAC网络的逆模控制策略,并将提出的控制策略应用于2自由度机械手的轨迹控制;引入测量变量使网络输入由二维转换为一维,减少了神经网络所需存储空间,提高了学习速度。仿真实验结果表明,所提出的控制策略克服了机械手非线性和不确定性的影响,是可行的。

模糊逆模补偿控制在电液伺服系统中的应用研究

针对液压系统普遍存在严重非线性和不确定因素,难以建立精确数学模型实现满意控制效果的现实,提出一种采用模糊逆模预测补偿与常规PI控制器相结合的控制策略。用快速模糊聚类算法根据系统的输入输出数据关系进行建模,用常规控制器结合逆模预测补偿环节来进行控制。为了提升控制品质,利用当前数据对已建立的模糊模型进行在线学习调整。实验结果表明了该控制方案的可行性和有效性。

在线无偏置LSSVM逆模型和PID的自适应复合控制

针对可逆非线性系统,结合逆控制与PID控制设计了一种自适应复合控制。将在线无偏置最小二乘支持向量机(ONB-LSSVM)用于系统的逆建模以提高逆模型的逆动态特性跟踪能力。在每个控制周期,控制信号由逆控制量与PID控制量按合成,合成比例自动调节。逆控制在高频段发挥较大作用,PID控制在低频段发挥较大作用。因此,该控制方法有较宽的频率适应范围,并且对时变系统有较好控制效果。初始NB-LSSVM在线生成,该控制方法使用方便。数字仿真表明了该控制方法的可行性和有效性。

工业机器人自适应逆模控制

本文提出一种关节型机器人的自适应逆模控制结构,采用机器人关节的等效线性系统的逆系统模型和满足可实现性条件的滤波器来构造相应的控制器,并由自适应机构在线建立和修改逆模的参数,使机器人的实际运行轨迹渐近地再现希望轨迹。仿真实验结果表明:采用本方案构造的控制系统响应速度快,跟随精度高、抗干扰能力强。此外,系统结构简单,易于实现。

基于混合径向基神经网络的建模及其逆模控制研究

传统的基于机理或局部线性化模型的控制策略不足以解决越来越复杂的控制问题,而神经网络用于控制也存在泛化能力差等缺陷,因此本文提出一种将被控对象已知机理和RBF神经网络结合起来卖现逆模控制的方法,一方面能发挥神经网络非线性逼近的强大功能,另一方面利用被控对象已知机理信息指导神经网络的收敛方向,改进神经网络的泛化能力。由此方法设计的逆模控制器,在保证控制精度的前提下,速度远快于标准径向基神经网络逆模控制器,且对扰动、时延、非线性及对象参数的摄动有较强的适应能力,具有良好的控制品质。

有界广义逆模映射的刻画及其应用

本文引入了有界广义逆模映射的概念,并给出了等价刻画．然后利用它为工具获得了一类重要的有界模映射的因子分解定理,使得著名的Douglas分解定理成为其特例．

可补闭子模和有界广义逆模映射

引入了“有界广义逆模映射”的概念 ,并给出了等价刻画 .揭示了有界广义逆模映射和可补闭子模的内在联系 .

主动磁力轴承系统的模糊逆建模

为了主动磁力轴承分析和控制的需要,提出一种建立其非线性的力-电流-位移关系逆T-S模糊模型方案。该模糊模型的输入为电磁力和转子位移,输出为控制电流。该方案将模糊聚类分析、最小二乘法和残差分析有机结合,采用模糊聚类分析方法确定前提结构和参数,采用最小二乘法确定结论参数,并通过对残差的分析进一步确定模糊规则的数目。使用所提方法对一单自由度磁力轴承进行建模。为使磁悬浮转子在离平衡位置的大位移范围运行,采用了具有一定幅值的低频正弦信号作为参考输入信号。仿真结果表明所获得的逆T-S模糊模型有很高的拟合精度。

基于神经网络逆建模的三相光学电流互感器

三相光学电流互感器是以电力系统三相电流 (包括不对称三相电流 )作为测量对象的光学电流互感器 ,线性双折射效应是影响三相光学电流互感器性能的主要因素。论文采用神经网络逆建模技术来补偿线性双折射效应对三相光学电流互感器测量结果的影响 。

双有限域模乘和模逆算法及其硬件实现

有限域上的模乘和模逆运算是椭圆曲线密码体系的两个核心运算。该文在Blakley算法的基础上提出一种radix-4快速双有限域模乘算法,该算法采用Booth编码技术将原算法的迭代次数减少一半,并利用符号估计技术简化约减操作;在扩展Euclidean求逆算法的基础上提出一种能够同时支持双有限域运算的高效模逆算法,该算法不仅避免了大整数比较操作,而且提高了算法在每次迭代过程中的移位效率。然后针对这两种算法特点设计出一种能够同时完成双有限域上模乘和模逆操作的统一硬件结构。实现结果表明:256位的模乘和模逆统一硬件电路与同类型设计相比较,在电路面积没有增加的情况下,模乘运算速度提高68%,模逆运算的速度也提高了17.4%。

新颖的神经网络逆建模方法及其应用

使用神经网络设计微波器件时,经常用到神经网络逆向模型。对于复杂的器件输入输出关系,直接逆向建模方法无法满足精度的要求,而其他精度可以满足要求的逆建模方法又具有结构复杂、计算量大等缺点,提出一种新颖的设计微波器件的逆建模方法。该方法只需建立神经网络正向模型,并在保持其权值不变的基础上,通过自适应调节最速下降法学习速率更新正模型的输入参数,使模型输出与理想输出误差达到最小,实现逆模型的功能。此方法没有单独建立逆模型,却能实现逆模型的功能,因此比其他方法简单很多。自适应学习速率的引入进一步改善了模型的速度和精度,将该方法应用到阻抗变换器的设计中,结果表明,相对于直接逆模型,此模型的运行时间减少了7.49%,所求变换器长度和频率的均方误差分别改善了99.95%和98.81%,可以解决多解的问题并用于实际微波器件的设计。

基于有符号数字系统的Montgomery模逆算法及其硬件实现

在椭圆曲线密码中,模逆运算是有限域运算中最复杂、最耗时且硬件实现难度最大的运算.本文在Kaliski算法的基础上,提出了基于有符号数字系统的Montgomery模逆算法,它支持素数域和二进制域上任意多精度参数的求模逆运算.据此算法,设计了相应的硬件结构方案,并给出了面积复杂度和时间复杂度分析.仿真结果表明,相比于其它模逆算法硬件设计方案,本文提出的基于有符号数字系统的Montgomery模逆算法在运算速度、电路面积、灵活性等方面具有显著的优越性.