Adaptive control of machining process based on extended entropy square error and wavelet neural network

Combining information entropy and wavelet analysis with neural network,an adaptive control system and an adaptive control algorithm are presented for machining process based on extended entropy square error(EESE)and wavelet neural network(WNN).Extended entropy square error function is defined and its availability is proved theoretically.Replacing the mean square error criterion of BP algorithm with the EESE criterion,the proposed system is then applied to the on-line control of the cutting force with variable cutting parameters by searching adaptively wavelet base function and self adjusting scaling parameter,translating parameter of the wavelet and neural network weights.Simulation results show that the designed system is of fast response,non-overshoot and it is more effective than the conventional adaptive control of machining process based on the neural network.The suggested algorithm can adaptively adjust the feed rate on-line till achieving a constant cutting force approaching the reference force in varied cutting conditions,thus improving the machining efficiency and protecting the tool.

自适应模糊小波滑模控制在交流伺服系统中的应用

针对某武器大功率交流伺服系统的位置跟踪问题,提出了一种基于自适应模糊小波神经网络快速终端滑模控制(AFWN-FTSMC)方法。为使控制器的设计不依赖于被控对象的精确数学模型,采用自适应模糊小波神经网络控制器(AFWNC)逼近滑模控制中的等效控制部分,解决了由于系统的不确定性及干扰的存在而不能准确确定等效控制的问题;同时利用自适应PI控制来降低系统的抖动,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该方法可以有效抑制抖振,提高系统的瞬态响应性能和控制精度,并且对结构参数不确定性具有很强的鲁棒性。

一种自适应模糊小波神经网络及其在交流伺服控制中的应用

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络(FWNN)间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang(TSK)模糊模型的后件部分由自回归小波神经网络(SRWNN)构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明了系统设计的有效性。

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。

基于小波神经网络的加工过程自适应控制

把信息熵、小波分析和神经网络相结合,提出了基于小波神经网络的加工过程自适应控制系统及其自适应控制算法。提出并定义了广义熵方误差函数,在理论上证明了广义熵方误差函数的有效性。用广义熵方误差函数准则取代BP算法的均方误差准则,用自适应地搜索小波基函数和自适应地调整小波的尺度参数、平移参数和神经网络权值的方法对参数变化的切削力进行在线控制。仿真结果表明,该系统响应快,无超调,比传统的加工过程神经网络自适应控制具有更好的控制效果。

基于动态递归模糊神经网络的共振频率自适应反推控制

针对共振破碎机频率控制系统的非线性和参数不确定性问题,提出基于动态递归模糊神经网络的自适应反推控制策略.建立了破碎机频率控制系统的数学模型,在忽略个确定性项的前提下,设计了基于自适应反推方法控制律.其次将电液比例系统中影响频率控制性能的不确定性因素定义为待估计项,采用动态递归模糊冲经网络对其进行估计,给出了基于动态递归模糊神经网络的参数自适应律,并通过Lyapunov方法证明了输出跟踪的收敛性.仿真实验和车载测试结果表明,对于参数的不确定性和负载扰动,该方法具有较好的频率控制性能.

无刷直流电动机的新型自适应模糊神经控制

为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1 个开关控制器和1 个包括自适应机构在内的模糊控制器相结合组成的,且用1 个3 层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1 个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb 学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动。

基于模糊神经网络的智能故障诊断专家系统

发动机是车辆的核心部件,及时有效地发现并排除故障,对降低维修费用,减少经济损失,增加发动机工作时的可靠性,避免事故发生具有重大的意义。以某型号发动机为研究对象,运用测试技术、信号处理、小波分析、神经网络和模糊控制理论,提出了基于模糊神经网络的智能故障诊断系统。建立了发动机故障信号采集试验台,在试验台上人工模拟3种转速下6种工况,通过加速度传感器采集正常工况和异常工况的振动信号,之后利用小波包技术进行消噪处理,并提取出故障信号的特征值,作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络,完成对信号的离线模式识别,之后以测试样本数据实现在线故障诊断,通过仿真分析,取得了很好的诊断效果。与传统的BP神经网络故障诊断方法进行对比,无论在诊断精度上还是学习速度上,模糊神经网络在故障诊断中更具有优势。同时,在专家系统的理论基础上,将模糊神经网络与专家系统进行信息融合,实现数据接口通信,利用网络的自学习能力建立智能故障诊断数据库和诊断规则库,通过程序语言快速高效的设计出智能诊断系统。最后,通过发动机故障诊断实例仿真分析,验证了基于模糊神经网络的智能故障诊断专家系统的可行性。

先进控制技术在预焙铝电解过程控制中的应用

设计了预焙铝电解生产过程先进控制系统的总体结构,建立了基于神经网络的电解槽参数及阳极效应预测模型,设计了基于支持向量机的槽况解析与槽况诊断专家系统,提出了极距NN—PID控制策略、电解质温度基于混沌优化的模糊控制策略及氧化铝浓度的模糊专家控制策略;同时,针对有关参数的优化控制和产量质量能耗优化控制问题,提出了基于模糊专家控制技术的智能协调策略,以满足全局优化的控制目标;实验结果表明,系统能有效地实现预焙铝电解槽的优化控制,实现槽状态在线解析,并能达到优良的生产控制指标,为企业带来了巨大的经济效益和社会效益。

基于神经模糊控制的自适应图像水印算法

提出了基于神经模糊控制网络的新的自适应图像水印算法。该算法首先对原始图像进行小波变换,组织小波块。接着,从子块的视觉掩蔽性和能量强度两个方面,建立和训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。最后,根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波块中。实验结果表明,所提出的算法能抵抗各种常规的图像处理的攻击,具有较好的鲁棒性和透明性。

用 BP 算法实现模糊控制规则的自校正

利用ＢＰ算法对模糊神经网络（ＦＮＮ）所能执行的控制规则进行自校正，使应用到工业过程的模糊控制器的性能得到改进．仿真结果表明，用改进后的方法设计的模糊控制器能够显著地减小系统的稳态误差，具有比较快的响应速度和较强的鲁棒性．

一种基于模糊神经网络的开放性智能控制体系结构

介绍一种由组织级、智能协调级和模糊神经控制级组成的加工过程递阶智能控制体系结构，该结构集多传感器信息融合。

永磁同步电动机智能自适应积分反推控制

为提高永磁同步电动机(permanent magnet synchronous motor,PMSM)系统的控制性能,提出基于小波模糊神经网络(wavalet fuzzy neural network,WFNN)的智能自适应积分反推控制方法。设计了自适应积分反推控制提高系统在参数变化和外部扰动下的鲁棒性,保证位置跟踪精度。由于不确定性值难以估计,因此利用WFNN在线估计,减小不确定性的影响。再验证控制器的有效性,结果表明该方法能够有效克服不确定性对系统的影响,使PMSM系统具有较高的跟踪精度和较强的抗干扰能力。

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。

加工过程的神经网络模型参考自适应控制

本文提出了用神经网络模型参考自适应控制器对加工过程进行控制的方法。并以铣床加工过程为例,针对原PID控制器产生超调量过大,控制效果不理想,设计了一个神经网络辨识器(NNI)与神经网络控制器(NNC),并对神经网络训练方法进行了详述。仿真结果表明,加工过程在神经网络参考模型控制器的控制下能较好地接近标准参考模型输出。

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰;文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制;该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小;仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气(如雨天和暴雨天)中。

基于递归模糊神经网络的污水处理控制方法

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。

加工过程的神经网络自适应控制

通过对数控加工过程的分析和建模,提出了一种基于神经网络的自适应控制系统,并进行了系统仿真。仿真结果表明,该系统在切削工况发生时变的情况下仍能实现恒切削力控制,具有很强的鲁棒性,达到了提高加工效率的目的。

基于模糊小波神经网络的四旋翼飞行器鲁棒自适应控制

针对四旋翼飞行器的飞行控制问题,提出了一种基于模糊小波神经网络的鲁棒自适应滑模控制方法。首先利用牛顿-欧拉方程得到四旋翼飞行器的动力学模型,然后用模糊小波神经网络在线逼近系统中的外部扰动和未建模不确定动力学特性,最后提出鲁棒自适应滑模控制算法,通过Lyapunov稳定性理论证明了整个飞行控制系统的稳定性。仿真和实验结果验证了所提出控制方法对外界干扰和模型的不确定性具有较好的鲁棒性和自适应性。