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。

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。

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。

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。

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。

二级倒立摆的自适应神经网络控制

倒立摆系统是一种典型的非线性、多变量、不稳定系统,目前,对于这种复杂对象的控制问题在控制领域具有十分重要的研究价值。针对此种非线性系统的控制问题,提出一种智能控制方法来解决这个问题。通过应用神经网络控制和模糊控制相结合的方式,集合二者的优点,提出一种将BP算法与最小二乘算法相结合的算法,对Takagi-Sugeno模糊推理系统中的参数进行优化修正,设计一种自适应神经网络的模糊推理系统来控制倒立摆,实验结果证明该理论是准确可行的,与LQR实时控制相比响应速度快、精度高。

一种基于小波网络的模型参考间接自适应控制方法

本文提出一种基于小波网络的模型参考间接自适应控制方法,利用两个小波神经网络作为间接自适应控制系统的控制器和辨识器来构成自适应控制系统,与一般神经网络控制系统在同等结构下进行仿真相比,小波网络的控制精度高,跟踪效果好。

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

针对空调温度控制的大惯性、大滞后、非线性等特点,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,仿真试验说明系统设计的有效性。