基于状态观测器的非线性系统神经网络自适应控制(英文)

结合高增益观测器,针对相对阶为n的非线性系统,设计了神经网络自适应控制器。利用Lyapnov定理获得了神经网络权值的更新律和控制器的控制律,从而确保了整个闭环系统的稳定性和有界性。由于神经网络不需任何的离线训练,因而该控制器能够广泛应用于一大类非线性性系统的控制中。仿真结果验证了控制方案的有效性。

基于WIENER模型的压电陶瓷神经网络动态迟滞模型的研究

从频域的角度分析,一般认为迟滞特性的形成是由于对输入信号进行了相位滞后而造成,从而形成了输入和输出的多值对应关系,但直接从相位滞后角度所建立的迟滞模型主要是对迟滞环中的主环进行逼近。该文给出了多值对应的迟滞特性的新解释,提出迟滞特性是由形成多值对应的相位滞后部分和动态非线性部分串联组成。采用改进的Wiener模型建立压电陶瓷的迟滞回环特性模型,仿真和实验结果表明在描述压电陶瓷的多值对应、动态特性及非线性特性方面,所提出的神经网络动态迟滞模型具有较高的精度。

对压电陶瓷执行器迟滞特性的智能建模

由于压电陶瓷执行器固有的迟滞非线性会影响系统的控制精度,甚至能导致系统不稳定,基于神经网络建立一个迟滞非线性的智能模型。提出一个迟滞因子将多映射的迟滞非线性转换成能够被神经网络逼近的一一映射。该模型结构简单,简化了辨识过程。最后用该方法对实际的压电陶瓷执行器进行建模,结果表明,该模型能够准确的逼近迟滞非线性。

基于神经网络的热电偶传感器的智能信号处理

在先进的控制系统中，智能化热电偶温度传感器已被广泛采用，但由于其非线性校正和冷端温度补偿依然采用硬件或软件查表的方法而存在一定的误差，限制了智能温度传感器精度的进一步提高。该文采用多个神经网络组成一个新结构，同时完成高精度非线性校正和冷端补偿。

压电陶瓷回环特性的RBF神经网络建模研究

压电陶瓷的输入输出特性表现为非线性多值对应关系,直接采用只能逼近任意单值对应函数的前馈神经网络是无法描述压电陶瓷回环特性的,该文提出在二维输入输出空间中增加时间轴,构成三维空间,使压电陶瓷的输入输出特性变为单值对应关系。采用多输入单输出的RBF神经网络实现对迟滞回环特性的描述,其仿真结果表明该建模方法是有效的,并具有较高的精度。

在Preisach模型框架下的似对角动态神经网络压电陶瓷迟滞模型的研究

在Preisach模型的结构下,用一阶微分方程代替relay迟滞元,借鉴对角动态神经网络模型,提出压电陶瓷迟滞特性的一种新的数学模型。该模型既有Preissach模型的结构思想,又能反映其动态特性。在输入信号是周期性衰减信号的激励下,由Preisach模型产生的数据和压电陶瓷产生的数据分别进行建模和预测仿真,结果表明该模型用于压电陶瓷迟滞特性建模是有效的,并具有较高的模型精度。

基于灰色理论的压电陶瓷迟滞特性的神经网络建模研究

针对不光滑非单值对应的非线性压电陶瓷的迟滞特性,提出了采用灰色理论中的累加生成(AGO)方法,将压电陶瓷的非负多值对应的输入与输出特性的数据转换为单值对应的新数据,再通过神经网络建立压电陶瓷的迟滞特性模型。仿真实验结果表明,用该方法建立迟滞特性对象的模型是有效的。

用PID梯度算法训练基于神经网络的广义非线性PID控制器(英文)

将梯度优化过程看作反馈控制系统 ,从而提出了一种带动量项的PID梯度算法 (PIDGDM ) .进一步讨论了该算法的收敛特性 .提出了一种非线性PID控制器以对付一些非线性控制问题 .神经网络被用于实现该非线性PID控制器 .PIDGDM算法被用于训练所提出的神经网络非线性PID控制器 .最后 ,给出了有关方法应用于两个化工过程的仿真研究结果 .