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。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

Nonlinear control for autonomous underwater glider motion based on inverse system method

Autonomous underwater gliders are highly efficient, buoyancy-driven, winged autonomous underwater vehicles. Their dynamics are multivariable nonlinear systems. In addition, the gliders are underactuated and difficult to maneuver, and also dependent on their operational environment. To confront these problems and to design an effective controller, the inverse system method was used to decouple the original system into two independent single variable linear subsystems. The stability of the zero dynamics was analyzed, and an additional closed-loop controller for each linear subsystem was designed by sliding mode control method to form a type of composite controller. Simulation results demonstrate that the derived nonlinear controller is able to cope with the aforementioned problems simultaneously and satisfactorily.     

基于路面识别的主动馈能悬架多目标控制与优化

针对主动悬架减振性能和馈能特性在不同等级路面适应性较差的问题,建立了非线性电磁主动悬架模型; 考虑车辆在行驶过程中悬架簧上质量存在不确定性,提出了一种主动悬架自适应滑模控制器; 基于不同路面下悬架动力学响应数据,采用自适应模糊神经网络算法识别路面等级,确定控制器目标系数,实现了主动悬架安全性和舒适性之间的协调; 研究了电磁主动悬架馈能特性及其切换控制策略,在此基础上,考虑电磁主动悬架安全性、舒适性和节能性的矛盾关系,采用多目标粒子群优化(MOPSO),以悬架动力学性能和馈能特性为设计目标综合优化控制器和悬架结构参数,并通过模糊集理论对多目标优化后的Pareto解集进行最优解选取。研究结果表明:模糊神经网络对不同等级路面下非线性电磁主动悬架的最大识别误差能够控制在10%以内,满足识别准确性要求; 在C级路面条件下,优化后的主动悬架与传统被动悬架相比,簧上质量振动加速度减小了35.3%,轮胎动行程增大了7.7%,但可以控制在10%的安全范围内; 与原主动悬架相比,优化后悬架簧上质量振动加速度减小了10.5%,馈能效率增大了1.7%,优化后自适应滑模控制器能够更好地协调悬架馈能特性和减振特性; 建立的非线性电磁主动悬架模型可实现不同路面等级下悬架系统安全性、舒适性和节能性的综合最优。      

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。     

基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

Sliding mode control in position control for asymmetrical hydraulic cylinder with chambers connected

In this paper, single, two-position, two-way proportional valve is used to carry out the positon control of asymmetrical hydraulic cylinder with two chambers connected. The system structure and the working princle are introduced. The dynamic model of the asymmetrical hydraulic cylinder system is established with power bond graphs method, and becomes a fundament for analyzing the system. Sliding mode controller is designed, and the stability of the control system is analyzed. The simulation results indicate that the sliding mode controller designed can actualize the position control of asymmetrical hydraulic cylinder system, and controller is superior to traditional PID controller when the load changes in some range.     

基于RBF神经网络的控制系统PID调节器的设计

为了改善传统PID控制器的控制效果,采用RBF神经网络对控制系统PID参数进行自整定。分析了RBF神经网络PID整定原理,给出了相应的实例,并对该系统进行了仿真分析。仿真结果表明,采用RBF神经网络整定的PID控制器快速性好,自适应力强,具有良好的控制品质。     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.     

����Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ���������Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ�����

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的。首先，将带外部输入的非线性自回归模型展成多项式形式，然后在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明，网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

基于滑模双环控制的感应耦合电能传输系统设计

为解决轨道交通供电负载频繁波动使得系统输出恒压困难的问题,提出了基于滑模控制和PI控制的双环控制策略.首先对原边建立离散时间动态模型、副边采用大信号模型分别进行建模;其次,基于系统建模设计双环控制策略,采用滑模控制控制电流内环、PI控制控制电压外环;最后,对设计的双环控制进行了实验验证.验证结果表明:恒压下进行70 Ω和50 Ω电阻切换时,电压变化约5%,并在15 ms左右恢复到稳定值,因此,在负载波动的条件下该控制策略能保证输出电压恒定和快的响应.      

RBF网络整定的PID控制器在发动机空燃比控制中的应用

传统的PID控制器很难适应复杂的非线性机械系统的控制,本文提出一种新型的用RBF网络整定的PID控制器来处理这类问题,并在发动机空燃比控制效果上与传统PID控制器进行了比较。仿真结果表明:该新型控制器控制效果比传统PID控制器好,在其他非线性复杂机械系统控制上也有一定的应用价值。     

Finite-Time Attitude Tracking Control of Spacecraft with Actuator Saturation

The attitude tracking control problem of a rigid spacecraft with actuator saturation is investigated in this paper. A finite-time attitude tracking control scheme is presented by incorporating sliding mode control (SMC) and adaptive technique. Specifically, a novel time-varying sliding mode manifold is first developed that aims at regulating the attitude tracking error to equilibrium point within a certain finite time. Moreover, it can be specified a priori by the designer according to the mission requirement. Subsequently, an adaptive controller is derived by using the SMC in conjunction with adaptive technique. The designed controller is capable of ensuring that the state trajectories reach to sliding regime within a finite time, and hence that attitude tracking error can converge to zero in a finite time with the aid of the developed sliding dynamics, despite the presence of exogenous disturbances, unknown inertia properties and saturation nonlinearities. Finally, the simulation experiments are carried out to demonstrate the effectiveness of the proposed control scheme.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

基于自适应非奇异终端滑模的悬浮控制策略

针对采用传统线性滑模控制的电磁悬浮系统存在响应速度慢以及抗干扰能力差的问题，提出了一种基于自适应非奇异终端滑模的悬浮控制方法，该方法将自适应控制引入到终端滑模控制，结合滑模控制对扰动不敏感的优点，利用自适应控制对滑模趋近律系数进行在线自适应调节，改善悬浮系统的动态性能. 首先，建立了电磁悬浮系统数学模型；然后，利用李雅普诺夫稳定理论证明了所设计控制器的稳定性；最后，进行了仿真和实验验证. 实验结果表明:自适应非奇异终端滑模对信号跟踪具有更快的响应速度和更小的稳态误差，对峰峰值为2 N的正弦或锯齿干扰力气隙波动可限定在0.2 mm以内，进行0.1 kg加减载实验时气隙波动为0.6 mm，各项性能均优于终端滑模和线性滑模.      

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练。并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明：所建的Elman模型比EBP模型的预测精度高,效果好。     

双容液位滑模控制系统设计

探讨了滑动模态变结构控制(滑模控制)设计原则,设计了一种滑模控制器,实现了两输入两输出非线性液位系统控制,并用组态王(Kingview)编制该控制软件,解决系统难于控制和抗扰动的问题.在线运行,体现了滑模变结构控制自适应能力强,动态、静态品质优良,鲁棒性好等优点,与传统PID控制进行比较,证实变结构控制的优越性.     

基于神经网络的公交客流预测

公交客流量具有动态性,受多种因素的影响,不能或无法用精确的数学模型进行预测。通过对公交客流量预测的Elman和BP神经网络的建立、学习和训练,并以前三年的公交客流量、国内生产总值、工业总产值、城市人口数作为两种神经网络的输入神经元,第四年的公交客流量作为输出神经元,同时以合肥市公交客流量为例进行分析,结果表明:所建的Elman模型比BP模型的预测精度高,效果好。