现代控制理论与交流电机调速(Ⅱ)--智能控制(1)

人工智能系统将进一步与电力电子学以及运动控制相结合而更加深刻地影响后者的发展。特别是在研制高质量的传动和伺服控制装置中。文章着重介绍模糊逻辑控制、神经网络控制以及它们的交叉结合的神经网络-模糊控制系统及其应用与设计。     

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主，并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的ＢＰ网络和基于遗传算法的模糊神经网络，实行了站间运行控制和定位停车控制，仿真取得了令人满意的结果。结果表明，将神经网络等计算智能方法综合用于列车运行控制是可行的，可以保证较好的舒适性、停车准确性，具有精度高，适应性、鲁棒性强等特点。     

机车故障诊断中征兆隶属度函数的研究

研究了应用模糊神经网络进行机车故障诊断时一种征兆隶属度向量提取的方法。结合机车运行的特点,分析机车控制的规律和特性,提出了切实可行的隶属度函数确定方法,解决了模糊神经网络在机车故障诊断中应用的一个瓶颈。     

基于模糊神经网络预测控制的高速列车ATP研究

在目标-距离速度控制模式普遍应用于我国高速铁路列车控制的背景下,本文针对高速列车运行性能的要求,将模糊神经网络预测控制运用到高速铁路ATP中,对列车速度进行控制。控制系统以闭塞区间为单位,建立高速列车速度模糊神经网络预测控制模型。在闭塞区间内,利用车-地通信将控制所需信息发送至列控中心;根据所得信息,通过预测控制算法得到从当前位置到闭塞分区出口的列车速度自动防护曲线并确定列车运行方式和控制策略;在每1个通信周期内,利用滚动优化和误差校正进行速度优化。仿真结果表明,与传统的控制方法相比,基于模糊神经网络预测控制的高速列车ATP具有更高的安全性。     

机车黏着控制方法的研究现状综述

机车的黏着是有轨运输系统的基本条件，提高机车黏着性能是一个至关重要的课题。介绍了黏着的基本理论，黏着控制的目标就是在机车运行过程中，通过对驱动力的控制，使实际的黏着系数尽量逼近于当时路况的黏着系数最大值，从而获得最大的平均牵引力。对现有主要的机车黏着控制方法（反馈与极值组合法、模型控制法、模糊神经网络法、模糊控制及其他控制方法）作了简要总结，介绍各种方法的理论基础和控制模型，比较其性能的优劣，指出模糊神经网络和模糊控制法是两种很有前景的控制方法。     

高速列车横向振动自适应神经模糊控制的仿真

为了设计出智能的列车悬挂系统,提出了基于神经网络的自适应模糊控制。模糊控制主要是针对系统的非线性;神经网络控制是产生模糊控制的控制规则。通过自适应神经网络的模糊推理系统(ANFIS),把神经网络和模糊控制相结合。神经网络根据采集的数据来进行训练,产生不同的控制规则,使模糊控制器对路面的变化具有自适应能力。仿真结果表明:该方法可在一定程度上减少轨道对列车车身的振动,提高列车在路面行驶的平稳性。     

基于模糊神经网络的道岔故障诊断系统研究

运用模糊理论和神经网络技术相结合的方法,构造了基于模糊神经网络的铁路道岔故障诊断系统,介绍该系统的的结构、原理及诊断过程,并采用Matlab神经网络工具箱进行仿真,仿真结果表明模糊神经网络方法适用于道岔设备故障诊断.     

模糊进化神经网络理论与技术框架

分析目前进化算法，神经网络和模糊逻辑等理论技术及应用研究存在的问题，以及目前这些智能理论融合技术和神经网络自动设计研究现状，研究了现有智能理论技术相互之间包含的智能行为及属性，提出了模糊进化神经网络理论，其中，给出其本概念，研究目的，内容和框架体系，详细描述了模糊进化计算，模糊进化神经网络和进化模糊系统从模型初始化，参数自适应到网络自动设计，模型评价等核心技术及其解决思路和实现算法。对于模糊进化计算，提出了其控制参数模型初选，模糊自适应进化，优化算法及其结果的模糊评价等方法，对于模糊进化神经网络，提出了其全自动设计，控制参数模糊初选，模糊自适应进化以及网络模型的模糊评价与选择等方法，对于进化模糊系统，提出了基于模糊进化计算的模糊神经网络参数和模糊系统参数的优化方法。     

基于模糊神经网络的驼峰推送速度控制研究

对影响驼峰机车推送速度的各种因素进行了探讨,将模糊神经网络理论引入到驼峰变速推峰系统中,结合神经网络和模糊控制的各自优点,将专家或熟练操作人员的控制策略转换为控制功能函数,利用神经网络自学习、自校正的能力调整、修改模糊控制规则,从而实现对推送速度的优化控制。     

模糊控制理论的研究进展及其在铁路货物列车自动化控制系统中的应用

综述模糊控制理论研究的进展。分析模糊控制器的解析结构,分析模糊控制系统的函数逼近能力的稳定性,分析模糊控制技术与其它软计算方法如神经网络、遗传算法的结合。研究模糊控制技术与遗传算法相结合在铁路货物列车自动化控制系统中的应用,货物运输的自动控制属于多目标系统控制,通过对模糊PI控制器最敏感的参数,如比例因子和隶属度函数等进行寻优,使系统性能得到了显著改善。     

神经网络预测控制在摆式列车倾摆系统中的应用

介绍摆式列车倾摆控制系统神经网络预测控制的原理及模型,分析了神经网络控制算法,列出了控制器设计的算式,探讨了预测控制系统对实测信号的预测时间为0.2s、0.68 s的预测参考输入的跟踪能力。仿真和试验表明,神经网络预测控制在摆式列车控制系统中的应用是切实可行的。     

现代控制理论与交流电机调速(Ⅲ)--智能控制(2)

介绍在交流电机调速中应用智能控制的第二部分——人工神经网络控制技术。这种网络由基本处理单元——人工神经元构成,它的输出包含一个非线性的响应函数,因此人工神经网络适于处理诸如交流电机一类具有明显非线性特征的系统。通过不同方式的训练,连续修正网络内连接权的大小,可将其用于交流电机的系统辨识和控制。     

基于双向权值调整算法的神经网络非线性系统辨识

使用神经网络建模是非线性系统辨识的一个重要方法。为克服传统BP算法训练多层前向神经网络进行系统辨识中存在的一些问题,本文提出一种使用双向权值调整学习算法训练单隐层前向神经网络进行非线性系统辨识的方法。此辨识方法使用结构简单的单隐层前向神经网络,在正向阶段由Moore-Penrose广义逆确定输出权值,反向阶段则按误差梯度下降原则对隐层权值进行调整。算法能在正向和反向两个过程对网络的权值做出调整,具有较快的学习速度,并且能在一定程度上保证神经网络的泛化能力。通过基准辨识仿真实验验证,基于此方法的非线性系统辨识具有建模结构简单、训练速度快且辨识精度高的特点。     

基于地铁综合监控系统的环境设备监控系统应用技术

地铁综合监控系统集成或互联了环境设备监控系统等诸多子系统。对环境设备监控系统的神经网络感知、基于客流量模型灰色系统预测、设备优化控制技术,以及设备状态检修和RAMS(可靠性、可用性、可维护性和安全性)管理等应用技术进行了研究,这些应用技术能够更好地实现对地铁机电设备全面、高效的自动化监控及管理,保证设备安全、可靠、高效、节能地运行,并为乘客提供安全、舒适的乘车环境。     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

柔性神经网络及其在开关磁阻电机建模与仿真中的应用

作为一种新型的神经网络,创建了具有高度柔性特性的网络结构,给出了柔性神经网络(FNN)的基本原理,并将其应用于开关磁阻电机(SRM）的建模与仿真,展示了SRM新型建模方法的主要优点。FNN在实现系统功能的同时,需要较少的神经元和迭代循环,大大降低了网络的复杂性,加速了网络的学习与实时计算速度。     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。