基于神经网络的倒立摆模型参考自适应控制研究

本文应用Matlab的Simulink工具箱中Model Reference Controller模块的plant identification模块来控制辨识带有反馈的倒立摆系统.在研究过程中,利用状态反馈稳定了倒立摆系统,并将稳定的倒立摆系统看作一个整体进行神经网络辨识和控制.此方法简单易行,容易实现.     

基于DSP实现变PID倒立摆控制系统

针对传统PID(Proportional-Integral-Derivative,比例-积分-微分)控制倒立摆的算法,进行了改进,实现变比例PID控制.并介绍了基于DSP(Digital Signal Processor,数字信号处理器)控制器的直线型倒立摆控制系统的总体结构和工作原理.实物验证,算法可行,系统稳定,且DSP作为控制器有利于系统的小型化.     

基于预测控制的倒立摆设计与仿真

倒立摆作为一个高阶次、多变量、非线性和强耦合的不稳定系统,一直是控制领域的热点问题。本文针对倒立摆的特点利用广义预测控制算法解决了直线一级倒立摆摆杆自由下垂时,保持倒立摆的自由下垂状态,并用仿真的方法研究了它们的控制性能和特点从而实现对复杂非线性系统的实时控制,实现了倒立摆的摆起及稳定控制,起到了较好的控制效果。     

倒立摆的H∞控制仿真与实验

建立了一级倒立摆的奇异摄动模型,在此基础上给出了H∞最优控制,与倒立摆一般模型的H∞最优效果进行了仿真比较。同时根据对实际系统调试结果和仿真结果的比对,进一步证明了仿真得到的结论的正确性。并对所得仿真、实验结果进行分析。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

小车倒立摆系统的模糊控制仿真研究

小车倒立摆系统是一个典型的非线性、不稳定的控制对象，因此小车倒立摆系统的控制问题被公认为控制理论中的一个典型问题。本文基于Mamdani和Takagi-Sugeno(简称T-S）模糊推理模型分别建立了小车倒立摆模糊控制系统，用仿真的方法研究了它们的控制性能和特点，并与传统的PID控制方法进行了比较。     

基于C8051F020的倒立摆虚拟样机设计

为了降低倒立摆系统研究的复杂性,文中提出了一种基于C8051F020单片机的倒立摆虚拟样机的设计方案。该方案以C8051F020单片机作为核心控制器,设计了具有通用性的输入/输出接口,同时结合上位机的MATLAB软件与组态王软件,实现了倒立摆模型的实时运算与运动状态实时显示。该虚拟样机在倒立摆控制研究和教学实验中具有重要的价值。     

基于BP神经网络的主成分分析法在效能评估中的应用

针对侦察效能评估中,指标因素的多样性和因素间的复杂关系,依据主成分分析的评估思路,运用BP神经网络对侦察效能进行评估.结合BP神经网络的逼近非线性函数的映射能力和并行处理的特点,解决数据样本的分类问题.通过对侦察效能的评估,验证了BP神经网络对效能评估的可行性,其方法和成果可供其它武器装备效能评估借鉴和参考.     

柔性结构神经网络分布式振动控制

提出采用分布式控制解决柔性结构振动问题,并且控制形式简单,便于控制力的实施。结合神经网络可以解决常规分布式控制难于解决的非线型耦合问题。神经网络采用非线性自回归移动平均移动方法,提高了神经网络的运算速度快。最后,在不同作动力情况下,将集中式神经网络控制和分布式神经网络分别采用相同的最大作动力对作动器/结构耦合系统进行控制。结果表明,分布式神经网络控制在采用较小的控制力情况下,取得了更好的控制效果。     

模糊神经网络控制器算法的研究

本文在原有的神经网络控制技术基础上,研究经网络模糊控制系统,解决了神经网络控制器存在的一些问题,并应用于实验系统中,取得了良好的实验效果。     

一种基于神经网络的在线签名验证方法

通过实验介绍了一种基于神经网络的在线签名认证系统,总结了一组能够表现签名特征的特征向量,基于BP神经网络通建立模板,利用特征值进行笔迹识别,通过确定个性化阈值降低FR、FA错误率,并通过实验验证了本系统的可行性.     

基于广义预测控制的船舶可调桨网络控制系统研究

可调螺距螺旋桨(CPP)控制系统是船舶推进系统的重要子系统.随着船舶推进系统在响应速度、操纵性能等方面的要求不断提高,CPP控制系统已从传统的控制系统发展到分布式的网络控制系统,而网络控制的引入必然产生不确定的网络时延.因此,采用支持向量机,广义预测控制和队列机制的混合控制方法设计了网络控制器,有效地补偿网络时延对CPP控制系统产生的不利影响.     

基于动态神经网络的AUV航向自适应控制

海洋环境的复杂性以及自身模型的不确定性,给自主潜航器(AUV)航向控制带来很大困难.针对AUV的特点和控制方面所存在的问题,采用了带衡量因子的动态BP神经网络控制器控制AUV的航向.理论分析和仿真结果表明,与传统的PID控制器相比,在扰动存在的情况下,神经网络控制器具有更好的自适应性和鲁棒性.     

基于模块化神经网络的第三方逆向物流评价方法研究

在电子商务环境下,第三方逆向物流模式是最适合现有条件下,我国企业对逆向物流的迫切要求的、本文构建了对第三方逆向物流提供商的评价指标体系,通过模块化神经网络这一强有力的工具,可以对第三方逆向物流企业进行科学客观的评价。     

基于HMM与神经网络的语音识别技术研究

语音识别主要是让机器准确地识别出语音的内容。利用隐马尔科夫链(HMM)与人工神经网络(ANN)各自的优点,通过HMM/ANN混合模型处理语音识别有综合的优势。本文就其中的各主要技术展开论述。     

柔性身管的RBF神经网络PID控制

由于舰炮身管的弯曲振动,传统的利用炮管轴角位移进行反馈控制的方法无法精确控制炮口指向。针对这一缺点,提出了一种利用炮口角位移作为随动系统位置环反馈信息的控制结构。为模拟身管的振动,应用多刚体动力学对舰炮身管进行了柔性体建模。为改进后的控制结构设计了基于RBF神经网络整定PID参数的控制器,并与传统PID控制器的控制效果进行了仿真对比,验证其对于提高随动系统控制精度的有效性。     

无人船无线传感网络远程遥控系统

传统无人船舶远程遥控系统,能够完成船舶的远程遥控工作,但存在遥控精度低,受环境影响因素大等问题,为此设计基于无线传感网络的无人船舶远程遥控系统。使用Zigbee无线高频通信频段,构建无线传感网络拓扑结构;根据无人遥控系统中节点数据指令,进行遥控命令数据解析,采用多种RREQ命令帧,实现无人船舶的安全准确控制,完成无人船舶远程遥控系统设计。实验数据表明,该无人船舶远程遥控系统比传统遥控系统航行精度提升57.83%,同时具有较强的抗环境干扰能力。