基于TS模糊神经网络的液压伺服系统研究

在飞机地面模拟试验台台架控制的液压伺服系统中,由于其系统存在强非线性,传统PID控制难以使液压马达转角达到精准良好的控制效果.针对这个问题,同时为提高控制系统性能,将基于TS模糊神经网络PID控制的智能控制算法应用于液压马达伺服控制系统中.在建立飞机台架液压伺服模型的基础上,利用基于TS模糊模型的神经网络对PID参数进行自适应整定,并基于MATLAB/Simulink平台进行相应的仿真实验.仿真结果表明,TS模糊神经网络PID控制器相比于传统PID控制器和普通模糊PID有着更好的响应特性,呈现出更佳的控制效果,使飞机台架控制系统的综合性能得到了提高.     

基于模糊神经网络的伺服系统PID控制

针对某装备伺服系统具有复杂的非线性和时变性,传统的PID控制存在自适应能力差的缺点,设计了一种模糊神经网络PID控制器。利用神经网络对模糊控制的控制规则进行优化,根据偏差E和偏差变化EC在线调整PID控制器的3个参数。通过与传统的PID控制器仿真实验对比,可以看出模糊神经网络PID控制器能够有效地提高该伺服系统的性能。     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

机载雷达伺服系统模糊自整定PID控制研究

针对机载雷达伺服系统提出了一种参数模糊自整定PID控制,利用模糊控制规则在线对PID参数进行修改,克服了传统PID控制的一些缺点.详细介绍了参数模糊自整定PID控制的基本原理及设计方法,并采用MATLAB/SIMULINK中的模糊控制工具箱对系统进行了辅助设计与仿真实验.仿真结果表明,该控制方法可以提高雷达伺服系统的动、静态特性,使整个系统获得较好的性能.     

灰色预测智能PID控制在火箭炮伺服系统中的仿真

新型火箭炮武器系统具有大惯量、变负载的非线性时变特性,传统PID控制难以满足火箭炮快速高精度调炮的要求。在传统PID控制的基础上,结合智能控制理论,在火箭炮伺服系统中采用一种智能PID控制,并利用灰色预测控制的超前控制能力改善系统的时滞特性,通过MATLAB仿真实验表明,该控制方法在系统快速性、稳定性方面得到了改善,并减小了系统超调。     

交流伺服系统模糊内模PID控制器设计

针对高精度交流伺服系统,将内模控制和模糊控制相结合,提出了一种模糊内模PID控制器设计方法.该控制器仅有一个可调参数,且能根据系统的偏差及其变化,利用模糊逻辑在线自动整定,克服了常规内模控制器参数整定要在系统标称性能和鲁棒性之间进行折衷选择的局限性,仿真结果表明模糊内模PID控制器既改善了系统的动态特性,又增强了系统的鲁棒性,将该控制器应用于某位置伺服系统,实验结果表明系统的性能和精度明显优于常规内模控制.     

电液伺服系统的模糊神经网络自适应控制

针对电液伺服控制系统中存在的非线性影响,常规PID控制难以取得良好的控制效果,采用模糊神经网络自适应控制,通过BP算法改变模糊隶属函数的形状及模糊规则的中心值,实验结果表明该方法能有效地跟踪电液位置伺服系统。     

基于神经网络的某扫雷犁电液伺服系统建模与控制

扫雷犁电液伺服系统是一类复杂非线性系统,基于传统建模方法构造的线性模型难以反映系统的本质非线性特征,因此提出采用基于正交最小二乘法的径向基函数神经网络对该系统进行精确建模;已有的手动分级控制或传统的PID控制方式不能满足精确控制的战术要求,提出采用基于广义训练和专门训练相结合的神经网络直接逆控制方法,实现系统吃土深度的有效控制。实验仿真结果以及与其他建模和控制方法的比较,验证了提出方法的有效性。     

基于BP网络的BTT导弹逆控制方法

运用BP神经网络结构和Levenberg-Marquardt算法,对导弹动力学特性进行动态逆模型辨识,并以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统,进而应用逆系统方法设计了一种用于解决BTT导弹非线性控制问题的经典控制与神经网络在线自学习控制相结合的控制方法.从理论上证明了该控制方案可以实现对导弹三通...     

神经网络在某交流伺服系统建模中的应用

针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快.