一种新的MIMO非线性系统动态解耦控制方法

提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

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...     

一种基于神经网络的电液伺服系统智能控制方法

为解决智能控制中电液伺服系统的非线性和不确定性等缺陷,将神经网络控制技术和常规PID控制技术结合起来,分别进行了神经网络辨识器设计和神经网络控制器设计,利用神经网络在线辨识能力有效解决单神经元PID控制参数的调节问题,从而提出了一种基于神经网络的电液伺服系统智能控制方法.通过构建实验系统检验智能控制器的工作情况,实验结果表明该智能控制方法能够改善系统的动态特性,减小系统的稳态误差,具有较好的自适应性和鲁棒性,控制效果良好.     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点，为满足其控制需要，文中提出了一种以模糊神经网络控制器为基础的控制系统，该系统充分利用神经网络的自学习及非线性逼近能力，又具有模糊逻辑推理能力，能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

基于遭遇角决策的并行双模切换舵减摇控制

结合舵减摇控制中通用线性模型与模糊线性模型的优缺点,采用了一种根据遭遇角的不同自动切换控制器设计模型的并行双模切换舵减摇控制方案。为在线自动辨识遭遇角,提出基于横摇功率谱密度柱状图的神经网络辨识方法。仿真结果表明,该方法辨识精度较高,且比传统重心法节省了在线计算量与存储数据库所需的存储空间,简化了辨识流程。     

位标器自抗扰控制技术应用研究

目前工程上普遍采用经典PID控制方法对位标器进行控制,其要求响应快、超调小、稳态精度高.但这些性能指标之间是矛盾的,经典控制方法往往采取折中的方案,尤其是死区等非线性因素严重影响位标器系统的性能.提出采用自抗扰控制器对位标器系统的死区进行补偿.仿真结果表明,采用自抗扰控制器的位标器控制系统响应速度快,超调小,对死区有很好的抑制能力.     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

履带式车辆半主动悬架的模糊神经网络控制

在1/2车体振动模型的基础上,引入了模糊神经网络控制器,模糊控制用来对付系统的非线性,神经网络用来辨识路面的变化情况,实时调节模糊控制器的量化因子,使模糊控制器对路面的变化具有自适应能力。仿真和台架实验结果表明,模糊控制器能有效地控制半主动悬架系统,半主动悬架在减少振动,提高乘坐舒适性方面优于传统的被动悬架。     

倾斜转弯无人水下航行器H_∞鲁棒控制策略

针对倾斜转弯无人水下航行器的控制系统是横滚、俯仰、偏航三通道强耦合非线性系统这一特点,首先建立了三通道控制问题加权性能结构模型,并研究了权函数的选取;然后,设计了H∞鲁棒控制器,并进行降阶处理;最后,进行了仿真验证。仿真验证表明:该设计方法能有效克服各通道的交叉耦合作用,可以满足倾斜转弯无人水下航行器的控制设计要求。     

基于小波包频带能量检测的神经网络故障诊断技术

利用小波包频带能量检测技术对观测信号进行处理,从中获取反映故障特征的信息,以此作为输入对网络进行训练,可对故障进行比较可靠的分类。同时介绍了利用小波包频带能量检测技术提取观测信号特征向量的方法和步骤,以及基于松散小波神经网络的故障诊断方法。最后结合某型导弹舵系统故障诊断的实例,给出仿真试验,证明了该方法的有效性。     

神经网络技术在智能BIT故障诊断系统中的应用

论述了智能BIT的智能设计、智能检测、智能诊断和智能决策,构建了基于神经网络的某高炮装备随动系统的智能BIT故障诊断系统。用Multisim进行电路仿真,提取输出信号的均值、峭度、偏斜度构成三维向量,以它作为特征向量利用神经网络进行模拟电路的故障诊断。通过比较BP神经网络、SOM神经网络和小波神经网络的诊断结果,得知利用均值、峭度和偏斜度作为特征,BP神经网络和SOM神经网络能够有效识别故障状态模式。     

基于径向基小波神经网络的装备保障方案评价模型

针对装备保障方案评价的实际问题,利用小波函数的多分辨率分析和逐层逼近能力,建立了基于径向基小波神经网络的装备保障方案评价方法。通过对装备保障方案中评价参数的量化,建立评价参数的样本库。将各种性能指标输入到训练好的网络,客观地评价保障方案的性能。以陆军防空旅装备保障方案为例,组织保障领域的专家对评价参数进行综合研讨,得到量化的参数值,然后使用新方法对其进行评价。仿真结果表明,径向基小波神经网络具有良好的非线性映射能力和泛化性能,能够比较准确地对装备保障方案做出评价。     

小波神经网络在装备研制费预测与控制中的应用

通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真.     

小波神经网络UCAV飞行控制系统

针对采用H∞控制设计方法需求解难度很大的偏微分方程,而导致工程实现难度大的问题,提出了采用小波神经网络进行无人攻击机(UCAV)飞行控制系统设计的方法,该方法集小波变换和神经网络的优点于一身,简化了网络训练,避免了系统达到局部最优解,使得系统具有更好的逼近精度。通过仿真实验表明,利用小波神经网络进行UCAV控制律设计,使系统具有较好的跟踪性和鲁棒性,避免了精确模型的建立,便于分析系统的稳定性。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.