飞机电传操纵系统控制律的神经网络实现

现代多功能战机多用电传操纵系统替代传统的机械杆系,但由于飞机的多变量、强耦合和不稳定等强非线性特点,使得其电传控制律的工程实现相当复杂.为此,对电传操纵系统控制律的神经网络实现方法进行了研究.通过利用径向基函数(RBF)网络良好的非线性跟踪性能,探讨了用RBF网络实现电传控制律的一般方法,并以某型飞机电传操纵系统纵向通道为例,对该方法进行了验证.     

三种RBF网络函数逼近性能对比及应用研究

非线性函数逼近问题是神经网络数据处理的具体应用之一,在相同误差指标和目标参数的情况下,以具体的非线性函数为例,仿真对比了径向基神经网络(Radical Basis Function,RBF)、模糊RBF和基于遗传算法的模糊RBF网络的逼近性能。结果表明,3种RBF网络结构都能够较好的逼近目标函数,但模糊RBF与GA-RBF网络结构较基本RBF网络结构而言能够更早达到较小的逼近误差范围。在此基础上,仿真验证了模糊GA-RBF网络应用于间接型自校正控制的有效性。     

实船训练系统中柴油机转速的粒子群优化RBF神经网络预测

针对柴油机是一个具有不确定性因素的强非线性系统,首先将RBF网络的参数编码成粒子群优化算法中的粒子个体进行优化;然后,利用粒子群算法的全局寻优能力优化RBF神经网络的关键参数;最后,建立了柴油机转速的预测模型。仿真结果表明:该算法使得柴油机转速的预测速度和精度都得到了提高。     

基于逐步后退法的车辆半侧液压主动悬挂最优控制设计与仿真

建立了充分考虑液压装置动力学特性的车辆半侧非线性主动悬挂模型,并提出了线性二次型最优控制与非线性逐步后退法相结合的内外环控制方案。首先根据目标需求在外环设计二次型指标下的最优控制器;然后在内环利用逐步后退法处理因液压装置引入的非线性项。仿真结果表明,使用该设计方案的主动悬挂可以获得比被动悬挂优越的车辆性能。     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

履带车辆动力传动系统仿真与试验验证

基于EASY5软件平台,利用模块化的建模手段,建立了履带车辆动力传动系统动力学模型,并进行了加速过程仿真.通过实车试验验证了模型的有效性和仿真结果的正确性.结果表明,该建模手段可有效的应用于车辆性能分析及预测.     

基于蚁群算法的径向基网络漏磁信号二维反演

利用蚁群算法的并行寻优特征和一种自适应调整挥发系数的方法,寻找径向基函数(RBF)网络基函数的中心点,能够大大提升网络的鲁棒性及训练速度.将优化算法下的RBF神经网络应用于漏磁信号的二维反演中,能够在训练样本较少的情况下快速地得到更为准确的缺陷模型,更好地满足了漏磁检测的实时性和在线性.实验结果表明,该方法能够达到预期...     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法.利用模糊C 均值聚类法对测量空间进行分割,再利用模糊规则对分割后的子空间分别采用BP网络进行逼近,从而获得不同子空间故障输出与测量输入的非线性动力学特性.计算机仿真表明该网络具有良好的泛化性能,方案可行.     

基于Vortex的电传动履带车辆动力学实时仿真

针对车辆动力学实时仿真问题,应用了多体动力学软件Vortex建立了车辆的动力学模型,并对Vortex的车辆基类进行了二次开发,直接给主动轮施加扭矩,最后实现了电传动履带车辆动力学建模.在不同工况下,进行了动力学实时仿真试验.结果表明,采用Vortex进行车辆动力学仿真在保证较高精度的同时还具有良好的实时性.     

低气压环境下柴油机涡轮增压器转速实车估算方法

针对涡轮增压器转速实车测量中存在安装困难、精度低的问题,提出了利用RBF神经网络和BP神经网络估算涡轮增压器转速的方法。分别建立了基于RBF神经网络和BP神经网络增压器转速估算模型,通过与台架试验测试样本比较,模型误差分别2.25%和2.27%。同时,RBF神经网络较BP神经网络,具有训练次数少,收敛速度快、结果稳定的优点,更适合实车涡轮增压器转速估算。     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度,针对这一特点,设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型,采用状态反馈方法对名义模型进行控制,以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点,神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明,该控制器具有良好的控制性能和鲁棒性能。     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析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RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

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。     

混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题.应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法.     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。