一种基于广义模糊CMAC的模型参考自适应控制

来源 :2005年中国智能自动化会议(ICAC2005) | 被引量 : 0次 | 上传用户:xinouser
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
应用CMAC控制技术在提高船舶运动的控制性能方面进行了相关研究.在保留CMAC原有增强和局部特性的基础上,结合模糊逻辑的思想,采用模糊隶属度函数作为接收域函数,提出了一种广义模糊小脑模型神经网络(GFAC).研究了GFAC接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法.进而将GFAC神经网络用于控制系统中,给出了一种模型参考自适应控制结构.在每一步的运算过程中,先通过参考模型建立教师信号,再利用所得到的教师信号对由GFAC构成的控制器参数进行学习.将所给出的GFAC控制结构应用于船舶航向控制的仿真结果表明:不论是航向保持、设定航向改变还是风浪干扰海况变化,系统的动态跟踪性能,调节特性及其残差等性能指标都较好,能够取得良好的控制效果,说明本算法是有效可行的.
其他文献
本文根据操作对象的几何信息,设计了一种三维定位算法.算法利用单摄像机所拍取的图像信号来在线提取操作对象相对于机器人的位置与姿态关系,从而控制机器人手臂运动实现对操作对象的所需操作.通过实验验证了所设计的三维定位算法的适用性,并且介绍了算法在水龙头抛光工程中的实际应用.
针对一类多包传输网络控制系统,假设控制器和执行器节点均为事件驱动,传感器节点为时间驱动,忽略网络诱导时延,给出了传感器节点的数据采用顺序传输规则时网络控制系统的模型;针对此类模型,利用周期Lyapunov函数,分析了闭环系统的稳定性,给出了控制器的设计方法.仿真结果表明,该方法是有效的.
给出了一种简单结构的分式线性神经网络模型,证明该种神经网络可无限逼近Rm.上有界闭子集到Rn上的任意连续映射.而且,证实该种神经网络可无限逼近Rm上无界闭子集到Rn上的在无穷远有极限的任意连续映射,扩充了传统前向神经网络(BP网络)的非线性逼近能力.这为解决无界区域上的分类问题和决策问题打下了理论基础.
本文在分析活性污泥法污水处理过程的有机物降解机理及活性污泥生长规律的基础上,建立了污水处理中吸附和稳定过程的细胞自动机模型,并利用实际参数进行仿真实验.研究结果表明:该模型能复现曝气池内发生的复杂的吸附及稳定过程,实现了曝气池内污水处理过程的可视化,并描绘了稳定过程生化需氧量(BOD)的去除率曲线和活性污泥的生长过程曲线.
本文研究了SBR污水处理过程出水水质智能化软测量方法与溶解氧(DO)的模糊控制方案,探讨了不同溶解氧曲线下出水水质、曝气时间和能源消耗等问题;采用径向基函数(RBF)神经网络对污水处理系统出水水质进行了软测量,为污水处理过程的实时控制创遣了必要条件.研究结果表明:采用模糊控制解决了SBR系统数学建模困难、不便于实时控制等问题.溶解氧(DO)是污水处理过程的一个重要参数,通过模糊控制方法实时地改变风
本文在智能完井系统的理论基础上,采用数学方法分别建立了常产量、变常量、井筒温度分布的数学模型,通过实验数据对建立的模型进行了验证,结果表明:用拟稳态方法在稳定状态下可求得可靠的地层渗透率;球形流压力恢复方法求得的渗透率比压降方法求得的准确,球形流分析方法对于渗透性越差的地层求得的渗透率越准确;平面径向流方法在压力恢复过程中尤其对于低渗透性地层可求得可靠的渗透率,并且可由压力恢复晚期直线段确定原始地
提出一种基于任务的导航策略,采用图像传感器、DGPS、惯性传感器及超声波传感器等多传感器融合技术,实现对无人直升机的状态估计及实时的导航控制.采用基于形态学和图像测量的图像定位和识别方法,获得图标内部最为本质的几何特性和拓扑结构信息,避免模板匹配中图像归一化等繁琐操作.在尺度、旋转及光线变化不敏感的条件下,能获得很高的识别率和定位精度.
研究一类线性不确定多时滞系统的状态反馈鲁棒镇定问题.对于给定线性不确定多时滞系统,存在线性状态反馈,使得闭环系统二次稳定.基于Lyapunov稳定性理论和Schur补引理,利用线性矩阵不等式(LMI)给出了系统可以利用状态反馈鲁棒镇定的充分条件,通过求解线性矩阵不等式,获得了使闭环系统二次稳定的控制器,为实际问题的解决提供了一种可行的设计方案.最后用实例验证了所得结论的正确性.
应用新的端口受控哈密顿(PCH)系统方法,研究了永磁同步电机(PMSM)的建模与速度控制问题.首先,建立了PMSM的PCH系统模型.然后,利用PCH系统的能量成形和反馈镇定原理,给出了闭环系统期望的哈密顿函数,配置了互联和阻尼矩阵,设计了控制器,并分析了平衡点的稳定性.最后,针对负载未知情形,设计了负载转矩观测器.仿真结果表明所设计的控制器具有很好的性能和应用前景.
介绍一种设计模糊控制器隶属函数的新方法.这种设计方法采用压缩宽度隶属函数(SSMF),只用2个参数就能构建模糊变量在整个论域上的隶属函数.这2个参数中,一个是语言变量模糊子集个数,另一个是压缩因子.通过应用压缩宽度隶属函数,而不需要优化众多的隶属函数参数,模糊控制器就有足够的能力来解决实际应用中所遇到的复杂控制问题.基于这一点,使用遗传算法对模糊控制器的量化因子、比例因子和压缩因子在搜索空间内寻优