通用模型模糊神经网络控制研究

来源 :华东理工大学 | 被引量 : 0次 | 上传用户:liongliong523
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
在控制器中将非线性过程模型直接嵌入的一种非线性的控制方法,我们称之为一般模型控制(GMC)策略。在一般模型控制策略的基础上发展起来的通用模型控制方法(CMC),是一种可直接利用非线性过程模型的控制方法,在模型精确和没有控制约束这两个条件下,闭环控制系统变为一个标准的二阶系统。这种控制策略的特点是结构简单、鲁棒性强、控制器参数易于整定。本文试着把模糊神经网络(FNN)与通用模型控制策略(CMC)结合起来,提出了通用模型模糊神经网络控制方法,克服了通用模型控制器(CMC)要求过程一阶微分模型应该有显式解的缺陷,并且将其同模型参考自适应方法相结合得到通用模型模糊神经网络自适应控制方法,它们的有效性通过仿真实验得到了证明。以下几个方面的工作是本文主要要做的:   第一,对一般模型控制(GMC)方法的基本原理和发展过程作了简要介绍,并介绍了本文的研究重点通用模型控制(CMC)方法和模糊神经网络控制方法。   第二,试着将模糊神经网络与通用模型控制相结合,得到通用模型模糊神经网络控制(FNNC-CMC),同时将FNNC-CMC和自适应控制结合,提出了通用模型模糊神经网络自适应控制(FNNC-CMAC),目的就是为了增强系统的鲁棒性。这两种控制方法的有效性通过一系列仿真试验得到了验证。与通用模型模糊逻辑控制方法相比控制效果更佳;带自适应功能的比不带自适应功能的控制方法效果好。   最后,将通用模型模糊神经网络控制方法运用到转速、电流双闭环直流调速系统的转速环调节器中,与采用传统的PI控制方法比,系统瞬态响应快速并且控制效果好,而且此控制器简单,鲁棒性强。
其他文献
最优化方法是实现多智能体系统协调运行的有效方法;最优状态反馈控制器的存在性、运行约束非凸及目标函数非凸时优化策略的设计均为研究难点。本文从能控性经典引理出发,获得
本文主要通过研究人体上肢旋转运动的基本特性,讨论其中的神经计算原理和神经机制。为了探索这个问题,我们选取曲柄转动机构中作为人体手臂运动的实现装置,通过建立动力力学模型
群体机器人是一种特殊的多机器人系统,通常是由许多自治的机器人组成,具有典型的分布式系统特征。与一般的多机器人系统所具有的任务规划和指派等高级智能不同,群体机器人技术更
如今,交流调速已成为电气传动系统实现自动化和节能的重要手段,在工业生产中扮演着越来越重要的角色。而交流变换技术作为交流调速系统的核心,已成为电力电子学和运动控制技术最
随着现场总线技术、微计算机技术和传感探测技术的飞速发展,传统意义上的传感器已经不能适应未来传感器的发展趋势,传感器的智能化、网络化、标准化将是下一代传感器发展的重
智能移动机器人是机器人研究领域的一个重要分支,也是机器人学的重要研究对象。路径规划是机器人学研究中一个重要课题,也是移动机器人系统开发的重要环节之一。本文研究的是移
容错控制为提高复杂系统的可靠性开辟了一条新的途径,三重容错型控制系统是石油、化工、电力、冶金等流程工业的核心安全部件之一。目前,国内在工业过程安全保护系统控制方面的
脑-机接口(Brain Computer Interface,BCI)是利用脑电信号来实现的人机交互,可以为神经肌肉损伤患者提供一种不依赖正常的外周神经和肌肉输出通道的新的通讯工具。脑-机接口的
粗糙集理论作为一门新兴的智能信息处理技术,作为一种处理不确定性和不完整性的数学工具,它能有效地分析处理不一致、不完整、不精确等多种不完备信息,并且能够在保留关键信息的
鲁棒自适应控制考虑了系统存在的不确定性,从而扩大了自适应控制的应用范围,但是传统鲁棒自适应控制大多只是以保证系统鲁棒稳定为出发点来设计控制器而忽略系统动态和稳态性能