邱焕耀[1]1999年在《模糊控制、神经网络和变结构控制的交叉结合及其应用研究》文中研究指明智能控制中模糊控制和人工神经网络是较为成功的两个研究课题，模糊控制和人工神经网络的交叉结合的研究成了自动控制研究中的热点之一，并在模糊神经网络方面取得了一批有意义的研究成果。模糊神经网络的更深层的理论和应用研究对于促进智能控制在生产实践中的应用，提高劳动生产率具有十分重要的意义。 本文首先在总结国内外模糊控制和神经网络研究的基础上，提出将两者交叉结合得到模糊神经网络，讨论了模糊神经网络的多种类型的应用途径，分析了模糊神经网络的工作机理。它既能充分发挥两者优势互补的特点，又能有效地克服两者的缺点。 本文在分析和指出了模糊神经网络存在着网络性能不佳，学习效率不理想，网络难以选择最佳结构，甚至会陷入局部极值等问题，提出了采用结构学习模糊神经网络来改进网络性能的办法，详细论述了结构学习模糊神经网络控制的结构和学习算法，并构成了结构学习模糊神经网络控制系统，对三层模糊神经网络和多层模糊神经网络结构学习算法进行了研究。 本文对结构学习模糊神经网络的工作机理进行了阐述，与人脑的思维比较，提出了结构学习模糊神经网络的控制策略和学习规律，从粗到精的学习方法是结构学习模糊神经网络学习过程的本质。结构学习模糊神经网络的优点是可以进行网络结构的学习，得到神经网络的最佳结构，克服了单凭设计经验来选择网络结构的随意性，提高了模糊神经网络的学习收敛速度。 本文论述了感应电动机的解耦控制原理，在此基础上提出了解耦变结构控制，并对变结构引起的系统抖振问题进行了研究，提出了抑制和消除系统抖振，提高控制性能的方法。本文还讨论了采用模糊控制的感应电动机解耦控制系统，证实了模糊控制的引入抑制了系统抖振的影响。模糊滑模控制引入后会存在静态误差，消除静态误差的有效方法是修改控制规律。最后，还讨论了结构学习模糊神经网络在感应电动机解耦控制系统中的应用。 本文讨论了结构学习模糊神经网络在GPS全球卫星定位系统中的应用，讨论了GPS卫星定位系统中园范围呼叫方法存在的问题，
王丹[2]2014年在《基于仿真和实验分析的的管道施工机械手若干关键技术研究》文中研究指明随着我国城市化进程的日益加快,各种市政管道施工工程在不断增加。而目前我国的管道施工技术还停留在人机混合作业的状态下,在施工中起重机和挖掘机经常用来配合工人进行管道吊装和对接工作。由于管道埋设比较深,极易出现沟槽的塌方,每年因此造成的人员伤亡事故时有发生。因此,如何减少管道施工的伤亡事故,提高管道施工的效率,使管道施工与现代化的科学技术有机结合是目前管道施工行业急需解决的问题。本文研究的管道施工机械手是用于城市建设中大型地下管网施工的现代化机械设备,它的应用在提高管道施工效率的同时会大大提高地下管道施工的安全性。本文主要针对管道施工机械手的机械原理、基于虚拟样机技术的管道施工机械手动力学分析和实验分析,机械手的光电定位技术和机械手的控制策略等方面进行了研究。论文重点研究工作、创新及其特色如下：1、管道施工机械手的机械原理研究根据我国市政建设中地下管道铺设的现场状况,本文研究设计了带有自锁功能的管道施工机械手。该机械手以挖掘机为载体,具有4个自由度,由回转连接机构、十字导轨和叉式提升机构等组成,借助于挖掘机,该机械手可以实现管道在空间范围内的姿态调整。叉式提升机构能利用管道的重力自动锁紧管道,实现机械手与管道的固定。管道放下后,利用弹簧使叉手自动复位。为了防止管道被压溃,对自锁卡手作用在管道上的卡紧力进行了分析,得出了计算卡紧力的公式和影响卡紧力大小的参数,为保证机械手的正常工作提供基本的依据。利用D-H方法建立了机械手的运动学和动力学模型,为机械手的控制策略研究奠定基础。2、管道施工机械手虚拟样机建模与动力学仿真实验分析为了能够准确模拟机械手的工作过程,为物理样机的设计和制造提供参数依据,联合采用Solidworks、Ansys、Adams软件建立机械手的虚拟样机。虚拟样机建模过程中主要采用了如下方法：考虑到机械手在工作过程中部分构件的形变对系统动态特性的影响,虚拟样机采用刚-柔耦合建模方式,并对柔性构件的应力与应变进行了分析；为了避免冗余约束的产生,使模型中导轮与导轨之间的作用力更接近实际工况,机械手模型在导轮之间添加了过渡轴；为了真实模拟机械手工作时摩擦力的状态,针对传统添加摩擦力的方法不能准确时时跟踪摩擦力的变化,采用了添加外力等效运动副中的摩擦力的方法。利用仿真数据提供的设计参数设计制造了实验样机并进行了实验,通过实验结果与仿真结果的对比验证了机械手虚拟样机建模正确,与实验样机高度相符。3、管道施工机械手的光电定位技术研究针对管道施工机械手的实际工作情况,本文研究了不同工况下机械手在铺设管道时的光电定位技术,并设计开发出了机械手的光电定位系统。利用逆坐标变换理论分别建立了单靶定位、双靶定位和三靶定位时光电定位系统的数学模型,该模型为控制系统控制机械手的运动提供了控制参数,实现管道的对接与安装。对光电定位系统进行了仿真分析与实验研究；并通过实验分别测试了光电定位系统的数据采集和无线传输数据能力,对实验结果进行了分析,得出了影响光电定位系统工作能力的因素。通过对光电定位系统的仿真和实验测试,表明该光电定位系统能够满足机械手完成管道铺设任务的要求。4、管道施工机械手的控制策略研究管道施工机械手是一个多输入、多输出的非线性、强耦合的机械系统,且机械手在铺设管道过程所握持水泥管节和机械手自身位姿的时刻变化对机械手系统影响很大,传统的跟踪控制和抗干扰控制已不能满足机械手运动稳定性和抗干扰性要求。本文在对机械手动力学特性进行了分析的基础上,设计了一种基于RBF的10输入、5输出的模糊神经网络控制器,给出了一种不同于传统算法的新型模糊神经网络控制算法,并利用改进的遗传算法对隶属函数和模糊控制规则进行优化,对控制器进行了仿真研究。仿真结果表明：优化后的控制器动态性能良好、在输出信号控制下,各个关节可以很好的动态跟踪输出轨迹,完全能够满足机械手安装水泥管节的精度要求。
穆效江[3]2008年在《多关节机器人的智能滑模变结构控制方法研究》文中认为对于多关节机器人的轨迹跟踪控制,自适应性和鲁棒性是其控制器应具备的两种基本控制特性。滑模变结构控制因为具有较强的鲁棒性,而成为一种有效的控制方法。但由于滑模变结构控制存在抖振,在一定程度上限制了其应用和发展。为了消除滑模变结构控制这个缺点,本文研究了滑模变结构控制与智能控制相结合的控制方法。主要包括滑模变结构控制与模糊控制、神经网络、遗传算法相结合的控制方法,并取得了如下成果:(1)研究了多关节机器人的控制结构,设计了一种并行控制结构。该控制结构具有两个优点:一是充分利用机器人已知的知识,作为滑模控制的等效控制,缩短了智能控制部分对不确定性干扰学习的时间;二是充分利用了嵌入式系统和计算机通信等最新技术的发展成果,将对机器人不确定性干扰的学习任务分配给多个微处理器,利用计算机通信进行相互协作。这样简化了学习和控制算法,提高了控制速度。该控制结构兼有集中控制和分散控制的优点,不会因为某一关节的传感器损坏而影响其它关节的工作。所以,便于故障检测和排除,增强了控制系统的可靠性,并且便于并行处理,具有很强的鲁棒性。(2)研究了模糊控制的设计方法和万能逼近特性。提出了一种快速自适应模糊滑模控制方法,并将此方法应用到两个机器人仿真系统中:针对具有建模误差和不确定干扰的机器人,设计了一个基于快速直接自适应模糊滑模控制的仿真系统;针对参数未知的不确定机器人,设计了一个基于快速间接自适应模糊滑模控制的仿真系统。这两个系统都不再需要对机器人的未知参数进行预先估计,通过模糊系统对机器人未知参数的逼近,使控制器的参数能随着机器人参数的变化而自适应地变化。因此,消除了滑模变结构控制的抖振。另外,文中利用李亚普诺夫稳定性定理证明了系统的稳定性,并详细分析了这两种控制系统的误差运行轨迹,从理论上证明了控制系统的误差只与模糊系统的逼近误差有关,而与系统的建模误差和干扰无关,所以该方法提高了控制系统精度、增强了控制系统的鲁棒性。(3)研究了神经网络的设计和学习方法。针对具有建模误差和不确定干扰的机器人,提出了一种基于径向基函数的快速神经滑模控制方法。该方法通过神经网络在线学习机器人不确定性干扰的上界,消除了滑模控制的抖振。并利用李亚普诺夫稳定性定理推导出了神经网络的目标函数,保证了系统的稳定性。另外,文中详细分析了控制系统的误差特性和鲁棒性。(4)研究了同时具有模糊控制和神经网络优点的模糊神经网络。针对具有建模误差和不确定干扰的机器人,提出了一种基于自组织模糊神经网络的全程滑模控制方法。该方法将模糊神经网络的结构学习和参数学习结合在一起,根据控制系统的性能要求自组织模糊规则,并利用梯度下降算法在线调整模糊神经网络的参数和权值,从而提高了控制系统的精度,消除了滑模控制的抖振。(5)研究了遗传算法的设计方法。针对参数未知的不确定机器人,提出了一种基于改进遗传算法的模糊神经滑模控制方法。该方法首先利用神经网络对机器人进行数学建模,然后利用遗传算法离线优化模糊神经网络的参数,提高了控制系统的在线学习速度,最后利用梯度算法在线调节模糊神经网络的权值,使控制器参数能够随机器人参数的变化而变化,削弱了滑模控制的抖振。另外,为了解决简单遗传算法的不成熟收敛和收敛速度慢的问题,对实数编码的遗传算法设计了一种自适应遗传变异算法。该算法能有效实现全局优化,提高进化效率,对求解复杂的优化问题具有广泛的适应性。
高强[4]2008年在《远程多管火箭炮电液位置伺服系统辨识与控制策略研究》文中指出目前,我国陆军的远程火力和西方发达国家相比还有一定差距,因此,研制新型远程多管火箭炮,具有非常重要的意义。火箭炮的射击精度和反应速度依赖于火箭炮位置伺服系统的性能,所以在新型火箭炮的研制过程中,高性能的位置伺服系统的研究尤为重要。本文以某新型远程多管火箭炮为工程背景,研究了该火箭炮泵控缸电液位置伺服系统的模型辨识与控制策略。论文的主要工作包括以下几个方面:(1)分析了火箭炮泵控缸电液位置伺服系统的结构和工作原理,推导了电液位置伺服系统的传递函数,利用MATLAB中的SimMechanics和SimHydraulics工具箱搭建了系统的仿真模型,并分析了该系统的非线性和时变性因素,为下一步的控制研究和试验分析奠定基础。(2)研究了离线训练与在线微调相结合的系统辨识策略。离线辨识时,采用基于遗传优化的BP神经网络辨识方法:首先利用遗传算法优化神经网络的权值和阈值,得到优化初值,再由BP算法按负梯度方向寻优,进一步优化神经网络。该方法较好地解决了BP神经网络易陷入局部最小的问题,并且离线训练后的权值参数为合理值,从而使在线微调避免了振荡现象的发生;在线辨识时,采用附加动量项和自适应学习率相结合的快速BP算法,加速了网络的收敛速度,使其能很好的运用于在线辨识的研究中。(3)研究了泵控缸电液位置伺服系统的神经网络间接模型参考自适应控制方案。由于神经网络控制器反向传播需要已知被控对象的数学模型,而对于本文所研究的具有非线性和时变性的系统,神经网络控制器的学习修正就很难进行。为了解决该问题,采用带有神经网络在线辨识器的神经网络间接模型参考自适应控制方案,利用神经网络在线辨识器实时地为神经网络控制器提供梯度信息,使得神经网络控制器的学习修正能够正确的进行。(4)研究了泵控缸电液位置伺服系统的自适应模糊滑模变结构控制方法。该方法利用自适应模糊系统来逼近等效控制,从而解决了由于外界干扰与参数不确定性的存在使得等效控制律无法直接获得的问题。为了解决滑模变结构控制存在的抖振问题,采用了两种方法:一是利用抖振参数及切换函数的绝对值作为输入变量,设计模糊系统动态调节边界层厚度;一是以切换函数及其变化率作为输入变量,设计模糊系统动态调节控制增益。(5)设计了硬件电路和控制软件,并在半实物仿真试验台上进行了模拟试验研究,试验研究验证了本文理论与仿真研究的正确性,为系统的进一步样机制作提供了理论指导。
汪权[5]2010年在《建筑结构振动控制理论与计算方法研究》文中研究说明土木工程结构中的房屋建筑作为重要的社会基础设施,是现代社会的组成部分。传统意义上,这些结构是设计成用来抵抗静荷载的。然而,土木工程结构同样承受着各种各样的动荷载,包括风、浪、地震和车辆荷载。这些动荷载会引起严重且持续的振动,对结构和结构构件以及居住者均有害,这些结构需要保护的内容可能涉及使用的可靠性,居住者的舒适度以及结构的耐久性。提高房屋建筑结构的抗震性能和高层建筑结构的抗风性能是减轻动力作用危害,加强区域安全的基本措施之一,是土木工程领域所面临的重大课题。建筑结构振动控制是多学科交叉的新技术领域,结构振动控制可以有效地减轻结构在风和地震等动力作用下的反应和损伤、有效地提高结构的抗振能力和抗灾性能,结构振动控制经过几十年的发展,已被理论和实践证明是抗振减灾积极有效的对策。在深入了解建筑结构的动力反应特性的基础上,研究合理且可行的控制措施保护建筑结构免遭地震和风荷载破坏,将是一个具有极大工程应用价值且时间紧迫的研究课题。随着社会的进步和科学技术的发展,人们对居所的振动环境有着越来越高的要求,振动被动控制的局限性就暴露出来了,难以满足人们的要求。主动控制技术由于具有效果好、适应性强等潜在的优越性,自然成为一条重要的新途径。然而主动控制系统一般需要很大的能量驱动和多个作动器,这在实际工程中难以实现。结构半主动控制基本原理与主动控制相同,但是半主动控制巧妙地利用了结构振动的往复相对变形或相对速度,从而只需要少量的能量调节便有可能实现主动最优控制力。采用诸如模糊控制、神经网络控制和遗传算法等智能算法为标志的结构智能控制是目前结构振动控制领域研究的前沿课题。结构智能振动控制不需要精确的结构模型,运用智能算法来确定输入、输出反馈与控制增益的关系,采用磁流变液智能材料制作的智能阻尼器同样仅需少量的能量调节便可以很好的实现主动最优控制力。本文以建筑结构模型为研究对象,运用现代控制理论以及智能控制理论分别对建筑结构振动控制进行了理论分析和计算方法的研究。首先,研究在地震激励下采用主动控制方法进行地震响应控制,对主动控制方法中的一些关键性问题进行研究,其次,在主动控制研究的基础上,重点研究了建筑结构的半主动控制方法,第三,文章探讨了模糊控制及遗传算法在建筑结构振动控制中的应用。在结构地震响应主动控制系统设计中,采用线性二次型(LQR)经典最优控制、线性二次型Gauss(LQG)最优控制、结构极点配置控制、结构模态控制和滑移模态控制五种控制算法分别对线性结构模型进行了理论分析和数值仿真计算,为结构振动半主动控制提供基础。在主动变刚度(AVS)控制策略的基础上,提出了一种新的结构地震响应控制主动变刚度频率控制算法。利用希尔伯特—黄变换理论分析非线性非平稳地震信号的时频信息,当地震信号的瞬时频率接近于结构的固有频率时,主动变刚度装置改变结构的刚度以减小地震激励下的结构响应。文章选取两个建筑结构的Benchmark模型作为算例来验证该算法的可行性及有效性。仿真分析表明,该方法简便可行,能有效地控制受控结构位移反应,有着广泛的工程实际应用前景。基于固有模态分解技术和希尔伯特—黄变换理论提出了一种半主动变刚度调谐质量阻尼器(SAVS-TMD)对高层建筑结构进行风振响应频率控制算法。该算法控制系统的优点在于调谐质量阻尼器(TMD)频率可以实时连续可调,而且对结构的刚度和阻尼的变化具有很好的鲁棒性。本文选取的研究对象为拟在澳大利亚墨尔本建造的76层306m钢筋混凝土塔式办公楼建筑。SAVS-TMD控制仿真计算的结果与结构无控情况相比,可以充分地降低结构的风振响应,同时与TMD控制相比控制效果更好。此外,SAVS-TMD控制在结构刚度变化±15%的情况下依然可以降低结构的风振响应,具有很好的鲁棒性。SAVS-TMD控制的效果类似于主动调谐质量阻尼器(ATMD)控制,但是比ATMD控制耗能少。根据Davenport脉动风速谱,采用自回归模型(Auto-regressive)法和经过FFT算法改进的谐波叠加法(WAWS)分别对高层建筑结构进行脉动风速时程模拟。考虑竖向相关性、平稳的多变量随机过程以及它的互谱密度矩阵模拟生成具有随机性的脉动风速时程曲线和风速谱的功率谱密度。模拟风速的功率谱密度函数与Davenport目标谱的比较表明两种方法具有很高的精度和效率。本文算例以76层306m高钢筋混凝土结构风振Benchmark模型为研究对象,研究了风荷载作用下高层建筑动力响应的控制方法,给出了结构在模拟脉动风荷载作用下的被动TMD控制和主动LQG控制的控制结果。迭代学习控制是一种比较理想的控制策略,其本身具有某种智能,能够在控制过程中不断地完善自身,以使控制效果越来越好,逐渐成为令人关注的课题。针对高层建筑结构的地震响应,基于线性二次型最优控制与迭代学习控制相结合的思想,研究线性二次型迭代学习混合控制方法,提高迭代学习控制的收敛速度,对高层建筑结构进行有效的控制。其次结合自校正控制、模糊逻辑和迭代学习控制的基本思想,提出采用自整定模糊控制确定迭代学习律的方法,提高了迭代学习控制的鲁棒性。选取建筑结构振动控制Benchmark第二阶段的地震作用Benchmark模型作为研究对象,进行二次型迭代学习混合控制和模糊迭代地震响应计算,计算结果表明两种控制方法均能够对Benchmark模型的地震响应进行有效地控制,并且控制效果得到了一定的改进。在结构振动智能控制中模糊控制是被采用的方法之一,基于遗传算法的模糊系统的优化设计,把模糊控制和遗传算法结合起来,利用遗传算法的优点,克服了一般模糊控制设计中模糊变量的隶属度和控制规则的选取通常靠经验来获取的不足,使得系统的模糊控制设计更灵活方便,能取得更好的控制效果。
李晔[6]2007年在《基于一种改进遗传算法的神经网络》文中研究说明随着时代的发展，科技的进步被控对象变得越来越复杂，其过程机理有许多不明之处，致使基于数学模型的传统控制方法难以奏效，因此提出很多智能控制方法，其中神经网络控制是解决这些问题的有效途径，可用来处理不确定性的复杂系统，神经网络虽然具有自学习能力，但其内部机理不很明确，知识表达困难。针对神经网络存在的不足，又考虑现在优化算法中，遗传算法具有鲁棒性、随机性、全局性、适于并行处理的优点，本文提出用遗传算法优化神经网络，弥补神经网络的不足。遗传算法是目前应用最广的优化搜索算法之一。目前，遗传算法已经在许多领域得到了应用，如函数优化、模型优化、结构优化、工业生产、图像处理等等。但基本遗传算法易于陷入局部最优，在有些时候收敛速度过慢，这使得基本遗传算法很难找到全局最优。如何能够使遗传算法尽可能快地跳出局部最优和如何能够提高遗传算法的收敛速度，是近年来遗传算法研究领域的热点。本文针对简单遗传算法(SGA)应用过程中所存在的不易收敛、结果常常陷入局部最优、编码方式存在解码误差、收敛速度慢等缺点，提出使用一种基于排序选择的改进遗传算法，并用其进行智能控制器的参数寻优。遗传算法的选择、交叉以及变异，每个环节的实现策略的改变都会对整个遗传算法的寻优性能产生重要影响；而且需要其它环节做出相应的调整，才能达到比较理想的提高遗传算法寻优能力的目的。基于上述原因，提出基于排序选择的改进遗传算法。所谓排序选择方法是指在计算出每个个体的目标值后，根据目标值的大小顺序对群体中的个体进行排序，适应度仅取决于排序后的个体在种群中的位置，并且每个个体的选择概率等于根据它所处的位置按某种规律计算出来的概率。用改进的遗传算法优化调整神经网络的权值，将优化所得参数作为神经网络的初始权值。这种针对神经网络控制器的结构特点，用遗传算法训练优化网络权重，得到的复合智能控制器具有很好的特性，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，并且可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。将基于改进遗传算法的神经网络控制器用于二级倒立摆系统，通过仿真结果的研究表明，基于排序选择的改进遗传算法在神经网络权值寻优中，能够充分发挥其全局寻优的特点，且能够很好的弥补BP算法训练时间长，响应速度慢的不足。
于华男[7]2003年在《开架式水下机器人辨识与控制技术研究》文中研究表明本论文的研究对象是开架式遥控水下机器人—堤坝综合检测机器人。 我国有众多的水库和拦河大坝，迫切的需要有有效的堤坝检测手段。堤坝检测水下机器人(以下简称探坝机器人)正是为查找江、河、湖、海的各种堤坝的裂缝、破损和隐患等质量问题而设计的。它是一个以遥控水下机器人为载体，装备有声、光、电等多种先进传感器的综合体。机器人配备的主要检测传感器包括浅剖声纳、高频成像声纳等，这些传感器的正常工作要求机器人载体运动平稳，并对所探测的坝体保持合适的距离与方位。因此，研究如何更好地实现机器人载体的运动控制，对于堤坝检测机器人的实用化具有理论和现实意义。 由于探坝机器人工作环境的复杂性和未知性，同时考虑到经济性、安全性等因素，研究如何构建水下机器人的仿真系统并以之设计和调试机器人运动控制器具有重要意义。对于本文的研究对象—堤坝检测机器人，考虑到其开架式的框架结构和设计特点，本文中采用经验公式估算和系统辨识相结合的方法计算其水动力系数，并依此建立机器人的仿真系统和调试水下机器人控制器。 因此，本论文的主要内容可以分为两大部分： 1、开架式水下机器人水动力系数的辨识和仿真系统的建立； 2、开架式水下机器人运动控制器设计。 在仿真系统建立部分，主要研究了如何利用最小二乘辨识方法获得机器的水动力系数。本文首先综合考虑机器人传感器配置、辨识试验场地以及机器人自身的结构和运动特点，建立了机器人的辨识方程。然后，利用最小二乘估计算法对机器人的部分水动力系数作了辨识，并对辨识结果作了仿真验证。 在运动控制部分，本文首先针对变结构控制在实际应用中存在的抖振现象，结合模糊逻辑和变结构控制理论，设计了一种滑模模糊控制器。仿真和水池试验结果表明：本文设计的滑模模糊控制器有效地减弱了抖振和提高了控制器的控制性能，具有一定的理论和实际意义。其次，本文结合EBP神经网络训练理论和变结构控制理论，设计了一种变结构神经网络训练算法，并利用此算法训练的神经网络设计了一种神经网络控制器。仿真和水池试验结果表明：采用本算法的控制器具有较好的控制效果。最后，探讨了遗传算法在模糊控制器优化中的应用，给出了一种隶属函数参数和模糊规则同时优化的模糊控制器遗传优化方法。
彭金柱[8]2005年在《机器人轨迹跟踪的智能控制方法研究》文中认为智能控制理论是具有某些仿人智能的工程控制和信息处理的理论方法。机器人学集中了机械工程、电子工程、计算机工程、自动控制工程以及人工智能等多种学科的最新科研成果,是目前科技发展最活跃的领域之一。本文回顾了智能控制技术及其在机器人控制中应用的发展和现状。 在本文中,首先详细地介绍和分析了模糊控制的基本原理,并构造了机器人轨迹跟踪的模糊控制系统,它不依赖于对象的精确的数学模型,能有效地克服被控对象存在的非线性和不确定性的影响。然后,分析了一种基于正交最小二乘算法的径向基函数神经网络,并将其应用于机器人系统的辨识中,之后将模糊控制与神经网络结合起来,利用神经网络模拟模糊推理,使得神经网络具有了模糊推理和归纳能力。由于神经网络具有自学习的能力,又使得模糊神经网络的推理归纳方式在实际的控制过程中可以不断地修正,同时由于模糊神经网络的结构具有明确的物理意义,使模糊神经网络的结构设计和权值的初始化非常容易,采用高斯基函数作为模糊隶属函数,构造了模糊高斯基函数神经网络。其后,在分析了模糊神经网络的各种学习算法的优缺点后,提出了一种基于混合学习算法的模糊高斯基神经网络控制方法,即先利用遗传算法离线训练模糊神经网络,使网络参数达到近似全局最优,再采用BP算法来在线训练网络参数,使控制器具有在线自适应能力。最后,针对滑模控制所存在的不足,设计了一种神经网络滑模控制系统,该系统通过神经网络来补偿系统中的不确定性,并利用李雅普诺夫定理设计了具有神经网络补偿的滑模控制器的结构和神经网络的学习算法,从而保证了系统的稳定性、改善了系统的动态性能。 本文中提出的各种智能控制方法均被应用于机器人的轨迹跟踪控制中,以克服机器人控制系统中非线性、耦合、不确定性等因素对控制性能的影响。对提出的控制方法本文都进行了仿真实验研究,仿真实验结果证明了所提出的各种智能控制方法具有良好的智能特性,在应用于机器人的轨迹跟踪控制时,都能取得很好的控制效果。
杜福银[9]2006年在《时变时滞系统滑模变结构智能控制策略研究》文中研究说明在许多工业和国防领域中，受控对象的数学模型往往事先难以确定，即使在某一条件下被确定了的数学模型，在工况和条件改变后，其动态参数乃至于模型的结构仍经常发生变化，常规控制器不可能获得好的控制品质。在这些复杂的被对象当中，常还广泛地存在着时滞现象，受控对象的固有时滞给系统分析和综合带来很大困难。而时变时滞的特性则使问题更加复杂，因而对此类问题的研究具有重要的理论和实践意义。 本文研究的主要内容为针对一类过程动态特性随系统工作条件的变化而变化，并且能够确定标识工作条件变量同时这些变量可以被控制的单输入单输出时变时滞系统。采用多模型自适应控制的当前模型产生方法、滑模变结构控制策略、BP线性神经网络建模方法及Smith预估控制原理来实现系统的自适应控制，即神经网络滑模变结构自适应控制。 当定常系统结构未知且采用滑模变结构控制策略时，本文采用BP线性神经网络来建立被控对象的数学模型，网络中所有神经元的激励函数都是比例函数。通过连接权及阈值的学习，这样神经网络不仅能实现输入输出之间的非线性映射关系，而且已经学习好的输入输出之间的关系可转化成清晰的解析表达式，基于此解析表达式便于实现滑模变结构控制。 当系统时变且系统结构已知时，对能标识系统工作条件的变量进行模糊划分，根据模糊划分的结果形成多个定常子系统，基于检测到的标识系统工作条件的变量值，计算每个子模型的加权系数，在线获得一个适应实际系统的加权模型，基于此加权模型实施滑模变结构控制策略，实现了时变系统的自适应控制。 当系统时变且系统结构未知时，对能标识系统工作条件的变量进行模糊划分，根据模糊划分的结果形成多个定常子系统，针对每个定常子系统建立相应的BP线性神经网络模型，基于每个BP线性神经网络模型实施滑模变结构控制策略，基于检测到的标识系统工作条件的变量值，计算每个子滑模变结构控器输出的加权系数，在线获得一个适应实际系统的加权控制量，实现了系统的自适应控制。 当系统时变又时滞且系统结构已知时，先对系统进行模糊划分，形成多个子系统，这些子系统都是定常时滞的。系统结构已知时，基于检测到的标识系
周满[10]2014年在《电动舵机变结构控制律研究》文中研究指明电动舵机系统是一个高精度的位置伺服系统，是飞行器控制系统的关键组成部分之一。本课题研究目的是针对某飞行器电动舵机系统，设计一种控制系统，实现对舵机指令的快速、准确、实时跟踪。为提高舵机系统的响应速度、控制精度，同时提高系统对参数变动及外部扰动的鲁棒性，本论文主要完成以下工作：为了提高电动舵机控制系统的品质，本文根据变结构控制算法对外部扰动具有较强的鲁棒性的特点，设计了基于指数趋近律的变结构控制器，实现电动舵机系统的位置跟踪。由于传统的变结构控制器存在较为严重的抖振问题，因此引入模糊控制算法，实时调整变结构控制器的切换强度，在保证趋近速度和控制精度的前提下，达到最大限度的削弱系统抖振的目的。为验证模糊变结构控制算法的可行性，在simulink仿真平台上搭建了电动舵机系统的仿真模型，对控制算法进行了仿真验证，并与传统的PID算法、变结构控制算法进行比较。仿真结果表明，变结构控制器的超调量<1%，调节时间为0.052s，而传统PID控制器超调量为4.6%，调节时间为0.091s，变结构控制器控制具有更小的超调量及更快的响应速度；与传统的变结构控制器相比，引入模糊算法后，控制器的切换频率得到衰减，抖振强度明显削弱。最后，在硬件平台准备完成后，根据功能需求，搭建舵机系统软件模块，在基于DSP的舵机硬件平台上实现其高精度位置跟踪。为验证模糊变结构控制方案的可行性，分别使用常规的PID控制器、变结构控制器及模糊变结构控制器对电动舵机系统进行控制。实验结果表明，在空载情况下传统的PID控制器超调量为2.1%，调节时间为56ms，稳态误差<0.002°；变结构控制器超调量<1%，调节时间为52ms，稳态误差为0.02°；模糊变结构控制器超调量<1%，调节时间为60ms，稳态误差为<0.002°。即模糊变结构控制器，在提高系统对扰动鲁棒性、跟踪精度、响应速度的同时，最大限度的削弱了系统抖振。本文采用变结构控制算法提高了电动舵机系统的位置跟踪性能及抗扰动性能，同时针对变结构控制算法存在的抖振问题，引入模糊控制器，较好的削弱了系统的抖振强度，对变结构控制器的工程应用具有一定借鉴意义，对今后的进一步研究也具有一定的参考价值。
参考文献：
[1]. 模糊控制、神经网络和变结构控制的交叉结合及其应用研究[D]. 邱焕耀. 华南理工大学. 1999
[2]. 基于仿真和实验分析的的管道施工机械手若干关键技术研究[D]. 王丹. 东北大学. 2014
[3]. 多关节机器人的智能滑模变结构控制方法研究[D]. 穆效江. 北京工业大学. 2008
[4]. 远程多管火箭炮电液位置伺服系统辨识与控制策略研究[D]. 高强. 南京理工大学. 2008
[5]. 建筑结构振动控制理论与计算方法研究[D]. 汪权. 合肥工业大学. 2010
[6]. 基于一种改进遗传算法的神经网络[D]. 李晔. 太原理工大学. 2007
[7]. 开架式水下机器人辨识与控制技术研究[D]. 于华男. 哈尔滨工程大学. 2003
[8]. 机器人轨迹跟踪的智能控制方法研究[D]. 彭金柱. 湖南大学. 2005
[9]. 时变时滞系统滑模变结构智能控制策略研究[D]. 杜福银. 西南交通大学. 2006
[10]. 电动舵机变结构控制律研究[D]. 周满. 中国科学院研究生院(长春光学精密机械与物理研究所). 2014
标签：自动化技术论文; 模糊控制论文; 遗传算法论文; 机器人论文; 模糊神经网络论文; 滑模控制论文; 系统辨识论文; 仿真软件论文; 模糊算法论文; 模糊理论论文; 交叉分析论文; 系统学习论文; 优化策略论文; 智能控制论文; 机械手论文; 滑模论文; bp神经网络算法论文;