高建英[1]2000年在《基于遗传算法设计模糊RBF神经网络控制器》文中进行了进一步梳理模糊理论，神经网络和遗传算法的融合正在控制领域显示出巨大的应用潜力。本文在对上述三种方法进行结合和改进的基础上，提出了一种可以在无模型和无先验知识的情况下设计鲁棒控制器的方法，并且通过对典型非线性工业对象CSTR的仿真应用，验证了该方法的良好性能。 该方法的实现，得益于两点关键： 一是对遗传算法的改进：通过引进模糊编码方法来表示模糊神经控制器的结构，极大地减少了参数优化任务，加快了遗传算法的运行；并且还引入了优良模式自学习操作，改善了遗传算法的性能； 二是灵活转换控制器结构：利用两种模糊神经控制器的性能等价性，交替使用两种结构，发挥了其各自的优势。
林壮[2]2007年在《欠驱动水平机械臂滑模变结构控制研究》文中研究说明欠驱动机械臂系统是一种典型的二阶非完整约束动力学系统，属于非完全可控系统。一般的光滑反馈控制方法对这样的系统是无效的，其运动控制与运动规划比一般的全驱动机械臂系统困难得多，难以找到一种通用的、效果较好的控制方法。因此，欠驱动机械臂系统的控制问题已经引起了世界范围内学术界的高度重视和广泛关注。分层滑模控制理论是近年来新出现的一种滑模控制方法，利用分层思想将驱动关节和非驱动关节的滑模面分别设计，可将该思想与非完整约束的机械臂系统相结合，实现欠驱动机械臂的有效控制。本文以分层滑模控制理论为基础，以二自由度欠驱动水平机械臂为研究对象开展了以下研究工作：首先，全面的介绍了非完整约束动力学系统的概念及其发展研究的过程和现状，并对典型的非完整约束系统进行了分析。在此基础上介绍了二自由度欠驱动水平机械臂的分层滑模变结构控制器的设计方法，对其李雅普诺夫意义下的渐近稳定性进行了理论证明并实现了其位置控制。其次，利用遗传算法实现了分层滑模控制器参数的设计，并提出动态时变交叉和变异算子方法，一方面提高了遗传算法的收敛速度，且使控制器参数进一步优化。再次，针对滑模控制存在“抖振”的难题，将神经网络与滑模控制相结合，设计了RBF神经网络分层滑模控制器。提出通过混合编码的方法提高RBF神经网络遗传优化的效率，并利用自适应遗传算法实现了RBF神经网络的结构和参数优化，解决了滑模控制的“抖振”和控制器的稳态误差问题。最后，为提高控制器抗干扰能力，将反步设计法与分层滑模控制策略相结合，设计了自适应分层反步滑模变结构控制器，提高了抗干扰能力。同时详细证明了该控制器李雅普诺夫意义下的渐近稳定性。仿真结果验证了本论文提出的各种控制方法的有效性。
林叶锦[3]2006年在《船舶运动模糊神经网络控制系统的研究》文中研究说明船舶自动舵性能的优劣直接关系到船舶的航行安全和经济效益。但是由于船舶是一个具有非线性、时变和不确定性的复杂控制对象，常规PID控制难以适应变化的工况，自适应控制也由于难以建立精确数学模型，对未建模因素难以奏效。模糊控制特别适合于处理那些难以建立精确数学模型的复杂控制对象，而神经网络则具有强大的学习和容错功能，将模糊控制和神经网络等智能控制技术应用于船舶运动控制是当前重要的研究手段，并有望解决这一问题。本文针对这一发展趋势，对船舶运动模糊神经网络控制方法进行研究。具体内容包括： 1．从动力学角度出发建立了水面船舶三自由度的运动模型，在现有研究成果的基础上，考虑了风、浪、流等干扰因素和舵机的模型。并利用Matlab的S函数建立了Abkowitz非线性船舶运动模型的Simulink模块，可在Simulink环境下直接应用于船舶操纵试验和船舶运动控制规律的仿真研究。 2．分析了船舶航向和航迹控制的原理，根据航向改变和航向保持过程中不同的操舵特点分别设计了航向保持模糊控制器、转向模糊控制器和控制模式切换控制器。为验证算法的有效性，首先采用Abkowitz非线性船舶运动模型在无干扰和有干扰的情况下分别进行了仿真，然后采用不同参数的Nomoto模型进行了加扰仿真，并对控制器的性能进行了验证和分析。 3．根据模糊系统的推理过程构建了基于神经网络的模糊控制器，并分析了输出模糊子集取对称或单点隶属函数的Mamdani模糊系统以及零阶T-S模糊系统与RBF网络之间的等价关系。在此基础上提出了基于RBF神经网络的模糊控制器，利用隐层节点中心矢量和输出权值来定义模糊规则的前件和后件，并采用遗传算法对RBF网络参数进行调整来实现对模糊控制器规则库的优化或者模糊规则的自动生成。在优化方法上先将二维的矢量中心节点展开成由一维节点表示的等价网络，使得优化参数大大减少，并且建立了基于Simulink环境的遗传算法优化模块，应用于控制器参数的优化。仿真结果展示了控制算法和优化算法的有效性。 4．采用自行研制的船舶运动控制试验平台进行了船舶运动控制的物理仿真，
王晓伟[4]2007年在《基于改进PSO算法的过热汽温神经网络预测控制》文中提出火电厂锅炉高温过热器的过热汽温是一类非线性、时变性、大时滞、大惯性的典型对象。目前主要采用常规串级式PID控制，在干扰量大、工况发生变化时，难以达到理想的控制效果。神经网络预测控制(NNPC)充分利用了神经网络的非线性映射能力以及预测控制滚动优化、反馈校正的机理，更符合此类复杂系统控制的不确定性和时变性的实际情况。为了进一步改善NNPC的性能，本文将具有全局搜索能力、实用性强的改进粒子群优化算法(MPSO)融合到NNPC中，提出了基于MPSO算法的RBF神经网络混合优化(MPSO-RBF)策略，构造了基于MPSO-RBF混合优化策略的模型预测器，以及基于MPSO算法的非线性优化控制器。针对过热汽温的控制，给出了基于神经网络预测控制的串级控制系统，并就该系统在实现时所涉及到的预测模型、滚动优化算法、反馈校正、仿真参数设置问题等进行了分析，给出了MPSO算法的粒子编码、操作设计和混合优化算法步骤。最后针对某超临界600MW直流锅炉高温过热器的过热汽温控制进行了仿真试验，结果表明该方法具有更好的性能指标。
孙好章[5]2008年在《基于神经网络的机械手控制系统的研究》文中研究指明机器人不仅是一个十分复杂的时变、强耦合、高度非线性系统,而且实际上还存在诸多不确定因素,诸如测量误差、摩擦、负载变化、随机扰动及未建模动态等,因此无法得到完整的、精确的机器人系统模型。本文在参考国内外大量文献的基础上,针对不确定性机器人轨迹跟踪控制问题,引入智能控制方法,使机器人系统达到较好的控制效果。机械手逆运动学求解是进行机械手控制的重要步骤之一,本文利用神经网络具有逼近任意非线性系统的能力,研究前馈神经网络在机械手逆运动学问题中的应用。前馈型神经网络中最典型的网络是BP神经网络,它采用标准的BP算法时,存在着收敛速度慢、易陷入局部极小的缺陷。针对BP算法的缺点,给出了一种混合算法,即先利用遗传算法离线训练神经网络参数,使网络参数达到近似全局最优,然后再采用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。仿真结果表明,该神经网络能够有效求解机械千逆运动学问题,达到了较高的精度,而且求解速度较快,满足机械手实时控制的要求。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。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。设计了一种神经网络控制系统,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。
王淑青[6]2006年在《水轮机调节系统控制策略及模型辨识方法研究》文中提出水电机组系统是具有时变、非线性、非最小相位等特性的复杂系统,其控制的可靠性是水电厂安全运行的关键。为了提高系统的控制性能,设计出控制效果更好的水轮机调节器,在全面总结现有水电机组系统控制策略和辨识方法成果的基础上,结合水电机组控制系统特性,引入智能控制系统,对水电机组系统辨识和控制方法做了深入研究,提出了具体的改进措施和智能控制器的设计方法,并给出了仿真结果。在分析水电机组经典数学建模和常规人工神经网络建模方法基础上,提出了基于Takagi-Sugeno型的ANFIS网络进行水电机组辨识方法,并针对该方法在误差较小时训练网络参数收敛速度慢的问题,采用拟Newton算法和梯度下降混合学习算法进行参数的训练学习,使ANFIS辨识网络具有很好的实时性,对水电机组进行辨识提供了一种新途径。针对常规PID控制存在的问题,详细分析了现有的PID控制优化方法,并对这些优化方式进行了设计和仿真;结合仿真实验结果,分析了其优缺点,为选择较好的优化PID方法提供了依据,在此基础上提出了采用经过模糊整定的PID控制与模糊控制并联揉合构成的水电机组控制器,仿真结果验证了其有效性。为了提高系统控制性能,设计了水电机组模糊神经网络控制器,详细介绍了其控制器结构、模型和学习方法。为了克服基于误差反传的模糊神经网络控制器学习过程容易产生振荡和收敛速度慢的缺点,提出了采用自适应学习训练算法。为确保模糊神经网络控制器学习过程的稳定和收敛,采用Lyapunov理论对模糊神经网络学习参数进行了优化,仿真结果验证了其有效性。针对模糊神经网络设计和仿真过程中的结构参数选择具有一定的主观性和试探性的问题,提出将软计算方法应用于水电机组控制器设计中,设计了基于模糊推理系统、神经网络、遗传算法相融合的水电机组控制器,给出了控制器的结构和设计方法,针对遗传算法优化中存在的早熟等问题,提出了采用改进遗传算法进行优化的方法。为了防止水电机组大扰动时模糊神经网络学习速度慢、易陷入局部最优引起控制效果不佳或引起不稳定现象的发生,控制器中并联了监督控制器,给出了仿真结果。全面系统地总结了本文的工作和研究成果,并指出了有待改进的地方和需进一步开展的工作。
夏玲琼[7]2009年在《基于神经网络的电液伺服地震模拟振动台的控制研究》文中研究指明结构抗震试验是目前防震抗灾研究的必要环节。随着控制理论、计算机技术的发展,抗震试验方法也朝着大型化、数字化、精确化、智能化方向发展。新的试验方法在拟静力试验、拟动力试验和振动台试验当中的应用是当前抗震试验研究的热点,特别是基于智能控制方法的振动台试验,更是成为国内外防震抗灾试验方法研究领域的前沿。本论文具体所做的工作就是对已有地震模拟振动台的电液伺服控制系统进行改造,这项工作对地震模拟振动台试验方法的研究有重要意义。本文阐述了电液伺服地震模拟振动台的基本控制方法及采用智能控制技术的趋势,重点分析了神经网络迭代学习控制算法在地震模拟振动台再现地震运动加速度波形技术中的应用。针对湖南大学结构试验室地震模拟振动台加速度波形再现的需要,应用了神经网络在线迭代学习控制及多参量控制理论。在地震模拟振动台液压作动器位移PID控制的基础上构建外部加速度闭环,组成双闭环控制。其中内闭环采用MTS控制系统已有的PID控制,外闭环通过配置加速度反馈、速度反馈、位移反馈和编写波形转换和加载程序,采用神经网络迭代学习控制算法实现外部闭环控制来修正PID参数。本文外闭环算法是通过RBF网络识别对象的输出对控制输入变化的灵敏度信息,并且对RBF网络的在线学习算法进行了一定得改进,通过增加删除节点来加快在线学习算法的速度。本文还尝试通过遗传算法对神经网络的初始参数进行优化,增加了网络的全局寻优能力。最后通过遗传算法优化神经网络初始权值和参数,和RBF神经网络和BP神经网络一起构成调节系统PID参数的外闭环算法,探索试验表明了该算法具有较好的适应性。
韩晓霞[8]2005年在《基于神经网络的刚性机械臂控制研究》文中指出机械臂按照给定轨迹的运动控制是机械臂操作中一个最重要的方面。现有的商业机器人系统使用传统的PID控制器,因为PID控制器结构简单、易于设计。但是,因为机械臂的动力学方程是具有强耦合、高度非线性和高度不确定性的,使用PID控制器很难完成期望的轨迹控制性能。随着现代控制理论的发展,众多智能控制算法都在尝试解决这个问题。智能控制技术是当前控制领域研究的热点之一,广泛应用于不确定性、非线性等复杂系统的控制中。本论文旨在探讨模糊神经网络技术在刚性机械臂轨迹跟踪中的应用,并设计了一个性能优良的机械臂轨迹跟踪控制系统。 论文根据固高GRB400工业机器人的结构特点和实际作业轨迹要求,给出了运动学和动力学分析。该机器人的结构形式为SCARA型平面关节,是具有四个关节的搬运机器人。其中关节1和2是旋转关节,具有二个自由度,完成坐标系X—
张守印[9]2006年在《轧机液压弯辊基于GA的模糊RBF神经网络控制的研究》文中研究说明国内轧钢生产企业对于板形控制的研究起步较晚,而且多数都是成套设备的引进,对于设备设计的深入研究还相对较少。对轧钢板形弯辊液压系统的设计,一般采用与国外同类弯辊液压系统相类比的方法进行设计,类比设计方法由于缺乏设计的理论依据,有很多缺陷,实际应用中存在许多问题,因此板形质量远远达不到实际生产的需要。针对此问题,本文以900HC冷带钢轧机弯辊液压系统为对象,对基于GA(遗传算法Genetic Algorithm)的模糊神经网络控制理论在该轧机液压弯辊伺服系统中的应用进行了研究。 本文在全面了解液压弯辊控制系统、液压伺服系统的建模方法和仿真及优化的基础上,主要以理论计算分析和仿真验证为主要手段,建立了更加适用于工程实际的数学模型,该模型不仅能准确地体现系统的动态特性,而且为获得系统和元件的准确参数提供了理论依据,同时在建模过程中还考虑了一些常被简化和忽略的非线性因素、外在干扰的影响。在模型的实现方面,本文充分利用了现代仿真技术和计算软件,使用软件Matlab中的SIMULINK动态结构图实现了系统仿真,分析仿真结果,指出了弯辊液压控制系统存在的缺点及传统控制方法在改善此缺点方面存在的不足。为此,在综合现代智能控制方法的基础上,该文设计了一种新的基于GA的模糊RBF(径向基函数神经网络Radial Basis Function)神经网络控制器,并将其应用于HC轧机板形液压控制系统中,仿真结果表明,该智能控制器比传统控制方法PID能更好的改善液压系统的动静态特性,提高了板形控制精度,从而也验证了该控制器的良好性能。
刘昆[10]2002年在《软计算方法在智能优化中的应用研究》文中研究指明智能优化为许多传统方法难以求解的问题提供了有效的求解思路，论文结合软计算方法进行了智能优化方面的应用研究工作，内容包括： 1．对一类难以使用传统方法求解的时间资源调度问题，提出了启发式方法和遗传算法相结合的求解算法，该算法易于实现，计算量较小，尤其对大规模问题实例的求解提供了一种有效的方法。 2．提出了基于遗传算法优化的判别函数分类方法，解决了传统方法较难确定的判别函数形式和参数选取问题，为分类问题提供了一种简化而有效的方法。 3．对0-1整数规划问题的求解提出了一种动态适应值遗传算法，其中较好处理了搜索空间和搜索效率之间的折衷，具有构造实现简单、所需参数少的特点，并通过问题实例优化对比测试了相关参数对算法性能的影响。 4．从简化神经网络结构以及训练算法的角度，进行了基于函数连接的神经网络控制仿真研究，该网络和MLP-BP网络相比具有较小的计算量，并通过对比研究了相关参数的影响。 5．在分析RBF网络逼近能力以及和模糊逻辑联系基础上，综合模糊推理和局部逼近网络学习快速的优点，提出了一种模糊RBF网络的快速实现方法，文中给出的函数逼近和控制仿真结果表明了方法的有效性。 6．提出了一种基于竞争学习的有监督分类方法，和一些传统方法相比需要先验知识较少，算法参数容易确定，该方法还较好解决了初始条件对竞争学习算法的影响，对比表明可使竞争学习算法以较快速度实现正确分类结果。 论文进行了一些有创新的应用研究，这些工作对丰富和扩展应用智能优化方法更好解决实际问题具有积极的意义。
参考文献：
[1]. 基于遗传算法设计模糊RBF神经网络控制器[D]. 高建英. 大连理工大学. 2000
[2]. 欠驱动水平机械臂滑模变结构控制研究[D]. 林壮. 哈尔滨工程大学. 2007
[3]. 船舶运动模糊神经网络控制系统的研究[D]. 林叶锦. 大连海事大学. 2006
[4]. 基于改进PSO算法的过热汽温神经网络预测控制[D]. 王晓伟. 合肥工业大学. 2007
[5]. 基于神经网络的机械手控制系统的研究[D]. 孙好章. 江南大学. 2008
[6]. 水轮机调节系统控制策略及模型辨识方法研究[D]. 王淑青. 华中科技大学. 2006
[7]. 基于神经网络的电液伺服地震模拟振动台的控制研究[D]. 夏玲琼. 湖南大学. 2009
[8]. 基于神经网络的刚性机械臂控制研究[D]. 韩晓霞. 太原理工大学. 2005
[9]. 轧机液压弯辊基于GA的模糊RBF神经网络控制的研究[D]. 张守印. 兰州理工大学. 2006
[10]. 软计算方法在智能优化中的应用研究[D]. 刘昆. 浙江大学. 2002