刘天键[1]2001年在《自适应模糊单神经元非模型控制系统的研究》文中研究指明本文从工程实际出发，对模糊神经非模型控制系统设计理论和应用进行了研究。 文中着重研究了模糊系统与神经元非模型控制融合的可行性及融合方式，基于二者的 融合方式提出了自适应模糊神经元非模型控制方法，并与PID控制、模糊控制、单神 经元控制进行了仿真比较。最后，在电加热炉上进行实例设计。本文的主要研究的内 容有如下几个方面： 1．综述了自适应控制、模糊控制、神经元控制的发展和研究现状，并就模糊神经非 模型控制的研究提出了一些作者的观点。 2．介绍了神经元非模型控制的结构和基本原理及模糊控制器的设计的两种基本方 法。针对模糊控制系统和神经元控制系统的不足，探讨了神经元非模型控制与模 糊控制结合的可能性。 3．针对模糊系统和神经元系统的特点，提出了自适应模糊单神经元的控制算法。 4．介绍了基于数值仿真的方法，在MATLAB中对本文提出的自适应模糊单神经元 控制算法进行仿真实验，并与PID控制、模糊控制、单神经元控制进行仿真比较。 验证自适应模糊单神经元控制算法的动、静态特性、鲁棒性和抗干扰性。结果表 明本文提出的自适应模糊单神经元非模型控制方法不仅获得强鲁棒性、强抗干扰 性和满意的控制性能，而且系统设计方法简便，能方便地用于实际工业控制中。 5．针对实验室电加热炉系统，使用自适应模糊单神经元控制算法进行控制系统的设 计，得出阶跃响应曲线，取得了满意的控制效果。
徐丰[2]2005年在《增益自调整的神经元控制算法研究》文中认为神经非模型控制是智能控制的发展方向之一,本文研究了神经元非模型控制方法及神经元控制器参数的自调整问题并进行了神经元非模型控制方法的仿真实验与结果分析。 本文的主要内容包括以下几个方面: 1.介绍了神经元控制、模糊控制和灰色预测控制方法的基本原理。 2.基于模糊在线调整神经元增益的思想,分别采用查表法和公式法在线调整神经元控制器的增益,提出了两种模糊增益自调整神经元控制方法。针对复杂、具有非线性、不确定性的钢铁连铸过程及pH中和过程进行了控制系统设计和仿真实验,仿真结果表明这两种方法具有满意的控制效果。 3.从提高控制系统响应速度、抑制超调的角度出发,引入灰色预测器,提出了一种改进的模糊增益自调整的神经元控制方法,分别对钢铁连铸过程和滞后对象的控制进行了仿真研究,仿真实验结果表明该方法有效地改善了模糊神经元控制器的控制品质。
杨光[3]2003年在《模糊神经非模型控制算法研究》文中进行了进一步梳理模糊神经非模型控制是智能控制的一个前沿领域。本文对模糊神经非模型控制系统的设计理论和应用进行了研究，针对切削系统、pH中和过程等复杂、具有不确定性的工业对象和过程，提出了多种模糊神经非模型控制方法，并进行仿真实验，验证了所提出的控制方法的有效性。本文的主要内容如下： 1．针对具有非线性和不确定性的机械加工切削过程，提出了神经元增益自整定的PID控制方法和模糊神经元非模型控制方法，前者采用神经元来在线调整PID控制器的增益，后者将模糊控制器和神经元控制器相结合构成模糊神经元控制器，这样当对象特性随切削深度的变化而变化时，所设计的控制器能保持切削力恒定，使系统稳定并具有满意的动态品质。 2．针对核反应堆功率控制对象，提出了一种神经元模糊-PD双层控制方法。这种方法将模糊控制器与神经元融合构成外层的神经元模糊控制器，它通过神经元学习来在线调整模糊控制器的规则。在内层控制回路上，采用PD控制器，构成神经元模糊-PD双层控制系统。仿真结果表明，这种方法具有强鲁棒性和满意的控制性能。 3．针对船舶调距桨系统，提出了一种神经元参数自调节的模糊控制方法，该方法使用神经元对模糊控制器的模糊化因子进行在线调整，使控制系统在对象特性发生变化时具有强鲁棒性，仿真实验验证了本章提出的方法的有效性，并取得了满意的控制效果。 4．针对具有严重非线性特性的pH中和过程，提出了一种模糊增益自整定神经元控制方法，这种方法采用T-S模糊推理估计下一时刻的控制量，并通过参数估计和经验公式来计算出神经元控制器的增益。仿真结果表明所提出的控制方法能有效控制pH中和过程。
陈俊伟[4]2008年在《基于膜计算优化方法的控制系统设计研究》文中研究表明基于膜计算的基本思想和进化计算的研究成果,本文研究了基于膜计算的优化方法及其在控制系统优化设计中的应用。通过典型测试函数对所提出的膜计算优化方法的性能进行了测试,并对所设计的控制器进行了仿真实验。本文的主要研究成果如下:(1)在标准膜计算的框架基础上,受DNA分子结构的启发,提出了一种具有DNA双链结构(double stranded DNA)的膜计算优化方法——dsDNA-MC算法。该算法具有双系统的膜结构,对象均为双链编码,在进化规则上使用了膜计算中的改写规则、粘贴规则、交流规则和RNA计算中的转位规则。以8个典型测试函数构成测试环境,进行寻优并与SGA、DNA-MC算法作对比,表明所提出的算法具有寻优精度高、收敛速度快等优点。(2)将提出的dsDNA-MC方法用于PID控制器参数优化整定,以四个单输入单输出对象和一个两输入两输出对象为背景进行了控制器的优化设计并与Z-N法、SGA方法作对比,表明使用dsDNA-MC优化方法得到的PID控制器具有满意的性能。将提出的dsDNA-MC优化方法用于模糊神经元控制器参数整定,以切削过程为背景进行了控制器的优化设计和仿真实验,实验结果表明使用dsDNA-MC优化方法得到的控制器具有满意的性能。(3)提出了一种基于膜计算的多目标优化方法——MCMO(MembraneComputing Based Multio-bjective Optimization)算法。该算法利用膜计算的膜结构把种群分割成一系列子种群,在不同子种群间使用膜计算的交流规则;在保持种群的多样性和精英策略方面吸取了NSGA-Ⅱ算法的研究成果。通过叁个测试函数对所提出的算法进行了测试,并与NSGA、VEGA算法作对比,表明MCMO算法得到的最优解更接近真实的Pareto最优边界,而且分布均匀。将MCMO算法用于一个具有时变特性被控对象的PID控制器动态多目标优化设计,取得了满意的控制效果。
张丽[5]2003年在《不确定对象的模糊神经元控制系统设计算法研究》文中进行了进一步梳理本文从工程实际出发，对模糊神经非模型控制系统设计算法和应用进行了研究，提出了多种模糊神经非模型控制方法，针对不同的复杂工业对象和过程，进行了控制系统的设计和仿真实验。本文主要内容有如下几个方面： 1．综述了神经元网络和神经控制的发展与状况、模糊控制的研究状况； 2．介绍了神经元非模型控制的基本理论和方法，包括面向控制的神经元模型、学习策略、神经元控制系统的一般结构和神经元非模型控制的基本方法； 3．针对具有多模型特性的受控对象，提出了一种参数自调整模糊积分复合控制方法，并以水轮机组的频率跟踪控制问题为背景，进行了控制系统的设计和仿真实验研究，仿真结果表明这种新颖的控制方法具有强的鲁棒性和满意的控制品质； 4．针对具有严重非线性和不确定性的受控对象，提出了一种双神经元非模型控制方法，并以pH中和过程为背景进行了仿真控制实验，仿真结果验证了该方法的鲁棒性和有效性； 5．针对具有不确定性的大纯滞后对象，提出了增益模糊自整定神经元PID控制方法，并以具有大纯滞后特性的水温调节过程为背景，进行了仿真实验，仿真结果证明了该方法的有效性。
李研[6]2007年在《模糊单神经元控制及其在光源跟踪伺服系统中的应用》文中研究表明模糊神经元融合控制是智能控制领域中的一个前沿发展方向。本文对模糊神经元融合控制系统的理论和应用两个方面进行了研究。主要探讨了模糊控制与单神经元控制融合的可能性,并举例分析了模糊控制与单神经元控制融合的具体方式。针对模糊控制系统缺乏自调整能力的不足,提出了一种模糊与单神经元融合的控制算法。这种算法利用神经元的自学习能力来在线调整模糊控制器的可调因子α,以实现模糊规则库的自调整。最后,将这种算法应用于光源跟踪伺服系统进行MATLAB仿真实验,并与单纯的模糊控制策略和单纯的单神经元控制策略进行比较分析。结果表明,模糊与单神经元融合的控制算法具有更好的控制品质和鲁棒性。
刘海波[7]2005年在《大型电站锅炉燃烧系统复杂控制的研究》文中提出锅炉燃烧系统的控制是火电厂最重要的过程控制。锅炉燃烧控制的叁个子系统,即燃料量控制回路、送风控制回路和引风控制回路的控制品质都直接关系到整个机组的安全和经济运行。由于锅炉燃烧被控对象是典型的多变量复杂系统,目前国内广泛采用的常规PID控制方案的控制效果并不理想,所以本文将模糊控制理论、神经元控制理论和混杂控制理论引入锅炉燃烧系统。 在模糊控制理论研究方面,本文主要研究了常规模糊控制器和控制规则可调整的智能权函数模糊控制器;在神经元控制理论方面,本文主要研究了单神经元控制方案,也简单介绍了神经网络控制理论;在混杂控制理论方面,本文主要研究了利用Petri网建模分析混杂系统的方法。 在计算机仿真研究方面,本文充分利用了MATLAB软件,在SIMULINK中建立了上述各种复杂控制理论应用于锅炉燃烧系统的仿真模型,获得了各种仿真曲线,并对仿真结果进行了分析。 在工程应用方面,本文介绍了利用XDPS-400组态软件实现的智能控制方案在大型电站300MW发电机组锅炉燃烧系统上的实施情况,主要是应用组态软件对模糊神经元控制方案进行组态以及对实施要点的总结,并且对投运结果进行了分析。实际投运结果表明,模糊神经元控制算法能够对锅炉燃烧系统这类复杂被控对象进行控制,而且控制效果比较满意。 论文最后进行分析总结,对今后的工作和发展方向进行了展望。
刘延俊[8]2008年在《气动比例位置系统的控制方法及动态特性研究》文中研究说明气动系统以其结构简单、无污染、性价比高、维修方便及抗干扰能力强等优点,被广泛应用于化工、医药、纺织、微电子、生物工程等工业自动化领域中。气动比例技术的出现,使气动系统从逻辑控制领域扩展到比例/伺服控制领域。但是由于气动系统固有的非线性、刚度小、阻尼比小以及固有频率低等缺点,使得气动比例位置系统定位技术进展缓慢,其控制精度和工作性能难以达到理想的效果,从而限制了气动系统在工业领域中的推广及应用。本文主要以提高气动比例系统的控制精度为目标,通过分析其摩擦力及动态特性,对系统的摩擦非线性补偿及智能控制策略进行研究。本文综述了气动比例系统的特点及发展状况,分析了气动系统的缓冲定位技术,阐述了智能控制技术在该领域中的研究与应用。在深入分析气动比例系统的工作性能及特点的基础上,研究系统的摩擦机理,并且通过迭加高频低幅颤振信号补偿系统的摩擦力,结合气动比例系统的非线性特征,设计出模糊神经元网络控制器,使系统获得了良好的控制精度。首先,对气动比例系统进行了两种方法的数学建模研究。一种方法是机理建模,即通过分析气缸与比例方向阀的力平衡特性以及压力-流量特性,建立了系统的非线性数学模型,并对模型进行了系统辨识,得到了较为精确的数学模型,以便于为下一步的研究提供依据。另一种方法是基于图形化的物理建模,通过仿真软件AMESim,建立气动比例位置系统的数学模型,这种方法可以最大程度的考虑系统的细节问题,从而能够得到更加准确的数学模型。由于图形化建模是利用AMESim与Matlab/simulink的联合仿真平台,把两个优秀的专业仿真工具联合起来使用,既发挥AMESim突出的流体机械的仿真效能,又能借助MATLAB/Simulink强大的数值处理能力,取长补短,取得更加完美的互补效果,所以本文的所有研究都是在基于图形化物理建模的基础上进行的。其次,研究了补偿气动比例阀控缸系统摩擦力的理论。由系统的摩擦力带来的稳态误差和低速爬行问题,通常是通过提高运动部件的加工精度和改进系统的润滑条件来解决。在气动比例系统中,可以通过改进气缸的机械结构,或者采用高精度新型气缸等措施来减少非线性摩擦对系统运动性能的影响,但是由于这种方法会使成本显着增加,也不可能最终消除非线性摩擦,所以会影响系统的定位精度和轨迹跟踪精度。仿真及实验研究表明,通过迭加颤振信号补偿系统的摩擦力,可克服气动比例阀的中位死区,提高系统的灵敏度和动态响应特性。再次,针对系统的非线性特性,研究了气动比例系统的智能控制方法。文中分别对智能控制领域内的模糊控制、神经网络控制的方法进行了分析和仿真研究。模糊控制能仿效人的模糊逻辑思维方法,允许系统在工作过程中某些数值型量的不精确性存在。但是模糊规则的确定对操作人员的经验以及语言表达方式有一定的依赖性,不同人员对于问题认识的深度和综合能力直接影响到模糊控制系统的工作性能。神经元网络通过其结构的可变性,逐步适应外部环境的各种因素的作用,能够从不十分精确的输入/输出值描述中挖掘出研究对象之间的因果联系,从而达到解决问题的目的。为了减小控制系统对经验知识的依赖性,增强控制系统的学习能力以提高控制系统对运行过程中工况条件变化时的适应能力,针对比例阀控缸对象一类的非线性、时变不确定系统,考虑采用神经元网络技术或模糊神经元网络技术来解决。因此,提出了一种模糊神经元网络(FNN)的控制方法,即在基本模糊控制器的基础上,引入神经元网络技术,利用神经元网络的学习功能结合模糊逻辑推理,以进一步改善比例阀控缸系统性能、提高系统的适应能力。仿真结果表明,针对该系统设计的模糊神经元网络控制器,能够很好的克服外界负载扰动对比例阀控缸系统的影响,使系统的鲁棒性提高。最后,将模糊神经元网络的自学习功能和迭加颤振信号的补偿方法相结合,对比例阀的死区进行了补偿实验研究;在对高次曲线进行理论分析的基础上,提出了采用高次曲线作为理想曲线实现气动比例阀控缸位置控制系统轨迹跟踪的方法;通过研制两自由度气动比例系统的控制程序及控制界面,实现了气动比例系统在平面内的高精度轨迹跟踪研究;单自由度系统定位精度控制在±0.100mm以内,平面两自由度连续轨迹跟踪精度控制在±0.263mm以内,可以替代价格昂贵的伺服系统。
严海[9]2009年在《VENLO型温室建模与智能控制研究》文中认为随着科技技术的不断发展,设施农业已经成为农业现代化一个重要标志。现代温室是设施农业最基本的技术实现形式之一。它能够在多变的自然条件下为作物生长创造一个适宜的环境,从而缩短作物的周期,同时实现作物的高产出、高品质、高效率等目标,因而越来越引起人们的关注。温室环境调控是现代温室中最重要的关键技术之一,提高温室环境控制的能力才能更好的促进我国农业现代化的不断发展。论文针对Venlo型温室环境温度和湿度两个主要因子进行分析,运用各种智能算法建立模型并进行仿真研究,从而提高温室环境控制的稳定性和控制精度。本文的主要研究工作如下:1.温室气候的建模是实现温室控制的基础。本文系统地分析了温室环境中各种物理过程,提出了一种基于能量和物质守恒的温室环境建模的方法。建立Venlo型温室的温度和湿度模型,并通过仿真研究表明,建立温室物理动态模型能够可靠地估计温室内空气的温湿度值。2.根据已经建立的温室温度物理动态模型,提出了Venlo型温室温度模糊控制系统。建立Venlo型温室的模糊控制器,并通过仿真结果证明,温度仿真曲线在温度的设定值附近出现振荡现象,但基本上都达到了预期的控制要求。3.在上述模糊控制器的基础上运用神经网络的BP算法来优化模糊控制规则。通过仿真结果证明Venlo型温室温度的模糊神经网络控制系统比一般的模糊控制系统具有更高的控制精度。并且把Venlo型温室控制系统平台加以实现,从实际的应用可知该系统较为稳定且控制效果较好。
黄海[10]2002年在《神经元非模型控制系统设计与应用》文中研究指明本文从工程实际出发，对神经元非模型控制系统的设计和应用进行了研究，提出了几种神经元控制系统设计方法，针对不同的工业对象和过程，进行了神经元控制系统的设计和仿真实验。本文主要内容有如下几个方面： 1．综述了神经元网络的发展利研究现状，介绍了神经元网络在控制中的应用； 2．介绍了神经元非模型控制的基本理论，主要包括面向控制的神经元模型，神经元控制系统的一般结构和神经元非模型控制的基本方法。 3．介绍了水轮发电机组的数学模型，针对其速度控制问题，提出了一种增益自调整神经元控制方法，并以某水电站的水轮发电机组为背景，进行了仿真实验。仿真结果证明了这种控制方法的有效性，并且系统设计方法简单，能方便应用于实际工业控制中。 4．介绍了多纸种造纸机纸张定量控制对象的动态特性，针对这种具有多模型特性的受控对象，提出了一种模糊神经元复合控制方法，并进行了控制系统设计和仿真研究，在定量工况发生较大变化时仍然能够获得很好的控制效果。 5．介绍了pH过程的机理模型和特性，针对具有严重非线性特性的pH过程，提出了一种基于参数估计的增益自调神经元控制方法，这种方法采用递推最小二乘法粗略估计对象的增益，推导出神经元控制器增益自调整策略，并对某pH过程进行了仿真实验。仿真结果验证了本章提出的控制方法的有效性和鲁棒性。该方法设计简单，控制品质明显优于PID控制和第二章的神经元控制。
参考文献：
[1]. 自适应模糊单神经元非模型控制系统的研究[D]. 刘天键. 福州大学. 2001
[2]. 增益自调整的神经元控制算法研究[D]. 徐丰. 浙江大学. 2005
[3]. 模糊神经非模型控制算法研究[D]. 杨光. 浙江大学. 2003
[4]. 基于膜计算优化方法的控制系统设计研究[D]. 陈俊伟. 浙江大学. 2008
[5]. 不确定对象的模糊神经元控制系统设计算法研究[D]. 张丽. 浙江大学. 2003
[6]. 模糊单神经元控制及其在光源跟踪伺服系统中的应用[D]. 李研. 辽宁工程技术大学. 2007
[7]. 大型电站锅炉燃烧系统复杂控制的研究[D]. 刘海波. 武汉大学. 2005
[8]. 气动比例位置系统的控制方法及动态特性研究[D]. 刘延俊. 山东大学. 2008
[9]. VENLO型温室建模与智能控制研究[D]. 严海. 浙江工业大学. 2009
[10]. 神经元非模型控制系统设计与应用[D]. 黄海. 浙江大学. 2002
标签：自动化技术论文; 模糊控制论文; 仿真软件论文; 模糊神经网络论文; 过程控制论文; 模糊算法论文; 模糊理论论文; 线性系统论文; 智能控制论文; 非线性论文;