基于果蝇-蛙跳模糊神经网络PID 的永磁直线同步电机控制

针对永磁直线同步电机(PMLSM)伺服系统存在的非线性、时变性及强耦合性,设计一种基于模糊神经网络PID的速度控制策略,通过融合果蝇优化算法和蛙跳算法形成果蝇-蛙跳算法,实时调整优化模糊神经网络的结构参数,输出适用于PID控制器的最佳参数kp、ki、kd,实现PMLSM速度控制的自适应和智能化。仿真分析与试验结果表明,采用基于果蝇-蛙跳算法优化的模糊神经网络PID速度控制器,能使PMLSM控制系统取得更加优良的控制效果。     

基于模糊神经网络的涡扇发动机加速控制

采用模糊神经网络对某型涡扇发动机加速过程进行自适应控制，为了进一步提高系统性能，采用遗传算法和BP算法相结合的方式，对系统分别进行了离线和在线优化。仿真结果表明，设计的模糊神经网络控制器具有良好的性能。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

模糊神经网络在过失速机动飞行中的应用

模糊逻辑控制技术和神经网络有机的结合 ,拓宽了模糊逻辑方法和神经网络方法的适用领域。利用神经网络具有自学习能力的优势 ,采用反向传播学习算法 ,通过对传统模糊逻辑控制器中的模糊逻辑控制规则和隶属函数有关参数进行训练学习 ,设计了模糊神经网络控制器 ,应用于飞机的过失速机动“里程碑”之一—— 70°迎角定常飞行仿真计算 ,获得了令人满意的结果。     

导弹块对角控制器的组合设计法

利用小脑关节模型控制器 ( CMAC)神经网络辨识了导弹控制系统的几个重要空气动力参数,证明了估计误差、权误差有界,然后用解析逆解设计方法、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。     

一种基于模糊神经网络的飞行控制系统设计

文章将模糊逻辑控制与神经网络结合使用,利用神经网络的自学习优势,采用误差反向传播算法,给出PI控制器的比例、积分参数,对模糊逻辑控制器的输出进行进一步调整。仿真结果表明,使系统具有更好的控制效果。     

基于模糊神经网络的智能PID控制算法

舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。     

基于细菌觅食优化算法的永磁同步电机位置伺服系统模糊控制策略

针对PID控制器参数固定而引起永磁同步电机(PMSM)位置伺服系统控制效果不佳问题,设计了基于细菌觅食优化算法的模糊控制器。该位置控制系统是以空间矢量控制为理论基础,由位置环、速度环、电流环构成的PMSM三闭环控制系统。在MATLAB/Simulink环境中将模糊控制器应用在系统位置环上。对比仿真结果发现,参数优化后的模糊控制器在系统位置环的作用更加优越,完全克服了传统PID控制器的缺点,能有效提高电机位置控制的快速性和准确性。     

神经网络在直升机对地攻击中的应用研究

应用神经网络方法研究了直升机对地射击的一些技术问题。文中首先介绍了直升机对地攻击的火控系统原理;其次,对复杂又不稳定的直升机飞行运动模型设计了模糊神经网络控制器;然后,设计了综合火/飞控制系统,并对所设计的整个攻击系统进行了仿真,通过仿真证明满足系统设计要求。在神经网络设计中,采用了变尺度优化算法,提高了算法的速度和精度,直升机对地攻击的实时应用提供了重要的参数价值。     

基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强．在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。     

航空发动机神经网络内模控制

基于神经网络内模控制理论研究了神经网络内模控制方法在航空发动机控制系统中的应用,建立了基于Elman网络的航空发动机多变量内模控制系统。采用Elman网络建立发动机内模型和内模控制器,详细介绍了建模、控制的算法及其实现过程。取部分飞行条件下的数据作为学习样本,采用动态BP算法对神经网络权值进行调整,并在飞行包线内其它工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的航空发动机内模控制系统具有良好的控制品质和较强的自适应能力。      

航空发动机递归神经网络分路式解耦控制

针对航空发动机多变量控制中变量之间的耦合问题,提出了一种基于递归神经网络的分路式动态解耦控制方法,给出了发动机双路式解耦控制系统的结构及其解耦原理和算法。利用递归小波网络较强的动态非线性映射能力,在线完成发动机各控制通道的模型辨识,并回馈对应的灵敏度信息;神经网络PID控制器根据回馈的信息在线自适应调整参数,实现发动机各通道的准确跟踪和分路独立控制。仿真表明,该方法在保证控制系统良好的动态和稳态性能的同时,有效地减小了各回路之间的耦合影响,能够成功应用于发动机控制系统的解耦。      

四输入模糊推理自校正控制在发动机控制中的应用

四输入模糊推理算法是同时利用两个输入模糊变量的误差和误差变化率进行模糊推理;在四输入模糊推理算法中引入自校正技术,形成了基于四输入模糊推理的双变量自校正模糊控制算法;仿真研究了该控制算法和控制器的特性,结果表明用该控制方法设计的航空发动机模糊控制系统获得了满意的控制性能。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

一种双变量模糊 PI 控制在航空发动机控制中的应用

针对某型航空发动机的性能控制,提出了一种双变量模糊ＰＩ控制算法,构造了双变量模糊ＰＩ控制器,研究它在航空发动机控制中的应用,探索航空发动机采用双变量模糊控制的规律,为航空发动机控制探索了一种新方法。     

一种双变量自校正模糊 PI 控制在发动机控制中的应用

 提出了一种双变量自校正模糊PI控制算法,构造出一种航空发动机双变量自校正模糊PI控制器和控制系统,研究了控制器和控制系统的特性,为发动机控制探索了一种新方法。     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.     

航空发动机PID神经网络解耦控制

对航空发动机的双变量解耦控制方法进行了研究,提出了一种基于遗传算法的PID神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习,克服了BP算法易陷入局部权值的缺点,并具有PID神经网络控制器结构简单规范、动态和静态性能良好等优点。     

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。