遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

时滞系统的Elman网络多步预测模糊控制方法

讨论了Elman神经网络的结构与学习算法,研究了基于Elman网络的动态系统辨识模型、预测模型及预测算法,并与模糊控制相结合,研究神经网络多步预测模糊控制方法。仿真结果表明该方法可以提高系统的鲁棒性及稳定性,多步预测最佳模糊控制的控制精度及ITAE指标均较无预测时要优。     

神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法，着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果，与常用的可靠性增长参数模型Duane，Gompertz的结果相比较。实例表明，该方法是可行的，而且是有效的，适应性强。可以预料，它不但能用于仪器设备试制过程中预测可靠性增长，而且可用于武器装备在储存过程之中可靠性下降的预估。     

采用DSP实现的神经网络实时仿真系统

采用DSP设计完成了神经网络实时仿真系统，从神经网络协处理器的硬件结构，协处理器中的神经网络算法，神经网络协处理器及其宿主机间数值交换等方面系统地描述了该仿真系统，在神经网络在线算法的实现中，利用DSP能与其宿 主机实现并行工作的特点，采用DSP和计算机并行工作，在宿 主机中实现BP网络对受控对象的辩识，在神经网络处处理中完成模糊神经网络在线控制算法，从而加快了神经网络运算速度，使其能达到在线控制的要求，文末给出了一个直升机总矩通道在本仿真系统的仿真实例，说明了本系统的实用性。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

一种模糊Modular神经网络模型及其应用

将神经网络模糊系统与模糊C均值聚法相结合，对模糊Modular神经网络进行研究，提出了该模糊神经网络模型的多输出结构及其学习算法，据此开发了模糊神经网络诊断系统，并将其用于某电源分系统的诊断分析，运行的结果表明，该网络模型优于一般神经网络。     

基于小波神经网络的混沌时间序列预测及应用

根据相空间重构理论,探讨了一种基于小波神经网络(WNN)的混沌时间序列预测方法。根据G-P算法和Takens理论,计算出混沌时间序列相空间重构所需的最小嵌入维数,以此作为网络的输入节点数。通过时频分析,使得隐节点数的选取也有了可靠的理论依据。最后对Lorenz仿真信号和滚动轴承信号进行仿真和预测,验证了方法的有效性。结果表明,对于混沌时间序列的预测,WNN网络比BP网络表现出更理想的预测效果,为非线性动态系统的预测提供了一种有效的途径。     

非线性系统的在线鲁棒故障检测

提出了一种具有建模不确定性的非线性系统在线故障检测方法。故障被假定为状态变量和输入变量的函数，该系统仅是输入、输出可测量的。一种基于RBF神经网络的在线非线性估计器用来跟踪系统中的出现的故障，该估计器对有建模不确定性的非线性系统的故障检测具备良好的鲁棒性。文中所提出的方法的收敛性在理论上进行了较详细证明。仿真实例说明了该故障检测方法的有效性和实用性。     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.     

一种BP网络自整定PID控制算法及其在NF-6风洞控制中的应用

NF-6风洞是一座增压、连续、高速回流式风洞,对各子系统的控制性能都有较高的要求。针对NF-6风洞对模型姿态系统控制性能提出的高要求,提出了一种BP网络自整定PID控制策略,并结合现有的改进型PID控制思想对其进行了进一步的分析与改进。仿真结果及初步应用表明:该算法在算法收敛性、实时性及控制精度上较传统PID算法及BP网络算法都有较大程度的提高。     

Automatic Carrier Landing Control for Unmanned Aerial Vehicles Based on Preview Control

For carrier-based unmanned aerial vehicles(UAVs),one of the important problems is the design of an automatic carrier landing system(ACLS)that would enable the UAVs to accomplish autolanding on the aircraft carrier.However,due to the movements of the flight deck with six degree-of-freedom,the autolanding becomes sophisticated.To solve this problem,an accurate and effective ACLS is developed,which is composed of an optimal preview control based flight control system and a Kalman filter based deck motion predictor.The preview control fuses the future information of the reference glide slope to improve landing precision.The reference glide slope is normally a straight line.However,the deck motion will change the position of the ideal landing point,and tracking the ideal straight glide slope may cause landing failure.Therefore,the predictive deck motion information from the deck motion predictor is used to correct the reference glide slope,which decreases the dispersion around the desired landing point.Finally,simulations are carried out to verify the performance of the designed ACLS based on a nonlinear UAV model.     

动态矩阵预测控制算法在过程控制中的应用研究

一些过程控制系统极其复杂,影响因素多,难以建立精确实用的数学模型,针对这一复杂过程,本文引入动态矩阵预测控制算法,并利用计算机仿真对过程控制系统进行了初步研究和探讨.仿真结果表明,动态矩阵预测控制算法在过程控制领域的应用具有广阔的前景.     

基于Hammerstein模型的非线性建模与预测控制

所有实际的运动机构中都包含一定的非线性,对其进行精确的建模和控制是运动控制中具有挑战性的难题。文中提出了基于粒子群优化算法的RLS-PSO系统辨识建模方法,所得伺服转台模型具有良好拟合效果;对该模型提出改进的两步法,应用基于预测函数控制(Predictive functional control,PFC)的全局优化预测控制;伺服转台的仿真运行结果表明跟踪效果良好。     

基于速度和加速度约束的有限控制能力路径跟踪

在考虑实际系统有限控制能力的情况下,对非完整移动机器人提出一种完全满足速度和加速度约束的路径跟踪技术。根据系统状态方程分析了移动机器人维持无偏差跟踪状态的条件,先通过智能预测控制将路径偏差转化为同号状态,再应用滚动时域控制和约束条件设计一种改进型最优预测控制器。当路径跟踪开始时,控制量从零初值调整;当路径偏差同步消除到零时,控制量可在速度和加速度约束下及时调整到零。仿真结果验证了所提技术的有效性,有限控制能力使该技术在工程应用时具有更好的可行性和适应性。     

基于分布式模型预测控制的多无人机协同规避控制技术

建立了多无人机协同规避控制模型，并提出了一种基于纳什最优的分布式模型预测控制算法。仿真结果表明，基于纳什最优的分布式模型预测控制算法有效地实现了多架无人机对障碍物的规避，并且相对于集中式模型预测控制算法减少了求解过程中的计算量，缩短了优化控制的时间，改善了系统的实时性。