共查询到20条相似文献,搜索用时 15 毫秒
1.
基于RBF神经网络的液压位置伺服系统故障诊断 总被引:1,自引:0,他引:1
针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位. 相似文献
2.
3.
建筑物发生火灾时,燃烧产生的高热和有毒、有害气体对人构成很大威胁。本文利用BP神经网络对火灾烟气危害性进行分级,介绍了神经网络模型的结构、学习过程和算法。实例计算表明:利用神经网络对烟气危害性分级是合理可行的,具有一定的实用价值。 相似文献
4.
解耦模糊控制方法及在飞控中的应用 总被引:2,自引:1,他引:2
以某型飞机为对象,控制飞机纵向定高恒速飞行。由于模型是非线性的,采用模糊控制,并具有两个输入两个输出系统的模糊控制方法进行研究,找出了解耦控制规律,并结合PID控制器综合构成了模糊PID控制器。仿真结果显示控制过程时间短、超调量小,振荡小,为飞行控制提供了一种新方法。 相似文献
5.
6.
针对导弹飞行中的舵伺服系统所存在的不确定性和非线性时变等特点,采用常规控制系统难以适应这种不确定性,文中提出采用现代控制理论与经典相结合的方法——自适应神经网络CMAC与PID并行控制对舵机伺服系统进行优化设计。首先,在分析舵系统基础上,设计出了具有一定适应性的舵伺服系统的总体方案;然后,建立了基于CMAC与PID并行控制的舵系统控制器;最后,经MATLAB仿真,结果表明并行控制能够较好适应多种不确定性;并能够快速准确的对舵机进行跟踪控制。 相似文献
7.
在研制YMT-S1型飞行模拟转台(以下简称转台)的过程中,作者对转台的伺服系统作了大量的实验研究,在原有伺服系统的基础上进行了改进设计,构成了“双速”伺服系统、包含速度微分反馈的速度系统及位置系统、“综合”控制伺服系统。 实验证明:三种伺服系统对提高转台的技术性能有明显效果。 本文介绍了这三种伺服系统的构成、工作原理及效果。 相似文献
8.
基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数,并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。 相似文献
9.
10.
11.
本文根据文献的思想,以弹载雷达天线伺服系统为应用背景,针对具有确定性结构和多数,但不易准确建模的实际系统,设计了一种控制结构。数字仿真试验表明,该方案对上述系统具有可行性及良好的控制性能。 相似文献
12.
提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。 相似文献
13.
14.
针对一类单输入单输出不确定非仿射型非线性系统,基于多层神经网络提出了一种直接自适应控制方法。该设计方法首先应用多层神经网络自适应模拟逼近逆解中的未知部分,然后应用逆设计和自适应反演设计出虚拟控制量,最后应用反馈线性化设计方法和神经网络设计了直接自适应控制律。并利用Lyapunov稳定性定理推导了神经网络的参数调节律,保证了闭环系统的所有信号均最终一致有界。 相似文献
15.
朱梅骝 《自动驾驶仪与红外技术》2001,(3):35-42
液压伺服系统固有的高度非线性特性使其成为应用各种类型复杂控制器的理想试验对象,而用神经控制器控制电液伺服系统则是一项全新的课题,本文简要介绍神经网络的构成及其控制原理,并以三种不同复杂程度的应用为例对其在存在非线性摩擦或高度耦合负载条件下的电液伺服系统上实施实时控制的效果作一考察。 相似文献
16.
基于CMAC的伺服系统控制研究 总被引:4,自引:0,他引:4
针对高精度伺服系统中存在的非线性和各种不确定性因素,提出了基于小脑模型神经网络的复合控制方法,控制器由前馈控制器、比例微分控制器(PD)和小脑模型神经网络控制器(CMAC)构成,该方法在传统的PD+前馈控制方法上加入了CMAC神经网络算法的快速学习,精确逼近的优点,既保证了快速实时跟踪,又进一步提高了跟踪精度。实验结果证明,用CMAC控制方法后系统的跟踪精度比PD+前馈控制方法提高近一个数量级,同时该方法对摩擦引起的波形畸变有很好的抑制作用,仿真和实验研究表明了该方法的可行性和有效性,并能满足实时性要求,对提高伺服系统的高精度动态跟踪性能有很好的工程参考价值。 相似文献
17.
18.
19.
20.
基于小波神经网络的自适应飞/推控制系统设计 总被引:1,自引:1,他引:0
基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。 相似文献