基于模糊神经网络的惯性导航系统预热控制

针对惯性导航系统预热中存在的非线性问题,采用了基于模糊神经网络的控制系统。讨论了模糊系统与神经网络的优缺点,给出了适于非线性时滞、基于BP网络的控制方案,并通过仿真说明方案的可行性。     

猎雷声纳基阵姿态稳定系统自适应反步法控制

针对带非线性摩擦力矩和负载扰动的高精度猎雷声纳基阵姿态稳定系统,提出了一种基于神经网络的自适应反步法控制方法。其中神经网络用于估计未知非线性摩擦力矩,进而设计反步法控制器和参数自适应律来对神经网络估计误差和负载扰动进行补偿。最后应用Lyapunov方法证明了所提出的自适应控制器能保证闭环系统的稳定性,并且可以通过选择适当的控制器参数来调整收敛率。仿真结果表明,基于神经网络的自适应反步法控制方法与PID控制相比,系统的动、静态性能指标及鲁棒性得到了全面的改善,与双闭环PID控制相比,跟踪精度提高了3倍多。     

一类非线性振动的智能主动控制方法

本文提出一种基于人工神经网络的振动主动控制方法，基于这种方法的主动控制系统由神经网络辨识器和神经网络控制器两部分组成，可对一类动特性与外界干扰均未知的任意非线性振动系统实施有效的控制，进而为实现智能振动主控制开辟了新的途径。     

模糊—神经网络控制算法及其在离心力—振动复合环境试验系统中的应用

针对离心－振动复合环境试验系统所存在的耦合性、非线性和不确定性提出了一种模糊－神经网络控制算法,利用被控对象输入输出信息离线、在线相结合学习系统的动态特性,对时变、非线性系统进行跟踪控制,并研究了该算法在系统中的实现方法。实现表明了控制系统具有良好的跟踪能力。该算法也适用于快速变化这类系统的实时控制。     

复杂系统的神经网络自适应预测控制

本文针对复杂诉时变非线性动力学，提出一种基于神经网络的并行自适应预测控制器，它由实时神经控制、神经控制和控制品质监督机构三部分组成。该结构使控制的调整和系统的实时控制为可并行进行，提高了控制系统的适应能力和响应性能，使复杂系统的在线学习控制成为可能，仿真表明该控制器具有良好的鲁棒性和控制精度。     

基于神经网络的口腔非线性动力学系统建模

神经网络方法是用于非线性动力学系统建模的有效方法，本文针对多层神经网络结构，运用递推预报误差（ＲＰＥ）算法对离散非线性动力学系统进行了辨识研究，并对口腔非线性动力学系统进行了神经网络动态建模，为了解语音和实用化的语音识别提供了良好的基础。     

内模控制及其在机构振动主动控制中的应用

振动主动控制通常采用最优控制,文中根据柔性机构的特点,采用内模控制策略。内模控制主要适合于具有周期性扰动信号的调节问题和具有周期性参考信号的跟踪问题,它的优点是对控对象参数具有鲁棒性,克服了最优控制需要精确掌握被控对象参数的缺点,文中首先介绍了内模控制的基本原理,然后给出了数值仿真结果,最后将算法应用柔性四连杆机构振动主动控制试验中,试验结果证明了方案的可行性。     

RBF神经网络在"薄管板"结构强度分析中的应用

叙述了RBF神经网络的结构和“薄管板”结构强度分析过程以及应用RBF神经网络对“薄管板”结构应力的非线性系统进行了系统辩识 ,网络输出值与计算值符合较好。说明基于神经网络的系统辩识方法在结构强度分析过程中具有一定的实用性。     

带有轴间动力学解耦的三轴转台自适应控制

针对某型号转台存在的轴间非线性耦合，运用非线性解耦的方法进行了解耦设计，并基于解耦后的系统提出用超稳定性和正性的方法进行自适应模型跟随控制器设计，来解决系统在运行过程中参数发生变化对控制性能影响的问题。仿真结果表明，当系统参数在一定范围变化甚至被控对象模型阶次发生变化时，所设计的自适应模型跟随控制器仍能保证系统具有良好的控制性能。     

舰船航迹控制器中模糊线性化方法的应用

针对舰船航迹非线性被控对象中的非线性环节,本着重介绍如何应用神经网络,对被控对象中的非线性环节进行模糊线性化,并应用模糊线性化的结论设计模糊控制器,实现舰船航迹控制。仿真结果表明,在此模糊控制器的控制下,船舶转向动态性能、寻找和跟踪航迹能力、保持航迹精度、抗干扰性能、以及船舶参数发生变化时的鲁棒性均明显优于PID控制器。     

Adaptive sliding mode control of dynamic system using RBF neural network

This paper presents a robust adaptive sliding mode control strategy using radial basis function (RBF) neural network (NN) for a class of time varying system in the presence of model uncertainties and external disturbance. Adaptive RBF neural network controller that can learn the unknown upper bound of model uncertainties and external disturbances is incorporated into the adaptive sliding mode control system in the same Lyapunov framework. The proposed adaptive sliding mode controller can on line update the estimates of system dynamics. The asymptotical stability of the closed-loop system, the convergence of the neural network weight-updating process, and the boundedness of the neural network weight estimation errors can be strictly guaranteed. Numerical simulation for a MEMS triaxial angular velocity sensor is investigated to verify the effectiveness of the proposed adaptive RBF sliding mode control scheme.     

基于神经网络方法的包装件非线性特性识别的研究

结合模糊集合理论，将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题．对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明，据此方法可以较好地获得其非线性特性．模糊自适应技术的引入，提高了网络训练速度，减少了对于训练参数的人为干预，使得结构化神经网络方法更适于实际应用．     

地震作用下高层建筑结构的分散神经网络振动控制研究

针对地震作用下高层建筑振动神经网络控制问题,将神经网络理论与分散控制理论相结合,提出分散神经网络振动控制方案,并应用于高层结构地震反应振动控制中。利用多层前馈神经网络建立结构模型,预测结构的振动响应。基于NARMA-L2的神经自校正控制系统设计BP神经网络控制器,研究分散神经网络振动控制效果,并与神经网络集中控制进行比较。对某20层Benchmark结构模型进行数值模拟分析,结果表明,本文提出的分散神经网络振动控制方法简化了神经网络的结构,可有效控制结构振动和消除时滞;同时,相对于集中控制的单一失效,本文方法的可靠性更强且可以保证振动控制系统的实时响应。     

Nonlinear vibration semi-active control of automotive steering using magneto-rheological damper

Traffic accidents are often caused by vibration of automotive steering because the vibration can make a vehicle run like a snake. A?novel semi-active vibration control strategy of automotive steering with magneto-rheological (MR) damper is proposed in this paper. An adaptive RBF neural sliding mode controller is designed for the vibration system. It is showed that an equivalent dynamic model for the vibration system is established by using Lagrange method, and then treats it as actual system partially. A?feedback control law is designed to make this nominal model stable. Uncertain part of system and outside disturbance are estimated using RBF neural network, and their upper boundary is obtained automatically. By constructing reasonable switch function, state variables can arrive at origin asymptotically along the sliding mode. Strong robust character of control system is proved by stability analysis and a numerical simulation example is performed to support this control scheme.     

Nonlinear adaptive neural network control for a model-scaled unmanned helicopter

In this paper, a nonlinear adaptive neural network control is proposed for trajectory tracking of a model-scaled helicopter. The purpose of this research is to reduce the ultimate bounds of tracking errors resulted from small coupling forces (or small parasitic body forces) and aerodynamic uncertainties. The proposed control is designed under backstepping framework, with neural network compensators being added. Updating laws of neural networks are designed through projection algorithm, so that adaptive parameters are bounded. Derivatives of virtual controls are obtained through command filters. It is proved that, by using neural network compensators, tracking errors of the closed-loop system can be restricted within very small ultimate bounds. Superiority of the proposed nonlinear adaptive neural network control over a backstepping control is demonstrated by simulation results.     

CNN/Kalman技术在组导中的应用研究

经典的卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知，而组合导航系统的噪声具有非先验性。为了解决这一问题，提出了一种新型复合神经网络(CNN)辅助卡尔曼滤波器(Kalman)。仿真试验结果表明：该辅助算法的精度与一般卡尔曼算法相比提高了2倍，收敛时间缩短近200s，并有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点，使系统具有自适应能力以应付动态环境的扰动。     

考虑摩擦特性的柔性关节空间机器人自适应CMAC神经网络鲁棒控制

讨论了关节摩擦力矩影响下,具有柔性铰关节的漂浮基空间机器人系统的动力学控制问题.设计了基于高斯基函数的小脑神经网络(CMAC)鲁棒控制器和摩擦力矩补偿器.用奇异摄动理论对系统的动力学模型进行快慢变子系统分解,针对快变子系统,设计力矩微分反馈控制器来抑制机械臂关节柔性引起的振动;对于慢变子系统,设计了基于自适应CMAC神...     

环境温度影响下基于LSTM神经网络识别结构损伤

环境温度的改变会引起模态参数的变化,其变化程度会掩盖或部分掩盖损伤引起的变化量,导致结构健康监测系统发出假阳性或假阴性的误判,因此,消除温度效应是提高损伤识别精度的关键。本文基于LSTM神经网络提出了一种环境温度影响下识别结构损伤的方法。充分利用LSTM神经网络的非线性映射优势,建立多元温度-模态频率的相关模型,在此基础上采用数据标准化方法消除温度效应,并结合控制图判断模态频率异常变化以确定损伤状况。最后将所提方法在数值模型和实际桥梁中加以应用,结果表明,方法能够有效消除温度效应;结合控制图能识别损伤时刻,并具有一定的抗噪性;在实桥数据分析中仍能表现出较好的损伤敏感性。