神经网络控制器

摘要： 神经网络控制器因神经网络较好的非线性拟合能力和参数自整定性等优点,在人工智能领域和自动控制领域受到了极大的关注;因此,对一种模糊大脑情感学习神经网络模型进行研究与实现,将模糊推理机制引入到常规的大脑情感学习网络中,实验结果表明,基于模糊大脑情感学习网络的控制器在非线性拟合能力和应对控制中的扰动抑制能力方面有较好的表现。

摘要： 针对神经网络自主靠泊控制器只能完成特定港口的靠泊,而无法拓展到其他没有训练数据的泊位这一问题,提出一种以泊位顶点为原点,岸线为y轴的坐标系(泊位坐标系)。采用泊位坐标系中相对位置来训练神经网络控制器,在V.Dragon-5000航海模拟器中选取集装箱船"银河号",在大连港进行靠泊训练后,成功将靠泊控制器拓展到没有训练数据的深圳蛇口港与新加波樟宜港。仿真验证了采用新建立的坐标系可以拓展神经网络自主靠泊控制器适用范围,减小训练数据所需的成本。

摘要： 研究了群集蜘蛛算法对神经网络控制器参数进行优化的方法.使用神经网络控制器对他励直流电机的转速进行弱磁控制,以期提高闭环控制的性能.构建了MATLAB/Simulink下的仿真模型,分析了在不同的转速设定值下系统的稳态性能和动态响应.仿真结果显示,基于群集蜘蛛算法优化的神经网络控制器具有适应性强、动态过程过渡平稳快捷等优点.%The optimization method on parameters of neural network controller using social spider algorithm was studied.The neural network controller was used in controlling the speed of a separately excited DC motor under field weakening condition to improve the performance of closed loop control.By using MATLAB/Simulink,the system was simulated to analyze the steady-state performance and dynamic response of the system under different speed setting values.The simulation results show that the controller has the advantage of strong adaptability and the dynamic process of the system presents smoothly and fast.

摘要： 作为第三代控制理论的模糊逻辑控制和神经网络控制等智能策略虽已在电动机控制中得到了应用,但由于这两种智能控制策略各有明显的优点和缺点,单独使用一般都达不到理想效果,因此需将其结合应用组成控制器,常见的形式之一即为并联切换型模糊神经网络控制器[1].然而,由模糊逻辑和神经网络并联而成的控制系统,如何实现切换控制一直是控制界研究的难点和热点[2].设计出合适的切换控制,可以明显改善控制系统的性能,获得比连续控制更好的控制效果.为此,研究了将模糊软切换控制技术[3]引入并联切换型模糊神经网络控制器,该方案能使控制系统实现无扰平稳切换,取得较好的动、稳态性能,其有效性已通过电机控制的仿真得到验证.

摘要： 在深海环境下,感应耦合电能传输(Inductive Coupled Power Transfer,IcPT)系统初级、次级磁芯在受到水流冲击后会产生偏心和间隙,引起耦合系数的变化.由于系统的非线性、不确定性等因素,PID控制器使系统达到稳压状态的反应时间较长,电流超调量大,稳压效果较差,导致负载两端电压值发生波动.本文提出基于神经网络的控制算法动态调节升压电路的占空比,最终保证系统输出电压恒定,克服了PID控制器不能满足水下系统控制需要的缺点.Matlab仿真表明与PID控制器相比,神经网络控制器反应时间缩短了25 ms,电流超调量减少了3.5A,更适合在水下应用.

摘要： 文章对五机架冷轧机厚度控制系统进行了简要探讨，研究了冷连轧生产工艺中对厚度控制系统的要求及外界因素对板带出口厚度的影响，这两个因素均能使产品的出口厚度产生误差，所以为了解决这些因素所造成的厚度误差，采用的措施统称为AGC功能。这种控制方法可以保证材料的厚度统一，但不能提高精度，所以就需要多种方法的配合使用，在提高轧制精度的基础上，通过加入反馈系统进行辅助，应用前馈系统消除材料对厚度的影响。

摘要： 文章对五机架冷轧机厚度控制系统进行了简要探讨，研究了冷连轧生产工艺中对厚度控制系统的要求及外界因素对板带出口厚度的影响，这两个因素均能使产品的出口厚度产生误差，所以为了解决这些因素所造成的厚度误差，采用的措施统称为AGC功能。这种控制方法可以保证材料的厚度统一，但不能提高精度，所以就需要多种方法的配合使用，在提高轧制精度的基础上，通过加入反馈系统进行辅助，应用前馈系统消除材料对厚度的影响。

摘要： 本文介绍了一种用遗传算法训练神经网络控制器的设计方法,并将该控制器应用在对倒立摆的控制中,仿真实验显示了良好的控制效果.

摘要： 论文针对一级直线倒立摆的自起摆控制设计了神经网络控制器,并完成仿真与实测.搭建三层BP网络,由LQR控制器获得的自起摆数据作为训练样本,采用LM(Levenberg—Marquardt)算法对BP神经网络控制器进行离线训练,经仿真及在线实测,该控制器实现了一级倒立摆的自起摆控制与稳摆控制,对比LQR控制器BP神经网络控制器响应时间更快,鲁棒性好.

摘要： 电液比例控制系统具有多变量、强耦合、非线性的特点。采用常规的PID 控制时，系统的控制性能对模型的误差比较敏感，在系统工况变化较大（如长行程、变负荷等工况）时，系统的总体控制精度不高，不能满足工作装置的控制要求。神经网络控制器具有的强非线性拟合特性为解决此类问题提供了一条有效的途径。本文以液压挖掘机的电液比例控制系统为对象，利用仿真试验手段对神经网络控制器应用于电液控制系统时的设计及参数调整方法进行深入的研究，以期利用神经网络控制器提高在高时变强非线性系统时获得良好的全局控制性能。本文首先介绍了液压挖掘机大臂液压比例控制系统的组成及控制要求，基于此电液比例控制系统的特点并结合神经网络控制理论基础，对神经网络控制器的设计方法进行探讨，在仿真过程中通过观察控制器参数对系统响应性能的影响作用对其进行调整，并利用其结果与PID控制器的控制效果进行比较以验证设计方法的正确性及控制器的自适应性与鲁棒性。

摘要： 针对高速通信网络的拥塞问题，设计了神经网络控制器。采用改进的粒子群优化方法对神经网络进行训练，克服了传统的神经网络控制器训练速度慢、易陷入局部极值点的缺陷。所设计的神经网络控制器不依赖于网络的数学模型，消除了ABR带宽、用户数量及传播时延等不确定因素对网络性能造成的影响。仿真结果表明，闭环系统具有良好的稳态性能，网络的服务质量得到了保证。

摘要： 本文对线性二次调节器LQR算法中Q和R矩阵的参数与控制系统反馈矩阵K之间的关系进行了实验研究,并将所获得的最佳反馈矩阵作为所设计的神经网络控制器的权值初始值.该神经网络控制器是带有局部递归神经网络并具有PID结构的控制器,因而设计简单,尤其适合用于多变量非线性时变系统.通过对一级和二级直线倒立摆系统的具体控制器的设计以及实验,将LQR控制器与神经网络控制器分别在无干扰和有干扰情况下的控制效果进行了对比分析,设计并实现了具有控制精度以及鲁棒性比最优线性二次调节器更高的一级和二级直线倒立摆系统.

摘要： 本文提出了一种新型神经网络并研究其在航空发动机多变量控制中的应用.首先根据PID控制结构,提出了一种新的神经网络控制器,对其基本结构、学习算法等进行了分析.结合某型航空涡喷发动机双变量控制需求,利用两个结构相同、具有相互联系的神经网络实现发动机双变量控制、接耦.通过在不同飞行条件、不同发动机工作状态下的仿真,表明所提出的控制器具有良好的控制性能,可以自学习、自调整,实现在线控制,特别是该控制器的设计不依赖于发动机数学模型.

摘要： 本文探讨结构振动控制对象模型、预测模型、控制算法,设计了一种基于BP神经网络和预测控制理论的神经网络控制器,能有效、快速地对结构振动实施最优控制,便于实际工程应用.

摘要： 本文探讨结构振动控制对象模型、预测模型、控制算法,设计了一种基于BP神经网络和预测控制理论的神经网络控制器,能有效、快捷地对结构振动实施最优控制,便于实际工程应用.

摘要： 在MATLAB环境下,采用误差逆向传播神经网络(BP网络),经训练后用做非线性系统的控制器,避过了控制理论中精确描述被控对象的需求,并用MATLAB中的SIMUSINK进行仿真实验,效果良好.

摘要： 文章针对气动位置伺服系统本身的特点,将神经网络控制算法应用于实际控制中,实验证明神经网络控制和辨识器的联合使用可以有效地消除由于气体本身的压缩性和摩擦力时变性所造成的系统非线性的影响.

摘要： 本发明公开了一种面向卷积神经网络加速的多通道DMA控制器和卷积神经网络加速方法，属于智能计算技术领域，包括DMA0控制器、DMA1控制器、DMA2控制器、DMA3控制器和DMA4控制器，其中，DMA0控制器用于内存控制器至卷积神经网络加速器计算单元的连续数据传输；DMA1控制器用于卷积神经网络加速器计算单元至内存控制器的数据传输；DMA2控制器用于内存控制器至卷积神经网络加速器计算单元的离散数据传输；DMA3控制器用于卷积神经网络加速器计算单元之间的数据传输；DMA4控制器用于内存控制器至卷积神经网络加速器计算单元的指令传输。本发明可以有效提高卷积神经网络加速器的计算效率和内存使用效率。

摘要： 本发明公开了一种神经网络电流控制器及装置和该控制器的运行方法，该神经网络电流控制器至少包括：电机、电压型逆变器、CLARK变换模块、PARK变换模块、IPARK变换模块、转速估计模块、PID神经网络电流控制器、SVPWM模块；电机通过电路分别与电压型逆变器、CLARK变换模块、转速估计模块相连，其用于产生驱动转矩以用做动力源；PID神经网络电流控制器与IPARK变换模块相连，其用于接收调速控制器输出的信号作为PID神经网络电流控制器的给定量以及PARK变换模块的直轴、交轴电流反馈量，将PID神经网络电流控制器的运算结果输出至IPARK变换模块。本发明控制器能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。

摘要： 本发明公开了一种采用神经网络PID控制方法的屏蔽门门机控制器，所述神经网络PID结构为2′3′1结构，属于BP神经网络，分别为输入层、隐含层和输出层，其特征在于，包括以下步骤：参考转速与电机反馈转速n分别输入到输入层的两个神经元，按照特定的函数输出，分别输出到隐含层的比例、积分、微分三个神经元，按照特定函数输出到输出层，输出参考电流，本发明的有益效果：基于神经网络的PID控制跟踪精度高、鲁棒性强、对于系统参数漂移能有效地调整参数，实现了自适应控制功能，具有明显的优越性，而采用N-PID控制方法的屏蔽门门机控制器也具有精度高、鲁棒性强的特点。

摘要： 根据本公开的一个示例，提供了一种系统。一种系统可以包括：处理器，其被配置为输出包括人工神经网络数据局部性的存储器控制信号；和存储器控制器，其被配置为从所述处理器接收所述存储器控制信号并且控制主存储器，与所述人工神经网络数据局部性相对应的人工神经网络模型的数据被存储在所述主存储器中。

摘要： 根据本公开的一个示例，提供了一种系统。一种系统可以包括：主存储器，其包括电耦合到位线和字线的动态存储器元件；和存储器控制器，其被配置为在所述动态存储器元件的读取操作期间选择性地省略恢复操作。

摘要： 本发明提出一种基于Master‑Slave神经元的人工神经网络控制器，属于人工神经网络硬件实现技术领域。该控制器包括：一个Master神经元模块、多个独立的Slave神经元模块以及一个非挥发忆阻器阵列；其中，所述Master神经元模块包含多个独立的Master神经元，每个Master神经元分别连接非挥发忆阻器阵列和每个Slave神经元模块，非挥发忆阻器阵列分别连接每个Slave神经元模块。本发明的Master神经元收到新的任务信息后，在不改变神经网络保存的已经过训练的信息的前提下，通过训练新的Slave神经元对新信息进行学习，从而使人工神经网络具有像生物神经网络一样的自适应和学习能力。

摘要： 本发明公开了一种双足机器人神经网络控制器的神经网络优化方法，所述双足机器人神经网络控制器采用全链接的深度神经网络，用于对双足机器人的行走控制，包括：S1对深度神经网络的拓扑结构进行优化；S2对拓扑结构优化后的深度神经网络的网络参数进行优化。本发明通过对深度神经网络进行拓扑结构和控制参数上的最优化，有效的避免网络陷入局部最优，很好的适应和解决了双足机器人非线性控制难的问题，从而能够更好的拟合出机器人系统的参数模型。

摘要： 一种用于自动驾驶员辅助的车辆控制系统，包括基于模型的控制器，该控制器基于车辆的参考轨迹以及车辆和致动器的当前状态生成第一控制信号以改变车辆的多个致动器的操作。车辆控制系统还包括神经网络控制器，其基于车辆的参考轨迹以及车辆和致动器的当前状态，生成第二控制信号以改变车辆的致动器的操作。车辆控制系统还包括组合模块，该组合模块组合第一控制信号和第二控制信号，以基于组合信号操作致动器。

摘要： 本发明提出一种基于Master‑Slave神经元的人工神经网络控制器，属于人工神经网络硬件实现技术领域。该控制器包括：一个Master神经元模块、多个独立的Slave神经元模块以及一个非挥发忆阻器阵列；其中，所述Master神经元模块包含多个独立的Master神经元，每个Master神经元分别连接非挥发忆阻器阵列和每个Slave神经元模块，非挥发忆阻器阵列分别连接每个Slave神经元模块。本发明的Master神经元收到新的任务信息后，在不改变神经网络保存的已经过训练的信息的前提下，通过训练新的Slave神经元对新信息进行学习，从而使人工神经网络具有像生物神经网络一样的自适应和学习能力。

摘要： 本发明公开了一种基于扰动观测器和命令滤波器的电驱动柔性关节机械臂自适应神经网络控制器设计方法。首先，本发明基于n连杆柔性关节机械臂的电驱动动力学模型进行设计，虽然引入了更多的未知数，增加了被控系统的维度，但更符合实际情况。然后，针对径向基函数神经网络(RBFNN)收敛速度快、估计性能好等特点，采用径向基函数神经网络逼近系统的内部不确定性。其次，引入了一个基于扰动观测器的估计器来估计柔性关节机械臂系统中的匹配、非匹配时变不确定度。再者，引入二阶命令滤波器来解决反演控制中的“计算爆炸”问题。除此之外，出于实际应用中的安全考虑，本发明应用了一个障碍李亚普诺夫函数来实现机械臂位置输出限制。