BP算法的逆变点焊电源模糊神经网络控制

为提高电阻点焊的控制精度和焊接质量,根据电阻点焊过程的特点和要求,通过集成变论域、人工神经网络和模糊控制技术,提出了基于变论域电阻点焊模糊人工神经网络控制方案,开发了四层模糊神经网络结构,分析了计算过程,推导了四层模糊神经网络各层的计算方法和计算公式,研究了输入输出变论域伸缩因子的确定方法,定义了输入变量的7个模糊子集和输出变量的13个模糊子集,确定了49条模糊控制规则,研究开发了一种电阻点焊变论域模糊人工神经网络控制器,结合实际产品的设计开发进行了试验研究与分析,证明了变论域电阻点焊模糊神经网络控制方法的优越性.

推导了逆变点焊过程控制模型,并构建了逆变点焊模糊神经网络恒电流控制系统结构。根据该模型采用先正弦后恒定输入的方法对模糊神经网络(fnn)进行分段离线学习,提高网络的泛化能力和自适应能力。在线控制时,利用训练后的网络仅做正向模糊计算,输出逆变桥开关管占空比改变量的方法保证逆变器恒电流输出。最后使用matlab高级语言编程,完成了整个系统的仿真实验。仿真结果表明:分段训练后的fnn使用该方法可以实现逆变点焊电源的恒电流控制。

研究了逆变点焊电源恒流自适应控制的模糊神经网络模型,设计了模糊神经网络结构。利用bp算法,采用先正弦函数输入后恒定输入的方法对网络进行了分段训练,并使用matlab语言,对系统进行了自适应控制和比例因子影响的仿真分析。结果表明,逆变点焊电源恒流自适应控制模糊神经网络,能够实现在线调整隶属函数参数,控制系统可快速感知外来干扰和过程变化,平均控制相对误差小于2.08%;比例因子的选取,对系统有很大影响,不同的比例因子在与训练好的网络结合进行控制时,系统控制效果不同。

变风量空调系统末端的模糊神经网络控制研究——针对目前传统pid控制对模型依赖性强，难以在线调整，有非线性和不确定性的变风量(vav)空调系统的控制动态性能差的特点，提出将模糊神经网络应用于该系统．建立了模糊神经网络控制器．基于变风量空调系统末端装置的...

以精密注射成型中的料筒温度控制为研究对象,应用现代人工智能控制理论,将模糊控制和人工神经网络控制二者有机结合,创建了注塑机料筒温度模糊神经网络控制的基本结构及其算法模型;运用matlab软件编写模糊神经网络代码,对3段料筒温度的模糊神经网络控制进行了仿真,获得了比较满意的控制效果。仿真表明,提出的新型控制策略,对于提高精密注塑机料筒的温度控制精度,具有重要的参考价值。

针对目前传统pid控制对模型依赖性强,难以在线调整,对具有非线性和不确定性的变风量(vav)空调系统的控制动态性能差的特点,提出将模糊神经网络应用于该系统.建立了模糊神经网络控制器,基于变风量空调系统末端装置的数学模型进行了仿真研究.结果表明,该控制策略比传统pid控制更适合于vav系统,控制系统具有更好的鲁棒性和自适应能力,可以取得更优的动态性能.

在铝包钢丝生产过程中,采用在线中频感应加热方式。基于中频感应加热条件,针对钢丝直径、钢丝运行速度、加热温度、中频频率、中频电压、中频电流、中频功率、加热炉长度之间的函数关系,建立了连续包覆过程的多变量神经网络控制方法。经过多次实验和筛选,选出有效数据,多个模式反复学习,直至网络全局误差函数e小于预先设定的一个极小值。通过网络训练和仿真分析得到较佳的解决方法,该方法应用在铝包钢丝连续包覆生产线上,较好地解决了钢丝加热控制难的问题。

介绍了第3代结构风振控制基准问题的定义。通过观测部分楼层加速度和控制力输出,建立了模糊神经网络控制器,解决了传统控制中有限的传感器数目对系统振动状态估计的困难;利用模糊神经网络预测结构的控制行为,消除了闭环控制系统中存在的时滞;通过模糊神经网络控制器的学习功能,解决了土木工程复杂结构模糊控制中难以依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。以风振控制的基准问题为研究对象,编制了程序对受控系统进行数值仿真分析。分析表明,模糊神经网络控制策略能有效地抑制高层建筑的风振反应。

中央空调作为广泛使用的高能耗系统,其节能问题受普遍关注。针对传统的定流量方法存在的问题,本文提出采用改进的负荷随动跟踪方法,实时监测中央空调的负荷,并由计算机控制水泵电机,降低主机能耗。利用模糊神经网络理论,建立符合随动跟踪的模型,并利用实际数据进行系统仿真。仿真结果表明,此方法提高中央空调的工作效率,实现良好的节能效果。

为了有效解决网络系统可能出现的故障,结合模糊神经网络提出了一种新的故障检测算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).该算法根据特征信息熵建立了故障检测评价方法和最小偏差的优化模型,设计了模糊神经网络中输入层、模糊化层、模糊规则层和解模糊层,并且给出了具体的算法流程.通过建立网络仿真平台,深入分析了影响fdd-fnn算法的关键因素,同时对比研究了fdd-fnn算法与其他算法的性能情况,结果表明fdd-fnn算法具有较好的适应性.

本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。

本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。

利用多台焊接电源同时对同一工件进行焊接,当外电压波动时,众焊接电源依靠自身控制系统进行各自调节的过程也是对外电网干扰的再生过程。将模糊理论与神经网络相结合,并应用于多焊接电源的群控。在分析和设计了状态变量的隶属度函数、推理规则、解模糊算法等基础上,完成了基于t-s(tagaki-sugeno)模型的自适应模糊神经推理控制器设计。利用该控制模型在simulink搭建的焊接电源群控模型上进行仿真。结果表明,该控制模型具有调整时间短,超调量小的优点(与众焊接电源各自单独调节相比较,调整时间缩短了22%,超调量减小了40%),反映出良好的动态特性。

根据我国当前智能建筑中央空调控制系统传统pid控制存在的问题,依据控制对象为一大滞后大惯性环节的特点,对一种模糊神经网络的控制器进行了仿真研究,以期改善空调控制系统的动静态特性,并能达到节能的效果。

针对水下机器人机械手抓取专用工具及操作准确、快速、可靠平稳的要求,设计一种应用rov的模糊神经网络控制器。该控制器将pid控制、模糊控制和神经网络相结合,设计一种基于模糊神经网络(fnn)的复合控制器,并将其应用于机械手的位置控制中,研究变轨迹变周期情况下机械手的位移跟踪特性。仿真结果表明:该控制器具有良好的动态、稳定性能以及较强的鲁棒性,能够使水下机器人的机械手操作快速准确平稳。

焊接过程是一个复杂、多参数耦合的高度非线性系统,在实际焊接过程中难以实现实时、有效的在线控制。根据焊接工艺要求,设计了弧焊电源输出电压电流波形。在常规pid控制的基础上,运用神经网络控制理论,建立了自适应神经元pid控制器,确定了自适应神经网络pid学习控制器的学习算法。建立了二氧化碳气体保护焊自适应神经元网络控制系统,并通过数字信号处理器tms320f2407和单片机msp430f149加以实现。通过常规pid控制与自适应神经元网络控制输出波形的对比,证明了其控制效果优于常规pid控制。

建立了基于模糊神经网络的最佳耦合频率控制系统的模型,使得转动轴状态变化时,无线感应电源的频率被控为谐振频率,从而保证能量传输过程处于最佳耦合状态。设计了一套无线感应电源的实验装置,包括可控频率的电磁振荡发生器,能量接收天线和轴上ac／dc装置。

基于模糊神经网络的深基坑变形预测——针对深基坑变形控制系统中的不确定性、模糊性因素多的问题，将模糊控制理论与神经网络技术相结合，采用非线性神经元构成的神经网络结构，把对应的网络输入、输出表达为输入、输出停息的模糊数隶属度，建立了一种基于模糊神...

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.

优化电解碲电源对电解行业节能增效、提高电解产品质量和改善电网环境具有重要意义.电源前级采用三相电压型pwm整流器；在建立pwm整流器数学模型的基础上；通过改进双闭环pi控制策略；即外环基于并行搜索全局寻优的遗传算法优化bp神经网络权值和阈值的智能控制方法；分析网侧电流波形和谐波含量；可得到所需的额定电解电压和电流；以matlab/simulink软件为平台进行仿真计算.结果表明:ga-bp(geneticalgorithm-backpropagation)算法具有输出电压平稳、响应速度快、超调量小、抗干扰性强等优点.

本文设计了一种模糊cmac(flcmac)控制器,这种控制器将传统的cmac神经网络和模糊逻辑控制原理相结合,同时具备了cmac的快速学习能力和模糊逻辑的将专家经验融入系统利用模糊规则处理信息的优点,又克服了cmac的精度低和模糊逻辑的缺乏学习能力的缺点,将其应用于空调控制器的设计中,仿真结构验证了其有效性。

通过对原有感应加热电源温度控制方法的分析,提出了一种适合于非线性系统基于模糊神经网络的温度控制方法。与传统的控制策略相比,模糊神经网络控制具有不依赖控制对象精确的数学模型,较强的鲁棒性,控制方式简便等优点。实验证明:该加热方法优于常规pid和模糊pid,可获得良好的动态特性,具有稳态精度高,功率调节范围宽,工作稳定可靠的优点。