BP算法的逆變點(diǎn)焊電源模糊神經(jīng)網(wǎng)絡(luò)控制

為提高電阻點(diǎn)焊的控制精度和焊接質(zhì)量,根據(jù)電阻點(diǎn)焊過(guò)程的特點(diǎn)和要求,通過(guò)集成變論域、人工神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù),提出了基于變論域電阻點(diǎn)焊模糊人工神經(jīng)網(wǎng)絡(luò)控制方案,開(kāi)發(fā)了四層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),分析了計(jì)算過(guò)程,推導(dǎo)了四層模糊神經(jīng)網(wǎng)絡(luò)各層的計(jì)算方法和計(jì)算公式,研究了輸入輸出變論域伸縮因子的確定方法,定義了輸入變量的7個(gè)模糊子集和輸出變量的13個(gè)模糊子集,確定了49條模糊控制規(guī)則,研究開(kāi)發(fā)了一種電阻點(diǎn)焊變論域模糊人工神經(jīng)網(wǎng)絡(luò)控制器,結(jié)合實(shí)際產(chǎn)品的設(shè)計(jì)開(kāi)發(fā)進(jìn)行了試驗(yàn)研究與分析,證明了變論域電阻點(diǎn)焊模糊神經(jīng)網(wǎng)絡(luò)控制方法的優(yōu)越性.

推導(dǎo)了逆變點(diǎn)焊過(guò)程控制模型,并構(gòu)建了逆變點(diǎn)焊模糊神經(jīng)網(wǎng)絡(luò)恒電流控制系統(tǒng)結(jié)構(gòu)。根據(jù)該模型采用先正弦后恒定輸入的方法對(duì)模糊神經(jīng)網(wǎng)絡(luò)(fnn)進(jìn)行分段離線學(xué)習(xí),提高網(wǎng)絡(luò)的泛化能力和自適應(yīng)能力。在線控制時(shí),利用訓(xùn)練后的網(wǎng)絡(luò)僅做正向模糊計(jì)算,輸出逆變橋開(kāi)關(guān)管占空比改變量的方法保證逆變器恒電流輸出。最后使用matlab高級(jí)語(yǔ)言編程,完成了整個(gè)系統(tǒng)的仿真實(shí)驗(yàn)。仿真結(jié)果表明:分段訓(xùn)練后的fnn使用該方法可以實(shí)現(xiàn)逆變點(diǎn)焊電源的恒電流控制。

研究了逆變點(diǎn)焊電源恒流自適應(yīng)控制的模糊神經(jīng)網(wǎng)絡(luò)模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。利用bp算法,采用先正弦函數(shù)輸入后恒定輸入的方法對(duì)網(wǎng)絡(luò)進(jìn)行了分段訓(xùn)練,并使用matlab語(yǔ)言,對(duì)系統(tǒng)進(jìn)行了自適應(yīng)控制和比例因子影響的仿真分析。結(jié)果表明,逆變點(diǎn)焊電源恒流自適應(yīng)控制模糊神經(jīng)網(wǎng)絡(luò),能夠?qū)崿F(xiàn)在線調(diào)整隸屬函數(shù)參數(shù),控制系統(tǒng)可快速感知外來(lái)干擾和過(guò)程變化,平均控制相對(duì)誤差小于2.08%;比例因子的選取,對(duì)系統(tǒng)有很大影響,不同的比例因子在與訓(xùn)練好的網(wǎng)絡(luò)結(jié)合進(jìn)行控制時(shí),系統(tǒng)控制效果不同。

變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究——針對(duì)目前傳統(tǒng)pid控制對(duì)模型依賴性強(qiáng)，難以在線調(diào)整，有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動(dòng)態(tài)性能差的特點(diǎn)，提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng)．建立了模糊神經(jīng)網(wǎng)絡(luò)控制器．基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的...

以精密注射成型中的料筒溫度控制為研究對(duì)象,應(yīng)用現(xiàn)代人工智能控制理論,將模糊控制和人工神經(jīng)網(wǎng)絡(luò)控制二者有機(jī)結(jié)合,創(chuàng)建了注塑機(jī)料筒溫度模糊神經(jīng)網(wǎng)絡(luò)控制的基本結(jié)構(gòu)及其算法模型;運(yùn)用matlab軟件編寫模糊神經(jīng)網(wǎng)絡(luò)代碼,對(duì)3段料筒溫度的模糊神經(jīng)網(wǎng)絡(luò)控制進(jìn)行了仿真,獲得了比較滿意的控制效果。仿真表明,提出的新型控制策略,對(duì)于提高精密注塑機(jī)料筒的溫度控制精度,具有重要的參考價(jià)值。

針對(duì)目前傳統(tǒng)pid控制對(duì)模型依賴性強(qiáng),難以在線調(diào)整,對(duì)具有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動(dòng)態(tài)性能差的特點(diǎn),提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng).建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的數(shù)學(xué)模型進(jìn)行了仿真研究.結(jié)果表明,該控制策略比傳統(tǒng)pid控制更適合于vav系統(tǒng),控制系統(tǒng)具有更好的魯棒性和自適應(yīng)能力,可以取得更優(yōu)的動(dòng)態(tài)性能.

在鋁包鋼絲生產(chǎn)過(guò)程中,采用在線中頻感應(yīng)加熱方式?；谥蓄l感應(yīng)加熱條件,針對(duì)鋼絲直徑、鋼絲運(yùn)行速度、加熱溫度、中頻頻率、中頻電壓、中頻電流、中頻功率、加熱爐長(zhǎng)度之間的函數(shù)關(guān)系,建立了連續(xù)包覆過(guò)程的多變量神經(jīng)網(wǎng)絡(luò)控制方法。經(jīng)過(guò)多次實(shí)驗(yàn)和篩選,選出有效數(shù)據(jù),多個(gè)模式反復(fù)學(xué)習(xí),直至網(wǎng)絡(luò)全局誤差函數(shù)e小于預(yù)先設(shè)定的一個(gè)極小值。通過(guò)網(wǎng)絡(luò)訓(xùn)練和仿真分析得到較佳的解決方法,該方法應(yīng)用在鋁包鋼絲連續(xù)包覆生產(chǎn)線上,較好地解決了鋼絲加熱控制難的問(wèn)題。

介紹了第3代結(jié)構(gòu)風(fēng)振控制基準(zhǔn)問(wèn)題的定義。通過(guò)觀測(cè)部分樓層加速度和控制力輸出,建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,解決了傳統(tǒng)控制中有限的傳感器數(shù)目對(duì)系統(tǒng)振動(dòng)狀態(tài)估計(jì)的困難;利用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)構(gòu)的控制行為,消除了閉環(huán)控制系統(tǒng)中存在的時(shí)滯;通過(guò)模糊神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)功能,解決了土木工程復(fù)雜結(jié)構(gòu)模糊控制中難以依據(jù)專家的主觀經(jīng)驗(yàn)來(lái)確定模糊控制規(guī)則和語(yǔ)言變量隸屬函數(shù)等困難。以風(fēng)振控制的基準(zhǔn)問(wèn)題為研究對(duì)象,編制了程序?qū)κ芸叵到y(tǒng)進(jìn)行數(shù)值仿真分析。分析表明,模糊神經(jīng)網(wǎng)絡(luò)控制策略能有效地抑制高層建筑的風(fēng)振反應(yīng)。

中央空調(diào)作為廣泛使用的高能耗系統(tǒng),其節(jié)能問(wèn)題受普遍關(guān)注。針對(duì)傳統(tǒng)的定流量方法存在的問(wèn)題,本文提出采用改進(jìn)的負(fù)荷隨動(dòng)跟蹤方法,實(shí)時(shí)監(jiān)測(cè)中央空調(diào)的負(fù)荷,并由計(jì)算機(jī)控制水泵電機(jī),降低主機(jī)能耗。利用模糊神經(jīng)網(wǎng)絡(luò)理論,建立符合隨動(dòng)跟蹤的模型,并利用實(shí)際數(shù)據(jù)進(jìn)行系統(tǒng)仿真。仿真結(jié)果表明,此方法提高中央空調(diào)的工作效率,實(shí)現(xiàn)良好的節(jié)能效果。

為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測(cè)算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測(cè)評(píng)價(jià)方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過(guò)建立網(wǎng)絡(luò)仿真平臺(tái),深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時(shí)對(duì)比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.

本文對(duì)常見(jiàn)的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長(zhǎng)期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

本文對(duì)常見(jiàn)的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長(zhǎng)期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

利用多臺(tái)焊接電源同時(shí)對(duì)同一工件進(jìn)行焊接,當(dāng)外電壓波動(dòng)時(shí),眾焊接電源依靠自身控制系統(tǒng)進(jìn)行各自調(diào)節(jié)的過(guò)程也是對(duì)外電網(wǎng)干擾的再生過(guò)程。將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,并應(yīng)用于多焊接電源的群控。在分析和設(shè)計(jì)了狀態(tài)變量的隸屬度函數(shù)、推理規(guī)則、解模糊算法等基礎(chǔ)上,完成了基于t-s(tagaki-sugeno)模型的自適應(yīng)模糊神經(jīng)推理控制器設(shè)計(jì)。利用該控制模型在simulink搭建的焊接電源群控模型上進(jìn)行仿真。結(jié)果表明,該控制模型具有調(diào)整時(shí)間短,超調(diào)量小的優(yōu)點(diǎn)(與眾焊接電源各自單獨(dú)調(diào)節(jié)相比較,調(diào)整時(shí)間縮短了22%,超調(diào)量減小了40%),反映出良好的動(dòng)態(tài)特性。

根據(jù)我國(guó)當(dāng)前智能建筑中央空調(diào)控制系統(tǒng)傳統(tǒng)pid控制存在的問(wèn)題,依據(jù)控制對(duì)象為一大滯后大慣性環(huán)節(jié)的特點(diǎn),對(duì)一種模糊神經(jīng)網(wǎng)絡(luò)的控制器進(jìn)行了仿真研究,以期改善空調(diào)控制系統(tǒng)的動(dòng)靜態(tài)特性,并能達(dá)到節(jié)能的效果。

針對(duì)水下機(jī)器人機(jī)械手抓取專用工具及操作準(zhǔn)確、快速、可靠平穩(wěn)的要求,設(shè)計(jì)一種應(yīng)用rov的模糊神經(jīng)網(wǎng)絡(luò)控制器。該控制器將pid控制、模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合,設(shè)計(jì)一種基于模糊神經(jīng)網(wǎng)絡(luò)(fnn)的復(fù)合控制器,并將其應(yīng)用于機(jī)械手的位置控制中,研究變軌跡變周期情況下機(jī)械手的位移跟蹤特性。仿真結(jié)果表明:該控制器具有良好的動(dòng)態(tài)、穩(wěn)定性能以及較強(qiáng)的魯棒性,能夠使水下機(jī)器人的機(jī)械手操作快速準(zhǔn)確平穩(wěn)。

焊接過(guò)程是一個(gè)復(fù)雜、多參數(shù)耦合的高度非線性系統(tǒng),在實(shí)際焊接過(guò)程中難以實(shí)現(xiàn)實(shí)時(shí)、有效的在線控制。根據(jù)焊接工藝要求,設(shè)計(jì)了弧焊電源輸出電壓電流波形。在常規(guī)pid控制的基礎(chǔ)上,運(yùn)用神經(jīng)網(wǎng)絡(luò)控制理論,建立了自適應(yīng)神經(jīng)元pid控制器,確定了自適應(yīng)神經(jīng)網(wǎng)絡(luò)pid學(xué)習(xí)控制器的學(xué)習(xí)算法。建立了二氧化碳?xì)怏w保護(hù)焊自適應(yīng)神經(jīng)元網(wǎng)絡(luò)控制系統(tǒng),并通過(guò)數(shù)字信號(hào)處理器tms320f2407和單片機(jī)msp430f149加以實(shí)現(xiàn)。通過(guò)常規(guī)pid控制與自適應(yīng)神經(jīng)元網(wǎng)絡(luò)控制輸出波形的對(duì)比,證明了其控制效果優(yōu)于常規(guī)pid控制。

建立了基于模糊神經(jīng)網(wǎng)絡(luò)的最佳耦合頻率控制系統(tǒng)的模型,使得轉(zhuǎn)動(dòng)軸狀態(tài)變化時(shí),無(wú)線感應(yīng)電源的頻率被控為諧振頻率,從而保證能量傳輸過(guò)程處于最佳耦合狀態(tài)。設(shè)計(jì)了一套無(wú)線感應(yīng)電源的實(shí)驗(yàn)裝置,包括可控頻率的電磁振蕩發(fā)生器,能量接收天線和軸上ac／dc裝置。

優(yōu)化電解碲電源對(duì)電解行業(yè)節(jié)能增效、提高電解產(chǎn)品質(zhì)量和改善電網(wǎng)環(huán)境具有重要意義.電源前級(jí)采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學(xué)模型的基礎(chǔ)上；通過(guò)改進(jìn)雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的智能控制方法；分析網(wǎng)側(cè)電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺(tái)進(jìn)行仿真計(jì)算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應(yīng)速度快、超調(diào)量小、抗干擾性強(qiáng)等優(yōu)點(diǎn).

通過(guò)對(duì)原有感應(yīng)加熱電源溫度控制方法的分析,提出了一種適合于非線性系統(tǒng)基于模糊神經(jīng)網(wǎng)絡(luò)的溫度控制方法。與傳統(tǒng)的控制策略相比,模糊神經(jīng)網(wǎng)絡(luò)控制具有不依賴控制對(duì)象精確的數(shù)學(xué)模型,較強(qiáng)的魯棒性,控制方式簡(jiǎn)便等優(yōu)點(diǎn)。實(shí)驗(yàn)證明:該加熱方法優(yōu)于常規(guī)pid和模糊pid,可獲得良好的動(dòng)態(tài)特性,具有穩(wěn)態(tài)精度高,功率調(diào)節(jié)范圍寬,工作穩(wěn)定可靠的優(yōu)點(diǎn)。

由于建立實(shí)際電阻點(diǎn)焊過(guò)程精確的數(shù)學(xué)模型比較困難,使得常規(guī)的人工調(diào)節(jié)pid控制器參數(shù)較難實(shí)現(xiàn)良好的匹配,從而難以獲得滿意的控制效果。針對(duì)該問(wèn)題,將智能調(diào)節(jié)與pid控制方法相結(jié)合,利用模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了參數(shù)kp、ki、kd自適應(yīng)調(diào)整的pid控制器,構(gòu)建了逆變電阻點(diǎn)焊電源的系統(tǒng)模型,通過(guò)對(duì)系統(tǒng)運(yùn)行狀態(tài)的在線學(xué)習(xí)智能化地修正pid的三個(gè)參數(shù)。pid控制輸出量通過(guò)pwm發(fā)生器產(chǎn)生四路獨(dú)立的、占空比實(shí)時(shí)變化的pwm波形,進(jìn)而控制逆變器的功率開(kāi)關(guān)器件導(dǎo)通時(shí)間,最終實(shí)現(xiàn)對(duì)系統(tǒng)恒電流的輸出控制。仿真結(jié)果表明,該方法能根據(jù)系統(tǒng)的運(yùn)行狀態(tài)自行匹配對(duì)應(yīng)最優(yōu)控制規(guī)律下的pid三個(gè)參數(shù),能有效地控制焊接電流的恒定,達(dá)到滿意的效果。

電力系統(tǒng)[1]是由發(fā)電、輸電、變電、配電和用電等多層fnn的復(fù)雜的非線性控制系統(tǒng)組成。采用fnn彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)模糊數(shù)據(jù)處理方面的不足和模糊邏輯在學(xué)習(xí)方面的缺陷學(xué)科。

針對(duì)變頻空調(diào)常規(guī)模糊控制系統(tǒng)的隸屬函數(shù)和控制規(guī)則的獲取受限于專家經(jīng)驗(yàn)的問(wèn)題,根據(jù)神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)的特點(diǎn),將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)空調(diào)的控制系統(tǒng)進(jìn)行改進(jìn),并據(jù)此設(shè)計(jì)模糊神經(jīng)網(wǎng)絡(luò)控制器,在此基礎(chǔ)上進(jìn)行了理論分析和模擬實(shí)驗(yàn),驗(yàn)證了這一控制系統(tǒng)的有效性。