模糊小脑神经网络在交流伺服系统上的应用

摘要

模糊逻辑与神经网络技术集成，是近年来学术界与工程界非常关注的研究领域。神经网络擅长于系统辨识和按变化的环境进行自适应变化，而模糊推理系统则在对人类知识进行推理和决策方面占有优势，联合使用二者可以更有效地解决实际问题。 小脑模型关节控制器(CMAC)作为一种基于局部逼近的简单快速的神经网络，与模糊逻辑相结合，构成模糊神经网络(FCMAC)控制。这种控制结构能很好的反映人脑认知的模糊性和连续性，有较强的自学习能力，能够克服单-CMAC控制和模糊控制的缺点，很好地适应复杂控制对象的要求。 本文运用模糊小脑神经网络来解决某型号远程火箭炮控制系统中随动系统部分控制问题，并在前人工作的基础上，深入研究了小脑神经网络结构辨识和模糊控制的若干问题。本文主要研究的内容：①采用小脑神经网络对交流伺服系统进行系统辨识；②采用模糊小脑神经网络构造交流伺服系统的的智能控制器，引入常规PD反馈控制器，使系统稳定抑制扰动；③建立基于Matlab的交流伺服系统软件仿真平台进行仿真分析，由仿真结果可以看出，模糊CMAC神经网络控制效果好，减小了超调，加快了控制响应速度。

目录

文摘

英文文摘

声明

1绪论

1.1课题背景概述

1.2智能控制的发展

1.2.1智能控制的研究对象

1.2.2智能控制系统的主要功能

1.2.3智能控制技术的主要方法

1.3智能控制在交流伺服系统中的应用

1.4本文的主要任务

2交流伺服系统的结构

2.1系统简介

2.2 CDM-1398 PC／104 CPU模块

2.2.1 CDM-1398性能特点

2.2.2 CDM-1398硬件设置

2.3数据输入输出模块

2.3.1 CDM-1140模块

2.3.2 DMM-16-AT模块

2.4旋转变压器及RDC转换模块

2.4.1 J70XFSO11旋转变压器

2.4.2 MTS16转换模块

2.4.3转换数据的读取

2.5伺服放大器电路

2.6交流调速系统

2.6.1变频驱动器

2.6.2交流同步伺服电机

3模糊控制与神经网络原理

3.1模糊控制原理

3.1.1模糊控制系统的组成

3.1.2模糊控制的基本原理

3.1.3基本模糊控制器的设计

3.2神经网络原理

3.2.1人工神经网络概述

3.2.2单神经元模型

3.2.3人工神经网络模型

3.2.4人工神经网络学习

3.3模糊神经网络系统

4 CMAC神经网络概述及辨识

4.1 CMAC神经网络

4.1.1 CMAC的概述

4.1.2 CMAC网络结构

4.1.3 CMAC网络的训练

4.2基于CMAC神经网络的系统辨识

4.2.1系统辨识概述

4.2.2神经网络训练集的选择

4.2.3网络结构

4.2.4 CMAC网络算法的实现

4.3交流伺服系统的辨识

5模糊CMAC神经网络控制器的设计

5.1模糊小脑神经控制系统概述

5.1.1模糊小脑神经网络的理论基础

5.1.2模糊小脑神经网络控制结构

5.2 FCMAC技术

5.2.1模糊CMAC的模型结构

5.2.2 FCMAC工作过程分析

5.3基于交流伺服系统的模糊CMAC控制器的设计

5.3.1 FCMAC控制器结构

5.3.2 FCMAC网络控制器参数的确定及学习算法

6系统仿真及调试

6.1仿真结果

6.2仿真结论

结论

致谢

参考文献