CMAC神经网络
CMAC神经网络的相关文献在1997年到2020年内共计114篇,主要集中在自动化技术、计算机技术、机械、仪表工业、能源与动力工程
等领域,其中期刊论文101篇、会议论文10篇、专利文献366021篇;相关期刊78种,包括燕山大学学报、哈尔滨工程大学学报、吉林大学学报(工学版)等;
相关会议10种,包括2011年中国自动化学会华东六省一市学术年会、全国冶金自动化信息网2010年会、第19届中国过程控制会议等;CMAC神经网络的相关文献由271位作者贡献,包括蒋志明、段培永、李慧等。
CMAC神经网络—发文量
专利文献>
论文:366021篇
占比:99.97%
总计:366132篇
CMAC神经网络
-研究学者
- 蒋志明
- 段培永
- 李慧
- 李辉
- 柳玉甜
- 沈刚
- 蒋静坪
- 阮晓钢
- 陆军
- 万江
- 丛大成
- 付明玉
- 何景峰
- 侯世英
- 刘丽娜
- 华克强
- 叶正茂
- 吕广明
- 周利
- 孙亮
- 孙嘉霖
- 尚文飞
- 屈宝存
- 崔平远
- 庹玉龙
- 张友安
- 张奎
- 张放
- 时文飞
- 朱昊
- 李殿璞
- 李洪人
- 李锋
- 李阳春
- 杨旭
- 林健
- 林廷圻
- 汪木兰
- 沈艳
- 王仁强
- 王元慧
- 王常虹
- 王泰琪
- 王经甫
- 王莎莎
- 白晓东
- 苏薇
- 郎宪明
- 闫杰
- 陈进涛
-
-
赵立鑫;
谢卫;
黄泽森
-
-
摘要:
为改善永磁同步电机在电梯无齿轮曳引复杂工况下的调速动态性能,使其满足快速性、舒适性的同时,对频繁的负载变化有较强的鲁棒性和稳定性,提出将CMAC神经网络控制应用于电梯行业永磁同步电机调速系统中.通过建立永磁同步电机动态模型,搭建内模控制的电流内环及CMAC网络控制的速度外环仿真控制系统,并对比传统PI控制方式进行仿真实验,结果表明,本调速系统在动态性能、抗扰性能及鲁棒性能上均有显著改善;并根据电梯运行加速度要求,跟踪电梯运行的速度抛物线,验证了在CMAC神经网络的学习和记忆能力下有逐渐提高的稳态精度.%In order to improve the dynamic performance of the permanent magnet synchronous motor(PMSM) under the complicated conditions of gearless traction of elevator,while satisfying the performances of rapidity and comfort,and having strong robustness and stability under frequent load changes,the CMAC network control be applied to the PMSM control system in the elevator industry is proposed.The dynamic model of PMSM was established,and the simulation system was built,in which the current inner loop was controlled by the internal mode and the speed outer loop was controlled by the CMAC network,as well as the simulation experiment was compared with the traditional PI control mode.The results show that the dynamic performance,disturbance restraint performance and robust performance of the system are significantly improved.According to the elevator acceleration requirement,the velocity parabola of the elevator operation is tracked,and the conclusion is verified that the steady-state accuracy of this system has been gradually improved in the learning and memory capabilities of the CMAC neural network.
-
-
李红霞;
黄已芯;
田水承;
李琰
-
-
摘要:
依据“一带一路”沿线地区风险发生不确定性的产生根源,将煤矿企业基建过程中的风险进行分类与识别,提出“一带一路”沿线地区煤矿企业基建活动的风险包括自然风险、文化宗教风险、市场风险、外协条件风险等11类风险及39个风险影响因素,并构建了风险发生概率的预测指标体系.利用CMAC神经网络理论,结合人工鱼群算法构建了风险发生概率预测模型,选取孟加拉国巴拉普库利亚煤矿基建过程中2013-2017年风险发生概率样本,对风险发生概率模型进行验证及风险发生概率进行预测.这对后续在“一带一路”沿线地区煤矿企业基建活动的风险预测与风险管控起到一定的参考作用.
-
-
朱剑波;
顾嵬
-
-
摘要:
伺服系统在实际运行时会受到摩擦、齿隙、高频谐振等各种形式的干扰,严重影响伺服系统的性能表现,传统的PID控制器很难获得满意的控制效果。结合常规PID控制和CMAC神经网络的优点,设计了CMAC+PID复合控制器,并将其用作交流伺服系统的位置控制器。设计了干扰观测器用于抑制伺服系统受到的位置干扰。仿真结果表明所设计的CMAC+PID复合控制器可以增强系统的快速性,减小系统的稳态误差;所设计的干扰观测器可以有效抑制外部扰动,增强系统的抗扰动能力。%In this paper,combining with the advantages of common PID and CMAC neural network,the CMAC+PID com-pound control er is designed and used as position control er of AC servo system.The disturbance observer is designed to suppress servo system's interference.The results of simulation prove that the CMAC+PID compound control er can enhance servo system's rapidity and reduce the steady state error.
-
-
刘宝杰;
李岳林;
谢安平;
龚宏义
-
-
摘要:
针对进气流量测量误差问题,运用改进型CMAC神经网络建立瞬态工况下进气流量预测模型,在变加速、变减速两种具有代表性的瞬态工况下进行仿真试验,通过对试验结果的分析,说明了汽油机进气流量预测模型的效果,嵌入该预测模型可增强空燃比控制效果.
-
-
钱修生;
李军;
雷鹏飞
-
-
摘要:
多余力矩会严重影响加载系统的控制性能和加载精度,如何克服多余力矩成为了设计加载系统的关键问题之一;由于电动伺服加载系统通常会具有非线性以及参数变化等因素,传统的基于结构不变性原理的方法,在消除多余力矩时表现欠佳;建立了电动伺服加载系统的数学模型,分析了多余力矩的产生原理,设计了一种基于CMAC和PID的复合控制器;仿真结果表明,所设计的复合控制器相对于传统的复合控制器,性能得到了大幅提升,不仅有效地抑制了系统的多余力矩,改善了加载系统的动态性能,而且增强了抑制扰动的能力,提高了跟踪精度.
-
-
-
李艳;
张自立;
吕建红
-
-
摘要:
针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型.该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率.通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度.
-
-
陈进涛;
王仁强;
杜加宝
-
-
摘要:
运用智能算法研发一种既能缩短航程又能降低能耗的新型船舶航向控制器.在分析船舶运动的非线性数学模型和普通PID控制算法的基础上,运用遗传算法优化整定常规的PID控制参数,以实现反馈控制并保证系统的稳定性;同时,运用小脑模型神经网络进行前馈非线性控制,以抑制源自船舶内外部的非线性扰动,最终确保系统的控制精度和响应速度.运用船舶操纵模拟器对新型航向控制器进行检验,结果表明其性能稳定,功能优越.
-
-
石勇;
齐自达;
张连瑜;
张红光
-
-
摘要:
提出了一种小脑模型神经网络(CMAC)前馈负荷控制的柴油机调速策略,利用传统PID来实现反馈控制,保证船用柴油发电机组调速系统的稳定性并抑制扰动,在CMAC神经网络输入信号中加入负荷电流和转速指令,实现对控制器的前馈控制,确保系统的控制响应速度,提高控制精度.经过仿真后,使用MicroAutoBox控制器进行了D6114发电机组配机试验.试验结果表明:机组具有良好的动静态特性,标定负载突变超调6.2%,稳定时间2.8s,完全满足二级电站对柴油机调速系统的要求.
-
-
王琳
-
-
摘要:
舰船运动是引发多种海面事故的主要原因,为了提高舰载机着舰安全系数、提高舰船战斗力、减少海难等事故的发生,舰船运动极短期预报是至关重要的.首次将CMAC神经网络应用于舰船纵摇运动姿态的极短期预报中,建立了CMAC神经网络舰船运动预报模型.同时对实际的舰船纵摇运动数据进行了数值仿真,证实了CMAC神经网络模型在舰船运动预报中的应用是合理且可行的.