CMAC神经网络

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.

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.

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.

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.

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.

摘要： 针对网络控制系统中存在的随机诱导时延，把传输网络以及被控对象看作是一个时变的被控系统，将小脑模型神经网络与PD控制相结合，通过CMAC神经网络与PD的复合控制实现前馈反馈控制，PD控制器的参数由模糊推理机自适应整定，以减小网络诱导时延及其不确定性对系统的负面影响，优化系统控制效果。最后对该控制方法进行了仿真研究，结果表明该方法能有效改善系统的控制性能。

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.

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.

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.

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.

摘要： 根据CMAC神经网络的工作原理和内部结构特点，提出了基于FPGA软件硬化技术设计CMAC硬件控制芯片的技术路线，详细讨论了基于FPGA芯片将CMAC神经网络软件硬化的方法，给出了仿真运行波形。构建出用于数控机床直线电动机驱动伺服系统的CMAC复合控制策略。以美国Kollmorgen公司的IC22-050A2P1型直线电动机作为试验对象，对硬化实现的CMAC控制器参数进行了测试,以验证方案的正确性。

摘要： 根据CMAC神经网络的工作原理和内部结构特点，提出了基于FPGA软件硬化技术设计CMAC硬件控制芯片的技术路线，详细讨论了基于FPGA芯片将CMAC神经网络软件硬化的方法，给出了仿真运行波形。构建出用于数控机床直线电动机驱动伺服系统的CMAC复合控制策略。以美国Kollmorgen公司的IC22-050A2P1型直线电动机作为试验对象，对硬化实现的CMAC控制器参数进行了测试,以验证方案的正确性。

摘要： 根据CMAC神经网络的工作原理和内部结构特点，提出了基于FPGA软件硬化技术设计CMAC硬件控制芯片的技术路线，详细讨论了基于FPGA芯片将CMAC神经网络软件硬化的方法，给出了仿真运行波形。构建出用于数控机床直线电动机驱动伺服系统的CMAC复合控制策略。以美国Kollmorgen公司的IC22-050A2P1型直线电动机作为试验对象，对硬化实现的CMAC控制器参数进行了测试,以验证方案的正确性。

摘要： 根据CMAC神经网络的工作原理和内部结构特点，提出了基于FPGA软件硬化技术设计CMAC硬件控制芯片的技术路线，详细讨论了基于FPGA芯片将CMAC神经网络软件硬化的方法，给出了仿真运行波形。构建出用于数控机床直线电动机驱动伺服系统的CMAC复合控制策略。以美国Kollmorgen公司的IC22-050A2P1型直线电动机作为试验对象，对硬化实现的CMAC控制器参数进行了测试,以验证方案的正确性。

摘要： 针对焦炉温度大惯性、纯滞后、非线性特点，提出一种基于蚁群免疫算法的CMAC-PID复合控制的焦炉对象的温度控制策略，用蚁群免疫算法优化PID控制器的初始参数，然后结合CMAC网络有效控制焦炉温度。仿真实验证明，该复合控制算法提高了系统的精度，加快了系统的响应速度，并且具备较强的抗干扰能力。

摘要： 针对焦炉温度大惯性、纯滞后、非线性特点，提出一种基于蚁群免疫算法的CMAC-PID复合控制的焦炉对象的温度控制策略，用蚁群免疫算法优化PID控制器的初始参数，然后结合CMAC网络有效控制焦炉温度。仿真实验证明，该复合控制算法提高了系统的精度，加快了系统的响应速度，并且具备较强的抗干扰能力。

摘要： 针对焦炉温度大惯性、纯滞后、非线性特点，提出一种基于蚁群免疫算法的CMAC-PID复合控制的焦炉对象的温度控制策略，用蚁群免疫算法优化PID控制器的初始参数，然后结合CMAC网络有效控制焦炉温度。仿真实验证明，该复合控制算法提高了系统的精度，加快了系统的响应速度，并且具备较强的抗干扰能力。

摘要： 针对焦炉温度大惯性、纯滞后、非线性特点，提出一种基于蚁群免疫算法的CMAC-PID复合控制的焦炉对象的温度控制策略，用蚁群免疫算法优化PID控制器的初始参数，然后结合CMAC网络有效控制焦炉温度。仿真实验证明，该复合控制算法提高了系统的精度，加快了系统的响应速度，并且具备较强的抗干扰能力。

摘要： 针对焦炉温度大惯性、纯滞后、非线性特点，提出一种基于蚁群免疫算法的CMAC-PID复合控制的焦炉对象的温度控制策略，用蚁群免疫算法优化PID控制器的初始参数，然后结合CMAC网络有效控制焦炉温度。仿真实验证明，该复合控制算法提高了系统的精度，加快了系统的响应速度，并且具备较强的抗干扰能力。

摘要： 针对非线性摩擦对高精度伺服系统的影响，提出了基于小脑模型神经网络与传统的比例微分控制的复合控制方法。建立了具有摩擦环节的伺服系统模型，分析了小脑模型神经网络改进的具体的结构和算法.仿真结果说明，该方法对摩擦引起的误差有良好的抑制作用，保证了系统的稳定性,提高了跟踪精度。

摘要： 本发明提供的是一种基于RBF辨识的ICA‑CMAC神经网络的欠驱动无人艇航迹跟踪控制方法。首先用位置参考系统、姿态参考系统测得USV位置信息和艏向姿态信息，对获取的USV姿态及位置信号进行滤波及时空对准，得到当前USV精确位置及姿态；然后采用ICA‑CMAC神经网络与积分分离式PID并行控制方法；ICA‑CMAC神经网络实现前馈控制，通过引入平衡学习常数进行可信度分配，根据调整指标和σ学习规则辨识USV逆模型，产生的输出作为USV输入的一部分；最后得到包括PID控制器和ICA‑CMAC神经网络的控制器总控制输出。本发明解决不确定外界干扰下USV航迹跟踪控制问题，所提方法降低对精确数学模型的依赖性，增强系统的自适应调整能力和抗干扰能力，提高算法的在线学习速度和航迹跟踪精度。

摘要： 本发明公开了一种基于CMAC神经网络的机载卫星天线伺服系统控制方法，属于伺服控制技术领域。该方法在PID控制器的基础上，增加一个CMAC神经网络控制器。神经网络控制器通过向传统控制器的输出进行学习，在线调整自己，从而使自己逐渐在控制中占据主导地位，以便最终代替PID控制器的作用。一旦系统出现干扰等情况，PID控制器依然可以发挥作用。采用这种神经网络控制方法，不仅可以确保控制系统的稳定性和鲁棒性，而且可以有效地提高系统的精度和自适应能力，降低控制系统对PID控制参数的依赖，特别适用于对机载卫星天线伺服系统的控制。

摘要： 本发明提供的是一种基于RBF辨识的ICA‑CMAC神经网络的欠驱动无人艇航迹跟踪控制方法。首先用位置参考系统、姿态参考系统测得USV位置信息和艏向姿态信息，对获取的USV姿态及位置信号进行滤波及时空对准，得到当前USV精确位置及姿态；然后采用ICA‑CMAC神经网络与积分分离式PID并行控制方法；ICA‑CMAC神经网络实现前馈控制，通过引入平衡学习常数进行可信度分配，根据调整指标和σ学习规则辨识USV逆模型，产生的输出作为USV输入的一部分；最后得到包括PID控制器和ICA‑CMAC神经网络的控制器总控制输出。本发明解决不确定外界干扰下USV航迹跟踪控制问题，所提方法降低对精确数学模型的依赖性，增强系统的自适应调整能力和抗干扰能力，提高算法的在线学习速度和航迹跟踪精度。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本公开涉及训练神经网络的方法、训练神经网络的系统以及神经网络。一种用于训练第一神经网络，以在图像输入到第一神经网络时，检测在该图像上可见并且属于给定对象类别的对象的视点的方法，包括：提供不同视点下的多对图像的数据集，提供被配置成能够得出对象的外观信息的第二神经网络，提供被配置成能够使用外观信息和视点，得出所述类别的对象的合成图像的第三神经网络，联合训练第一神经网络、第二神经网络和第三神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种卷积神经网络(CNN)处理装置(1)，设置有：输入缓冲器(10)，用于存储要对CNN应用的输入信号A；权重缓冲器(11)，用于存储权重U；卷积运算单元(12)，执行包括输入信号A与权重U之间的乘积‑求和运算的卷积运算；存储单元16，存储表(160)，在该表中，转换‑量化处理的输入与输出彼此相关联，其中，转换‑量化处理接受卷积运算的运算结果作为所述输入，基于预定条件来转换输入值，通过降低转换后的数据的比特精度来进行量化，并且输出结果；以及处理单元(14)，参考表(160)以获取转换‑量化处理的与卷积运算的运算结果相对应的输出。

摘要： 本发明提供一种能够通过减少存储器数量而将其配置在芯片上的神经网络电路装置、神经网络处理方法和神经网络的执行程序。三状态神经网络电路(200)具有非零卷积运算电路(21)、求和电路(22)和激活函数电路(23)，其中，所述非零卷积运算电路(21)在中间层中接收用于进行卷积的输入值Xi和权重Wi来进行卷积运算；所述求和电路(22)求取通过卷积运算得到的各运算值和偏置W0的总和；所述激活函数电路(23)用激活函数f(u)对求取总和得到的信号Y进行转换。非零卷积运算电路(21)跳过权重Wi为零的权重，来根据非零权重和与该非零权重对应的输入值Xi进行卷积运算。