神经网络控制

摘要： 软体机械臂因其出色的环境适应能力以及安全的人机交互使其在医疗、航天航空等领域有着广阔的应用前景.但由于软体机械臂是一类连续体装置,不能采用传统的刚体机械臂的建模和控制方法,需要一种新的建模方法.针对一类线驱动软体机械臂,本文提出一种基于应变参数化方法的软体机械臂建模方法,能够描述软体机械臂在三维空间下在不同布线方式下的运动.首先把整个软体机械臂当作一个Cosserat梁,利用成熟的Cosserat梁理论进行建模,其核心思想是利用Ritz方法对软体机械臂应变场进行离散化,得到一组常微分方程组,其次利用反向传播(Back propagation,BP)神经网络完成形状空间与驱动器空间的驱动力转换.针对软体机械臂模型中存在的未知动态,利用径向基函数(Radial basis function,RBF)神经网络进行逼近和补偿.然后基于Lyapunov稳定理论证明了引入自适应神经网络控制器后闭环系统的稳定性.最后,针对模型与自适应神经网络控制器进行了一系列的仿真实验,验证了模型和控制算法的有效性.因此,可以实现对一类软体机械臂的建模控制.

摘要： 针对实用随机NARMAX模型的控制问题,采用具有辅助变量的全格式动态线性化逼近,利用BP神经网络辨识其参数向量和辅助变量,使用直接极小化指标函数的自适应优化算法优化BP神经网络的连接权重值,并估计随机干扰模型的参数,依据广义目标函数提出非线性系统的神经网络辨识的无模型显式自校正控制器。仿真研究验证了上述研究的有效性,系统具有较好的控制效果。

摘要： 对反应釜温度控制的研究现状进行深度调研,并做出分类总结,指出目前的研究还存在的一些不足,并对未来的研究趋势做出进一步展望,为未来化工反应釜的温度控制研究指出方向。

摘要： 在针对全格式动态线性化泛模型中引入辅助变量,提出了一种改进的全格式动态线性化泛模型,克服了其存在的问题。采用BP神经网络对其进行辨识,基于广义目标函数,提出神经网络辨识的无模型自适应隐式自校正控制器,其算法是关于当前控制输入的非线性方程,利用牛顿-拉夫逊算法求解,根据直接极小化指标函数的自适应优化算法对BP神经网络的连接权重值进行在线学习。仿真研究验证了所提出的隐式自校正控制器的有效性,系统具有良好的控制品质。

摘要： 针对移动机器人在未知离散障碍物环境下感知、导航控制的问题,设计了一种基于神经网络与模型预测的控制系统。在感知阶段,采用传统视觉算法提取十二维度离散障碍物特征,并将其传入神经网络以控制机器人避障感知;在规划阶段,基于处理后的感知地图设计JPS全局规划器和MPC局部规划器,实现机器人自主导航。对该系统进行Simulink/CarSim联合仿真,并搭建移动机器人在室外环境测试。结果表明,仿真及测试过程中机器人感知信息准确可靠,导航轨迹效果稳定。

摘要： 针对需要考虑参数不确定和负载扰动的永磁同步电动机位置伺服系统,提出了一种新型的自适应神经网络控制方法。首先,利用神经网络建立永磁同步电动机的智能模型。其次,针对模型特点,在反步递推设计框架下,应用神经网络基函数的本质特征,并引入动态面控制技术克服控制设计中存在的“复杂性爆炸”问题,设计基于自适应神经网络动态面控制的位置跟踪算法。最后,仿真结果表明该控制方案是有效可行的,与反步递推控制方案相比,基于神经网络动态面控制的位置伺服系统的跟踪误差具有更快的收敛速度。通过设计新的神经网络自适应律,提出的自适应神经网络控制方法可以避免现有反步递推控制设计中存在的代数环问题。此外,提出的控制算法不仅能够克服不确定性因素对系统性能的影响,而且算法结构简单,易于实现。

摘要： 针对航天电液伺服系统在飞行工况中静、动态特性均受到快速温升影响的问题,提出一种控制参数在线校正方法。以柔性喷管推力矢量伺服系统为研究对象,建立伺服系统的数学模型;通过仿真分析研究关键精密部件伺服阀在不同温度时的频率特性;基于油温变化对伺服阀的影响分析,研究伺服系统受温度影响时控制性能的变化;根据不同油温对控制网络参数进行在线校正,可以保持系统动态特性的稳定。仿真结果表明:该方法可以降低快速温升对伺服系统频率特性产生的影响,使系统抵抗温度扰动的能力增加了56%。

摘要： 光电惯性稳定平台被广泛的应用于无人系统移动载体上,针对两轴光电平台系统参数不确定与外界扰动问题,提出自适应终端滑模神经网络控制算法对光电平台伺服系统进行稳定跟踪控制。利用径向基神经网络估计平台动力学系统中的未知非线性函数,同时,考虑无刷直流力矩电机在实际应用中的输出饱和特性,引入辅助函数用以补偿理想控制力矩和实际输出力矩之间的误差,提高了光电负载图像的稳定性与动态目标跟踪的快速性。最后,通过李亚普诺夫原理验证了闭环系统的稳定性与渐进收敛性。外界随机振动试验结果表明,提出的终端滑模神经网络控制算法减振效果陀螺均方根值为4.7 mrad/s,比传统的滑模控制的减振效果提升了8%,相比于传统的PID控制提高了13.3%。所提出的控制方法能够较好抑制移动载体对光电设备的扰动,抗干扰能力强。

摘要： 三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系统耦合选用RBF神经网络作为扰动估计器,以便实时估计与补偿;然后采用前向增稳通道应对建模参数不精确以保证系统的稳定性.最后,利用Lyapunov定理分析了闭环系统的稳定性,在伺服控制与姿态锁定的仿真实验中分别与双环PID、滑模控制和反演滑模控制作对比,结果验证了提出的控制算法的有效性和鲁棒性.

摘要： 磨矿分级受影响因素多、机理复杂,其生产效率和产品质量直接关系到选矿厂的技术经济指标,在选矿工艺过程中起着承上启下的作用.传统控制主要以安全稳定控制为目标,难以实现优化控制.生产实践表明,智能控制可以显著提高磨矿分级的效率和产品质量,起到增产、降耗、提质、增效的作用.模糊控制、专家控制和神经网络控制是磨矿分级最为常用和高效的智能控制技术,得到了大量的应用,取得了显著的经济效益和社会效益.本文主要对磨矿分级智能控制的发展过程、研究现状以及实际应用等方面进行综述.

摘要： 讨论了空间机器人系统捕获目标过程的冲击效应,及捕获运动目标后的轨迹跟踪问题.首先采用拉格朗日第二类方程建立系统动力学方程,利用动量定理及力的传递关系,结合牛顿欧拉法分析了空机机器人捕获目标过程的冲击效应.其次,针对存在干扰及空间机器人捕获目标后系统参数不确定情况下,对于捕获目标后的联合体系统,提出了一种自适应分散神经网络控制方案.由于空间机器人具有强耦合特性,对每一个子系统设计控制器并构建伪线性系统,由各子系统的状态反馈信息来提供控制信号.而系统的参数不确定性及外部干扰,通过引入了神经网络控制,消除系统的干扰、关联项及逼近误差.通过一个平面空机器人的冲击效应及轨迹跟踪过程进行数值仿真,结果证明了所提出的控制方案的有效性.

摘要： 对一类未知函数控制增益的MIMO非线性时变时滞系统，利用Nussbaum函数的性质并结合滑模控制原理，提出了一种改进的自适应神经网络控制方案。选取适当的Lyapunov-Krasovskii泛函补偿未知的时变时滞不确定项。本文放宽了对控制增益的限制，考虑的模型更加一般化。利用Young’s不等式放宽了对时滞不确定项的假设。并且，在每一个子系统中只需调节一个参数，降低了实现的复杂性。通过理论分析，证明了闭环控制系统是半全局一致终结有界的。最后仿真结果表明了本文所提算法的有效性。

摘要： 稻谷干燥的控制技术是决定干燥稻谷品质的关键技术.智能控制技术的优越性使其越来越多的被应用到稻谷干燥的控制过程.本文介绍了国内外稻谷干燥智能控制技术的发展现状;阐述了几种主要稻谷干燥智能控制技术的原理及优缺点;分析了未来稻谷干燥智能控制技术可能的发展趋势.稻谷干燥的模糊预测控制发展空间大;基于模糊控制、神经网络控制及遗传算法等多种方法融合的混合智能控制方法仍是未来重要发展方向;基于干燥机理的研究,干燥技术将向智能化、高效率和低能耗的方向发展.

摘要： 逆变器在实际中的精确模型往往难以建立，智能控制技术适用于处理复杂不确定系统，对于提高逆变器控制的实时性控制有很好的效果。尤其是模糊神经网络控制由于控制器相对实现简单得到了广泛应用。本文分析了模糊PI、模糊神经网络的控制策略，将其应用在逆变器的独立运行和并网运行上，通过仿真验证了模糊神经网络控制在改善逆变器运行性能上的可行性，对于提高其动态性能，降低带非线性负载运行时的THD值有较好的效果。

摘要： 倒立摆是一个复杂的快速、非线性、多变量、强耦合、自然不稳定的非最小相位系统，是重心在上、支点在下控制问题的抽象。本文首先建立了倒立摆系统方程，经过在系统平衡点线性化之后，得到整个系统的状态方程描述。在采用状态反馈实现倒立摆控制的基础上，设计BP网络，实现对一级直线倒立摆控制器的逼近。仿真结果表明，采用包含一个隐层的BP网络，适当选择隐层神经元个数，可实现对倒立摆控制器较好的逼近。

摘要： 评述了核动力控制技术的发展状况.重点分析了核动力装置模糊控制与神经网络控制方法的研究进展,探索了核动力控制技术发展的新动向.分析表明,在控制方法上,核动力控制技术逐渐从经典控制方法向先进控制和智能控制方法方向发展;在控制系统实现技术上,核动力控制技术从模拟技术向数字(计算机)技术和网络技术方向发展;在控制系统的层次上,核动力控制系统从单回路控制向监督控制、集散式控制以及网络控制等方向发展.在核动力控制中,PI(D)控制仍然是最重要的控制方法且向先进PI(D)控制方向发展,模糊控制是一种良好的控制方法,神经网络控制方法具有较大的发展潜力但仍需进行大量的研究和验证.

摘要： 基于虚拟驾驶仿真平台开发了车辆稳定性神经网络控制器，以横摆角速度为控制目标，利用NARMA-L2神经网络估计模型辨识车辆动力学模型，通过调整神经网络对象模型设计了神经网络控制器，该控制器通过产生横摆力矩迫使车辆横摆角速度跟踪理想响应。在虚拟驾驶仿真平台上进行了操纵稳定性的虚拟试验，实现了驾驶员在环操纵控制仿真。仿真实验结果表明，设计的控制器能够有效改善车辆的稳定性。

摘要： 通过对核电站核级柴油发电机功能的分析，提出了一种基于可编程计算机控制器(PCC)的核级柴油发电机励磁控制系统，实现了以新一代PCC为硬件，利用神经网络逼近任意非线性函数的能力，对励磁控制算法中的三个参数Kp，Ki，Kd进行在线调整，并利用神经网络模型对柴油发电机的输出进行预测，根据预测值对神经网络各层中的加权系数进行在线修正，同时引入了带死区的控制算法。利用软件编程的方式直接将控制程序下载到PCC的CPU模块中的方法，来满足励磁控制系统通用性的要求。该励磁控制系统具有调节速度快、适应能力强、可靠性高等优点。实验结果表明，该控制器具有强抗扰、响应快、鲁棒性好等特点。

摘要： 通过对核电站核级柴油发电机功能的分析，提出了一种基于可编程计算机控制器(PCC)的核级柴油发电机励磁控制系统，实现了以新一代PCC为硬件，利用神经网络逼近任意非线性函数的能力，对励磁控制算法中的三个参数Kp，Ki，Kd进行在线调整，并利用神经网络模型对柴油发电机的输出进行预测，根据预测值对神经网络各层中的加权系数进行在线修正，同时引入了带死区的控制算法。利用软件编程的方式直接将控制程序下载到PCC的CPU模块中的方法，来满足励磁控制系统通用性的要求。该励磁控制系统具有调节速度快、适应能力强、可靠性高等优点。实验结果表明，该控制器具有强抗扰、响应快、鲁棒性好等特点。

摘要： 通过对核电站核级柴油发电机功能的分析，提出了一种基于可编程计算机控制器(PCC)的核级柴油发电机励磁控制系统，实现了以新一代PCC为硬件，利用神经网络逼近任意非线性函数的能力，对励磁控制算法中的三个参数Kp，Ki，Kd进行在线调整，并利用神经网络模型对柴油发电机的输出进行预测，根据预测值对神经网络各层中的加权系数进行在线修正，同时引入了带死区的控制算法。利用软件编程的方式直接将控制程序下载到PCC的CPU模块中的方法，来满足励磁控制系统通用性的要求。该励磁控制系统具有调节速度快、适应能力强、可靠性高等优点。实验结果表明，该控制器具有强抗扰、响应快、鲁棒性好等特点。

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： 本发明涉及一种用于借助神经网络来探测和再识别对象的方法，所述方法包括以下步骤：从图像中提取(S10)特征(F)，其中，所述特征(F)包括关于所述图像中的至少一个对象的信息；基于所提取的特征(F)，借助基于锚的对象探测来探测(S20)所述图像中的所述至少一个对象，其中，为了借助至少一个锚来探测所述对象，通过分类来确定分类数据并且通过回归来确定回归数据；基于所提取的特征(F)，通过确定嵌入数据来再识别(S30)所述至少一个对象，其中，用于所述图像的至少一个所述特征(F)的所述嵌入数据映射对象描述。本发明还涉及一种神经网络、一种用于至少部分自主的机器人的控制方法、和一种机器可读的存储介质。

摘要： 本申请公开了一种神经网络加速器的控制方法、装置及神经网络加速器，涉及人工智能技术。具体方案包括：在获取到输入脉冲数据包后，获取输入激励数据包，并存储所述输入激励数据包；所述输入激励数据包用于判断当前计算核是否满足更新条件；获取所述当前计算核的更新条件；根据存储的所述输入数据包和获取的所述更新条件，判断所述当前计算核是否满足所述更新条件；当所述当前计算核满足更新条件时，执行更新运算并发送输出脉冲数据包。本申请可以使得神经网络加速器中的每个计算核根据接收脉冲的实际延迟时间进行更新运算，显著提高了神经网络加速器的整体运算性能。

摘要： 本申请提供一种激活函数电路、忆阻神经网络及忆阻神经网络的控制方法，涉及忆阻器技术领域。该电路可以包络：运算放大器、忆阻器，其中：该运算放大器的同相输入端接地，该运算放大器的反相输入端与前级忆阻交叉阵列中一个输出端连接；该运算放大器的输出端与后级忆阻交叉阵列的一个输入端连接，该运算放大器的反相输入端通过该忆阻器与该运算放大器的输出端连接；该忆阻器还连接激励电源，用以向该忆阻器提供激励电压，调整该忆阻器的阻值。应用本发明实施例，可以提高该忆阻神经网络的运算速度。

摘要： 本发明公开了一种面向卷积神经网络加速的多通道DMA控制器和卷积神经网络加速方法，属于智能计算技术领域，包括DMA0控制器、DMA1控制器、DMA2控制器、DMA3控制器和DMA4控制器，其中，DMA0控制器用于内存控制器至卷积神经网络加速器计算单元的连续数据传输；DMA1控制器用于卷积神经网络加速器计算单元至内存控制器的数据传输；DMA2控制器用于内存控制器至卷积神经网络加速器计算单元的离散数据传输；DMA3控制器用于卷积神经网络加速器计算单元之间的数据传输；DMA4控制器用于内存控制器至卷积神经网络加速器计算单元的指令传输。本发明可以有效提高卷积神经网络加速器的计算效率和内存使用效率。

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： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明公开了一种双足机器人神经网络控制器的神经网络优化方法，所述双足机器人神经网络控制器采用全链接的深度神经网络，用于对双足机器人的行走控制，包括：S1对深度神经网络的拓扑结构进行优化；S2对拓扑结构优化后的深度神经网络的网络参数进行优化。本发明通过对深度神经网络进行拓扑结构和控制参数上的最优化，有效的避免网络陷入局部最优，很好的适应和解决了双足机器人非线性控制难的问题，从而能够更好的拟合出机器人系统的参数模型。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号；利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。