自适应神经网络

摘要： 为克服电网电压不平衡或失真时锁相环(PLL)性能较差的局限性,提出了基于自适应神经网络逻辑控制的p-q理论,在一定范围内降低总谐波失真。针对有源电力滤波器三相感应电流和参考电流的电流误差,提出基于PLL规则的无载波脉冲宽度调制(PWM)电流控制技术,将选通信号传输到电压型逆变器(VSI)桥的绝缘栅双极晶体管(IGBT)。为确保训练效率,在训练过程中使用Widrow-Hoff规则进行权值调整。同时,设计了一种并联型有源电力滤波器(APF)拓扑,以实现谐波电流阻尼和无功补偿。在Matlab中的Simulink模块下建立了仿真模型。通过仿真分析,证明了控制器的性能和基准生成的准确性,表明所提方法对有源电力滤波器谐波和无功补偿的发展具有积极推动作用。

摘要： 针对关节柔性机械臂系统在未知输入饱和的情况下的稳态和瞬态性能约束问题,提出一种改进Funnel控制结合RBF自适应神经网络的轨迹跟踪控制方法。设计了改进的Funnel控制变量以避免控制律中的微分不可导的情况;构造了时变的瞬态性能约束函数,调节系统输出初始阶段的超调量和收敛速度;采用最小参数学习法的RBF自适应神经网络,逼近机械臂系统模型的未知函数和虚拟控制律的导数,简化了控制器的设计;通过李雅普诺夫稳定性定理,证明了闭环系统中所有变量是半全局一致最终有界的。仿真实验验证了所提方法有效性。

摘要： 针对共轴八旋翼无人机位置与姿态的跟踪控制问题,在充分考虑模型不确定性及外部干扰的情况下,提出一种神经自适应滑模控制方法。首先,将共轴八旋翼无人机动力学系统分为两个子系统,即全驱动子系统和欠驱动子系统。然后,运用神经网络对模型参数不确定部分和外界干扰项进行估计,设计一种合适的滑模控制器,根据所设计的控制器和Lyapunov稳定性理论,两个子系统的状态轨迹均能渐近到达其对应的滑模面,从而保证共轴八旋翼无人机位置与姿态的跟踪控制能够实现。最后,通过大量仿真结果验证了所提方法的有效性。

摘要： 针对严格反馈三轴稳定航天器姿态控制问题,在考虑航天器系统存在模型不确定性、未知外部扰动、系统存在时延情况下,提出了一种鲁棒控制方法。首先建立航天器误差运动学和动力学模型,使用神经网络对系统不确定性和未知扰动进行逼近、引入障碍李雅普诺夫函数对系统状态约束进行处理;然后利用反步法构造一种鲁棒自适应姿态控制器,通过李雅普诺夫方法证明闭环系统是最终一致有界的;最后,结合工程实际经验对系统已知时延进行前馈补偿。半物理仿真结果表明了所设计控制器的有效性和鲁棒性。

摘要： 针对有外部扰动的四旋翼飞行器系统,采用backstepping方法解决四旋翼飞行器系统在有界稳定情况下难以实现的H_(∞)跟踪控制问题.考虑各子系统间的耦合项、空气阻力和外界干扰对四旋翼飞行器系统产生的影响,设计四旋翼飞行器系统的自适应神经网络有界H_(∞)跟踪控制器.仿真结果表明:设计的控制器能保证四旋翼飞行器系统较精确地跟踪参考轨迹,且对外界干扰具有有界H_(∞)抑制性能.研究结果能为四旋翼飞行器系统的抗干扰设计提供理论指导.

摘要： [目的]针对欠驱动水面船舶在轨迹跟踪控制中存在的动态不确定和未知扰动问题,设计一种自适应神经网络有限时间轨迹跟踪控制方案。[方法]利用运动学虚拟控制律变换和有界限制的方法进行欠驱动变化。在Backstepping的框架下,利用神经网络重构未知动态,并设计自适应律逼近未知扰动的上界。通过Lyapunov直接法提供严格的理论分析,以证明闭环系统所有信号都是有界的,并使跟踪误差收敛至有界的区间。[结果]仿真结果表明,所提控制方案能够使欠驱动船舶在有限的时间内跟踪上期望的轨迹,且相比传统控制方案,系统误差的收敛速度更快,误差的上、下界也更小,在面对外界未知的时变干扰时还具有良好的鲁棒性。[结论]所做研究可为船舶的轨迹跟踪控制提供有效参考,具有实际的工程意义。

摘要： 为了提高工业机器人双臂控制精度,考虑瞬态性能设计了一种自适应神经网络反步控制方法。首先建立了工业机器人双臂的数学模型,然后设计了瞬态性能函数,根据瞬态性能函数分步设计轨迹控制律和转速控制律,并利用神经网络逼近未知项,最终利用所设计的自适应律估计出神经网络权值向量,实现了工业机器人双臂高精准控制。仿真验证结果表明,所设计的控制方法能够确保工业机器人双臂所夹持目标物稳定、准确跟踪轨迹指令信号,轨迹跟踪最大误差仅为0.2 cm,内力跟踪的最大误差仅为0.1 N。在实测验证中,定位的平均误差仅为0.33 cm,内力的平均误差仅为0.21 N,单次运行平均耗时仅为1.50 s,控制精度和运行效率均得到了大幅提升。

摘要： 针对基于电压定向的无电压传感器下三相电压型PWM整流器控制(传统DPC控制)中谐波污染严重、功率因数低、动态响应差等问题,提出一种新型无电压传感器PWM整流器功率预测控制。用自适应神经网络构建网侧电压估计器代替传统电压估计算法估计网侧电压,提高电压估计能力,并在直接功率控制基础上引入电流补偿的模型预测控制进一步提高系统动态性能。仿真结果表明,该控制策略能够减小交流侧谐波,降低瞬时功率波动,提高直流侧母线电压响应速度及抗干扰能力。

摘要： 针对空间连续型机器人系统三臂节执行器并发故障的问题,提出一种自适应鲁棒容错控制算法.采用非奇异快速终端滑模控制器,并通过自适应RBF(Radial Basis Function)神经网络在线调整控制器的切换项增益,使控制器在模型参数摄动和外部干扰下依旧具有较高的跟踪精度和较强的鲁棒性.基于Lyapunov稳定性理论,证明了该控制器可以保证整个系统的渐进稳定性.仿真结果验证了本文算法的有效性.

摘要： 在电液负载模拟器进行动态力加载时,对其快速性指标有更高要求,此时加载误差比较大的问题就凸显出来,即输出加载力的数值随加载频率的增大而增大、相位也有超前,针对加载系统的这一性能特殊变化规律与实际现象,提出基于最小均方算法的自适应神经网络控制策略.该方法对神经网络的配置权值进行实时在线调整,调整效率和算法的收敛性都有明显提高,可以有效减小控制系统工作时的循环调整时间.当输入信号经过加权运算后作用于加载控制系统时,加载误差明显减小,加载系统的快速性与跟踪精度进一步提高.仿真和实验结果表明,采用文中方法后,加载力输出的幅值增大和相位超前量得以抑制,系统动态力加载时的综合性能有所提高,所提出算法调整规则有效.

摘要： 针对一类船舶航向离散非线性严格反馈控制系统,提出了一种直接自适应神经网络控制算法.基于李雅普诺夫方法,对该具有严格反馈形式的离散非线性系统进行直接自适应神经网络控制器设计.在控制器设计过程中,高阶神经网络用于逼近未知非线性方程,同时考虑了船舶航向控制系统中存在输入饱和约束的限制.这种算法能够保证船舶航向跟踪误差趋近于零,并且闭环系统的所有的信号被证明一致最终有界.最后,运用"育鲲"轮仿真实例说明本文所提算法的有效性.

摘要： 为使导弹具有更小的脱靶量和更快的响应时间，研究了导弹俯仰通道的制导与控制一体化设计问题。由于导弹和目标的相对运动方程以及导弹自身运动方程通常是在不同的坐标系下建立的。因此，制导与控制的一体化模型是很难建立的。此外，在导弹飞行过程中，很难获得全弹道的精确的导弹气动参数，这使得控制器的设计也很困难。本文首先建立了一种较为合适的、紧凑的一体化模型，并进一步将其转化为具有一般形式的含不确定量的级联系统。采用反演控制设计方法，保证了系统全部状态的稳定性。然后，设计了一体化自适应神经网络控制器,神经网络用来在线逼近系统中由于导弹气动参数摄动引起的匹配和非匹配不确定量。仿真结果表明了这种导弹制导与控制一体化设计方案的有效性。

摘要： 针对柴油机系统，将模糊逻辑推理系统与神经网络结合起来，研究了基于自适应神经网络模糊推理系统（ANFIS）的故障诊断方法。介绍了该系统的原理、结构及实现算法，并借助于MATLAB模糊工具箱对柴油机燃油喷射系统故障数据进行建模。仿真结果表明该系统能有效地进行故障诊断，并优于基于BP神经网络的故障诊断方法。

摘要： 针对包含驱动器模型的机械臂，考虑到系统参数的不确定性和非结构化的动力学不确定性的影响，使用返步控制法结合自适应神经网络和非线性阻尼技术，给出了一种光滑的鲁棒自适应控制器来跟踪给定参考轨迹。对于系统的未知动力学用径向基函数网络在线逼近，另外阻尼项用来抵消动力学不确定性的影响，使得机械臂的路径跟踪对动力学不确定具有鲁棒性。仿真结果验证了引入阻尼法的有效性。

摘要： 管式加热炉具有典型的非线性、多变量、大时滞、强耦合和时变特性，传统的控制策略很难获得理想的控制性能。为此，论文提出了基于一类多模型的自适应神经网络预测控制方法，首先基于不同负荷下加热炉的运行情况建立多个自适应神经网络模型，预测变负荷、大扰动时的加热炉输入输出状况，然后通过自适应调整神经网络模型的结构和参数跟踪加热炉由于参数时变或其它干扰引起的系统漂移，最后应用粒子群算法对基于多模型自适应神经网络进行滚动优化，获得加热炉操作变量的次优控制律。此方法可以有效地跟踪多路进料、多燃烧器加热炉的控制指标，提高了加热炉的整体热效率，并且能够节约燃料，减少温室气体排放。所开发的控制系统成功应用于某炼厂常减压加热炉装置，取得了良好的效果。

摘要： 航空发动机在整个飞行包线内工况和状态参数变化大、规律复杂，控制中需要解决参数掇动、干扰和外界条件变化等“不确定”问题。本文针对航空发动机设计了模型参考自适应神经网络滑模变结构解耦控制器。采用RBF神经网络作为滑模变结构的控制输出，滑模切换函数作为神经网络的输入，通过参考模型输出和实际输出误差在线自适应调节RBF网络权值；并在整个飞行包线内进行了仿真验证，表明此控制器能消除滑模控制抖振，提高控制系统跟踪性能，实现有效解耦。

摘要： 陀螺仪是导航系统的重要组成部件,其性能的稳定对于航姿的控制至关重要.将自适应神经网络学习应用于陀螺仪温度控制系统,以MCS-51单片机作为温度控制系统的核心部件,采用自适应优化PID算法以及其他的软硬件设计,实现了一套温度采集和控制的设计方案.

摘要： 在区域电网暂稳分析中，确定负荷的动静比例(β)非常关键。本文提出了利用自适应BP(ABP)网络建立负荷动静比例与区域联络线有功PL、无功QL,、电压UL、频率fL及等值电源PG的关系，把经过训练后的自适应BP网络用于暂稳分析中辨识区域负荷动静比例的方法。该方法首先建立区域电网的区域负荷等值模型，通过改变等值模型中负荷动静比例形成自适应BP网络的训练样本集，利用训练后的BP网络在暂稳分析中辨识负荷动静比例。在CEPRI36节点系统上的仿真结果表明，利用自适应BP网络辨识区域负荷动静比例，可以获得较好的暂态辨识结果，且具有较高精度。

摘要： 在区域电网暂稳分析中，确定负荷的动静比例(β)非常关键。本文提出了利用自适应BP(ABP)网络建立负荷动静比例与区域联络线有功PL、无功QL,、电压UL、频率fL及等值电源PG的关系，把经过训练后的自适应BP网络用于暂稳分析中辨识区域负荷动静比例的方法。该方法首先建立区域电网的区域负荷等值模型，通过改变等值模型中负荷动静比例形成自适应BP网络的训练样本集，利用训练后的BP网络在暂稳分析中辨识负荷动静比例。在CEPRI36节点系统上的仿真结果表明，利用自适应BP网络辨识区域负荷动静比例，可以获得较好的暂态辨识结果，且具有较高精度。

摘要： 在区域电网暂稳分析中，确定负荷的动静比例(β)非常关键。本文提出了利用自适应BP(ABP)网络建立负荷动静比例与区域联络线有功PL、无功QL,、电压UL、频率fL及等值电源PG的关系，把经过训练后的自适应BP网络用于暂稳分析中辨识区域负荷动静比例的方法。该方法首先建立区域电网的区域负荷等值模型，通过改变等值模型中负荷动静比例形成自适应BP网络的训练样本集，利用训练后的BP网络在暂稳分析中辨识负荷动静比例。在CEPRI36节点系统上的仿真结果表明，利用自适应BP网络辨识区域负荷动静比例，可以获得较好的暂态辨识结果，且具有较高精度。

摘要： 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。

摘要： 本发明公开了一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法，包括如下步骤：建立具有集总不确定性的坦克垂向稳定器系统非线性数学模型；通过设计好的BP神经网络对坦克垂向稳定器系统的集总不确定性进行预测和补偿；基于建立的数学模型设计基于BP神经网络的神经自适应控制方程，通过设计好的神经自适应控制方程实现对于坦克垂向稳定器的神经自适应控制。本发明利用BP神经网络具有的以任意精度逼近任意非线性函数的特殊优点，设计了坦克垂直稳定器中不确定性因素的神经自适应策略，使得系统在同时存在车体基础振动及未建模动态等情况下，仍能保持较好的控制性能，可有效提高坦克垂向稳定器对坦克炮的指向控制精度。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 本发明涉及小波神经网络优化技术领域，特别涉及一种基于归一化最小均方自适应滤波的自适应学习率小波神经网络控制方法。本发明包括:建立控制系统模型；将小波网络的所有权值按层进行单位化；小波神经元权值优化；求解误差信号和训练代价；采用阶梯函数对活化函数的导函数分段处理；制定拟合导函数的模糊规则；确定隶属函数；确定每个模糊规则在导函数值中所占的比重；输出模糊系统、线性化显示活化函数；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数；输出层自适应调整学习率；确定输出层学习率的范围；隐层的学习率调节；训练神经元突触权值；输出跟踪控制信号；完成闭环反馈控制。本发明能够加快收敛速度，减小计算复杂度。

摘要： 本发明公开了一种基于BP神经网络的坦克垂向稳定器神经自适应控制方法，包括如下步骤：建立具有集总不确定性的坦克垂向稳定器系统非线性数学模型；通过设计好的BP神经网络对坦克垂向稳定器系统的集总不确定性进行预测和补偿；基于建立的数学模型设计基于BP神经网络的神经自适应控制方程，通过设计好的神经自适应控制方程实现对于坦克垂向稳定器的神经自适应控制。本发明利用BP神经网络具有的以任意精度逼近任意非线性函数的特殊优点，设计了坦克垂直稳定器中不确定性因素的神经自适应策略，使得系统在同时存在车体基础振动及未建模动态等情况下，仍能保持较好的控制性能，可有效提高坦克垂向稳定器对坦克炮的指向控制精度。

摘要： 本发明公开了复杂网络攻击下基于自适应事件触发机制的神经网络量化控制方法，包括如下步骤：步骤一，建立神经网络模型并初步设计控制器模型；步骤二，建立自适应事件触发方案AETS；步骤三，引入量子化机制，采用对数量子器减少具有线性量化电平的冗余数据；步骤四，分别考虑重放攻击、欺骗攻击、DoS攻击情况下对网络传输数据造成的影响，建立复杂网络攻击模型；步骤五，设计了神经网络量化控制器；步骤六，利用李雅普诺夫稳定性理论，得到确保系统均方指数稳定的充分性条件；步骤七，联列并求解线性矩阵不等式获取状态反馈控制器增益K。本发明采用了动态调整触发条件的AETS，节省了有限的通信资源采用量化机制，节省了有限的带宽。

摘要： 本发明涉及一种自适应网络代理系统，包括特征提取模块，用于提取所需的特征信息；反馈网络，用于获取网络请求的结果以及反馈本次匹配的代理特征；代理特征提取模块，用于根据上报的机器特征提取代理特征；神经网络模块，用于根据特征的神经元权值对特征进行权值调整；决策器，用于根据所述的根据请求提取的特征和神经网络模块中代理特征的卷积值向量选取匹配度最高的代理。本发明还涉及一种基于神经网络进行权值调整的方法。采用了自适应网络代理系统及基于神经网络进行权值调整的方法，能通过代理决策器，决策出当前最合适的代理服务。该系统能充分利用请求反馈信息，代理服务本身特征，自适应调整决策模型，决策出最优的网络代理，自适应动态优化神经网络模型，作出最优决策。

摘要： 本发明提供了基于自适应微分进化算法优化小波神经网络的短期网络流量预测方法，包括以下步骤：步骤1：数据预处理，将数据集拆分成训练样本和测试样本；步骤2：初始化小波神经网络WNN结构及自适应微分进化算法ADE种群大小NP、最大进化代数G、初始变异概率F0、交叉因子CR的参数；本发明在小波神经网络修正参数的步骤中增加动量项；同时采用自适应微分进化算法(ADE)生成小波神经网络初始连接权值、小波系数及动量项系数，通过优化调整WNN参数初始化的策略，建立了基于自适应微分进化算法优化小波神经网络(ADE‑WNN)的模型，经过优化改进的小波神经网络模型，收敛速度更快，预测精度也更高且具有很好的稳定性，可以有效地预测未来短期的网络流量数据。

摘要： 本发明公开了一种自适应神经网络学习方法及该神经网络系统，该神经网络系统包含：输入层、隐含层、输出层和知识库，该方法包含：(1)新建并初始化知识库，对隐含层和输出层的权值调整并使输出结果相似度满足收敛条件；(2)在线自适应学习，对于某一输入数据将该组连接权值作为初始值，使用学习算法，得到输出结果；(3)判断输出结果和对应的期望输出的相似度是否满足要求：当满足要求时，则输出结果；否则，重复步骤(2)，历遍知识库中的所有知识，仍未找到，则视该数据为一项新知识的样本；(4)按照步骤(1)对连接权值进行调整，添加到知识库中。本发明的方法能够处理和判别内外数据、新旧数据，实现在线自适应学习和识别功能。

摘要： 本发明公开一种自主水下直升机自适应神经网络轨迹跟踪方法，包括：1)构建AUH的动力学模型，采用推力分配矩阵形式表示推进器的故障影响，生成以控制系统的状态变量表示的AUH的动力学方程；2)建立改进的性能函数，并构造误差变换；3)设计状态观测器估计轨迹跟踪控制策略所需的状态信息，并引入径向基函数神经网络逼近系统集总不确定性；4)根据所述状态观测器构建AUH的轨迹跟踪控制器。本发明提出的预设性能控制方法在处理有约束的控制问题时，通过性能函数与误差变换以及对无约束系统的控制可以实现原始系统的收敛速度、超调以及跟踪误差满足预先设定的性能。这使其在严格约束问题上控制性能优异，并逐渐向各个领域推广应用。