为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.
2022-05-05 11:19:34
282KB
1
在工业生产过程中，针对纯迟延、时变、强耦合的多输入多输出现象，提出一种基于模糊神经网络解耦和PID控制相结合，对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型，通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真，其结果表明，解耦控制效果很好，具有良好的静态性、动态性及鲁棒性。
2022-05-05 11:17:22
251KB
1
首先详细地介绍了基于标准模型和基于Takagi-Sugeno模型的模糊神经网络的系统结构和学习算法及其MATLAB实现；然后重点介绍了自适应神经模糊系统及其MATLAB实现和自适应神经模糊推理系统在建模中的应用；最后介绍了模糊聚类及其MATLAB实现。模糊聚类自身是一种特殊的模糊逻辑，既可以单独使用模糊聚类来解决一些问题，也可以把模糊聚类与自适应神经模糊推理系统结合起来。
重点在于介绍这些系统和方法的基本概念以及应用，简化复杂的数学理论，指导读者借助MATLAB工具来辅助完成系统的设计以及计算的问题。
2022-04-30 09:09:25
731KB