导读:本文包含了自适应神经网络模糊控制论文开题报告文献综述及选题提纲参考文献，主要关键词:自动控制,神经网络,机械臂,模糊控制
自适应神经网络模糊控制论文文献综述
辛旗,白蕾,孟娇娇[1]（2019）在《基于自适应模糊神经网络的机械臂控制》一文中研究指出机械臂的控制是一种重要的现代工程技术。控制机械臂的运行,必然要面对多种动态不确定因素,难以精确建模,因此,找到一种合适的控制方法是十分必要的。模糊神经网络技术具有高精度的函数逼近能力,可以通过其多层结构来确定系统模型,自适应更新规则的引入可使其更好地适应系统扰动和动态性能的变化。基于此种技术设计的机械臂控制器,经过实验验证,其控制效果优于目前传统控制方式,可以作为一种解决机械臂轨迹跟踪控制难题的方案。(本文来源于《自动化与仪器仪表》期刊2019年11期）
李洪梅,高媛,陈向坚[2]（2019）在《基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制》一文中研究指出该文提出的鲁棒的自适应区间二型模糊神经网络控制(RAITIIFNNC)系统由一个区间二型模糊神经网络识别器与一个鲁棒性控制器组成。识别器完成了对场地不确定性的在线评估,鲁棒控制器用来减小逼近错误,两者结合可以获得更好地跟踪与同步混沌系统。所有的参数学习算法来源于Lyapunov稳定理论以保证网络汇聚的同时有稳定同步的表现。算例分析证明:新系统在同步两个Lorenz混沌系统时具有更好的效率。(本文来源于《南京理工大学学报》期刊2019年04期）
李鹏飞,李占旗,王述勇[3]（2019）在《基于模糊神经网络的自适应巡航控制系统设计》一文中研究指出基于分层架构思路,设计了自适应巡航控制系统。决策控制层,结合前车运动状态动态计算可变车间时距,进一步通过期望车间距与实际间距的比较判定巡航控制模式;车距模式下,采用模糊神经网络通过驾驶数据训练自动生成隶属函数和模糊规则的模糊神经网络控制器进行跟车控制。执行控制层,基于车辆动力及制动系统特性,通过驱动或制动力矩控制实现车速与车间距的精确控制。通过构建"ACC控制策略-车辆动力学-交通场景"闭环系统模型,采用叁类典型工况进行验证,仿真结果表明车辆响应较快且跟随稳定,满足控制目标和舒适度的要求。(本文来源于《新型工业化》期刊2019年06期）
张国奇[4]（2019）在《基于T-S模糊神经网络温室自适应控制系统的研究》一文中研究指出现代智能温室控制系统的研究涉及到控制器设计、常规控制与最优控制等控制决策的选择,以及精准农业与保护农业所包含交叉学科、多学科互联技术等跨学科融合技术的研究。同时,现代化农业正在随着社会的需求而变化,要求通过节水、减少农用化学品和削减农作物种植面积等方式确保农产品供应,它需要高质量作物的生产系统作为保证。由此本文对基于T-S模糊网络的温室自适应控制系统进行研究与设计,选取最佳的温室环境控制器与最优的控制决策,采用智慧互联多学科与多科技融合技术,实现温室大棚智能控制系统,达到智慧农业、保护农业与精准农业叁者的共同需求。本文融合T-S模糊神经网络控制、自适应控制、计算机应用技术、传感器物联网应用技术等,提出了温室控制系统总体设计方案与温室大棚系统结构框架的层次化结构设计。设计了智能温室控制系统的硬件和软件部分,设计了控制器模块的硬件设计、监测控制模块的硬件设计、无线通讯模块的硬件设计。控制器模块设计了嵌入式CORTEX-M4控制模块、人机交互控制模块、电源模块。监测控制模块选取Atmega328微控制器为主控芯片微控制模块、SIM900A与GSM无线通讯模块、继电器输出控制模块以及各个传感器参数采集模块,无线通讯模块分析设计了RF905收发模块和DM642转发模块。其中监测控制模块既可以完成数据的采集任务,也可以完成一些基本的操作控制,两种无线通讯模式,GSM模块完成与手持移动终端的通讯,无线收发与转发模块主要完成与下位机主控制系统的通讯,下位机与上位机通讯通过RS485转接口实现。智能温室控制系统的软件设计主要包括上位机的软件设计和下位机的软件设计,上位机软件主要设计了LabVIEW监控系统工作流程、串口通讯、软件交互界面,下位机软件主要设计了人机交互模块、数据采集模块以及模糊神经网络自适应控制器,针对智慧农业菜园与太原当地的农业气候,在智能温室大棚中能够对CO_2浓度、光照强度、湿度和温度等一些影响农作物生长的重要参数提供实时高效检测策略与自适应控制策略融合的一种智能控制方案,达到智慧农业的控制目标。(本文来源于《太原理工大学》期刊2019-06-01）
周克良,韩李珂,胡梁眉[5]（2018）在《基于自适应神经网络模糊PID的PTFE电缆线径控制系统》一文中研究指出常见的聚四氟乙烯(PTFE)卧式通讯电缆推挤系统中存在非线性、时变性、滞后性,传统的PID控制方式难以获得较理想的控制效果。在此基础上采用一种基于自适应神经网络模糊PID的电缆线径控制方法,通过构建PTFE卧式通讯电缆推挤系统的数学模型,利用神经模糊系统逼近推挤机系统的非线性动态,从而逼近于整个推挤机对象系统,通过推挤机系统模口线径值与目标线径之间的误差,经过控制系统得出当前牵引电机的最优控制量,使整个生产控制过程中具有更好的自适应性和智能化。仿真实验与现场调试数据分析表明,采用自适应神经网络模糊PID控制算法具有响应速度更快,调节时间更短,线径波动更小等优点。(本文来源于《工程塑料应用》期刊2018年11期）
周微,史东丽,高建国[6]（2018）在《多轴数控加工表面粗糙度的自适应模糊神经网络预测控制方法研究》一文中研究指出将模糊神经网络作为预测方法的主要理论工具,设计预测模型结构、层次及确定节点,并结合多轴数控加工特点对其加工表面粗糙度预测,其中以工艺参数(选择有限的主要因素)为输入变量作为网络模型的输入,以加工表面粗糙度作为网络的输出,利用实验中获得的数据样本及刀具参数对模型进行校验和调整,获得精度较高的自适应模糊神经网络预测模型。(本文来源于《内燃机与配件》期刊2018年15期）
金洋洋,赵希梅[7]（2018）在《PMLSM自适应模糊神经网络反推控制》一文中研究指出本文介绍了永磁直线同步电动机伺服驱动的鲁棒控制方法。首先,在静止参考系即α-β轴中描述非线性电机的动态方程。然后,采用反推控制技术对驱动系统进行系统分析和设计。为了保证良好的位置控制性能,引入了自适应模糊神经网络来估计系统中存在的不确定性。通过使用Lyapunov函数推导出在线自适应律,以保证闭环系统的渐近稳定性。与传统的电流矢量控制策略相比,本文通过完整的理论推导出电压控制方案,考虑了电动机机械和电气动态特性。另外,所提出的控制方法在执行时不使用Park和反Park的坐标变换,可以提高了计算效率。最后,与自适应反推控制相比,基于α-β轴的自适应模糊神经网络反推控制具有更加优越的性能。(本文来源于《第十五届沈阳科学学术年会论文集（理工农医）》期刊2018-06-01）
刘熙明,王义,李超[8]（2018）在《模糊神经网络控制的自适应前照灯系统研究》一文中研究指出为减少汽车在夜间行驶过程中的视野盲区,并针对传统自适应前照灯控制系统控制精度低,执行动作慢的问题,提出一种基于模糊神经网络算法控制的自适应前照灯控制系统。分析自适应前照灯系统的功能,在Matlab/Simulink中建立自适应前照灯控制系统的数学模型,并引入遗传算法对模糊神经网络进行训练优化,利用所建立的数学模型进行仿真实验测试。实验结果表明,相比于传统的使用模糊控制或神经网络控制的自适应前照灯控制系统,基于模糊神经网络控制的自适应前照灯控制系统控控制精度更高,执行速度更快,鲁棒性更好。(本文来源于《电子科技》期刊2018年05期）
王捷,艾红[9]（2017）在《基于自适应模糊神经网络的异步电动机SVM-DTC控制》一文中研究指出本文提出一种基于自适应模糊神经网络(ANFIS)异步电动机直接转矩(SVM-DTC)控制系统方法。该方法充分利用了ANFIS具有处理不确定、非线性问题的能力以及自适应、自学习能力的特点,有效克服了异步电动机非线性多变量耦合的缺陷,提高了系统的鲁棒性和动态性能。经过Matlab/Simulink仿真验证,该方法可有效抑制磁链和转矩脉动,具有比传统直接转矩控制更好的控制效果。(本文来源于《电气技术》期刊2017年09期）
李亚帅,邵宗凯[10]（2017）在《叁自由度直升机模型自适应模糊神经网络控制》一文中研究指出针对叁自由度直升机系统自身MIMO、较高阶次、非线性的特性,提出一种自适应模糊神经网络控制方法。首先运用牛顿-欧拉方程进行了机理模型的构建,利用线性二次型调节器得到控制系统的输出数据,该数据作为训练数据,将神经网络引入到模糊输入信号和模糊权值,应用自适应模糊神经网络推理系统设计控制器。通过Matlab对控制系统进行仿真,得到的仿真曲线与线性二次型调节器控制的仿真曲线作对比。结果显示:控制系统在论文提出的控制算法比LQR控制下能够更快地反馈控制信号,缩短了响应时间,其自主学习能力增加了系统在线控制的稳定性。(本文来源于《计算机与数字工程》期刊2017年07期）
自适应神经网络模糊控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
该文提出的鲁棒的自适应区间二型模糊神经网络控制(RAITIIFNNC)系统由一个区间二型模糊神经网络识别器与一个鲁棒性控制器组成。识别器完成了对场地不确定性的在线评估,鲁棒控制器用来减小逼近错误,两者结合可以获得更好地跟踪与同步混沌系统。所有的参数学习算法来源于Lyapunov稳定理论以保证网络汇聚的同时有稳定同步的表现。算例分析证明:新系统在同步两个Lorenz混沌系统时具有更好的效率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应神经网络模糊控制论文参考文献
[1].辛旗,白蕾,孟娇娇.基于自适应模糊神经网络的机械臂控制[J].自动化与仪器仪表.2019
[2].李洪梅,高媛,陈向坚.基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制[J].南京理工大学学报.2019
[3].李鹏飞,李占旗,王述勇.基于模糊神经网络的自适应巡航控制系统设计[J].新型工业化.2019
[4].张国奇.基于T-S模糊神经网络温室自适应控制系统的研究[D].太原理工大学.2019
[5].周克良,韩李珂,胡梁眉.基于自适应神经网络模糊PID的PTFE电缆线径控制系统[J].工程塑料应用.2018
[6].周微,史东丽,高建国.多轴数控加工表面粗糙度的自适应模糊神经网络预测控制方法研究[J].内燃机与配件.2018
[7].金洋洋,赵希梅.PMLSM自适应模糊神经网络反推控制[C].第十五届沈阳科学学术年会论文集（理工农医）.2018
[8].刘熙明,王义,李超.模糊神经网络控制的自适应前照灯系统研究[J].电子科技.2018
[9].王捷,艾红.基于自适应模糊神经网络的异步电动机SVM-DTC控制[J].电气技术.2017
[10].李亚帅,邵宗凯.叁自由度直升机模型自适应模糊神经网络控制[J].计算机与数字工程.2017