导读:本文包含了神经网络阶逆系统解耦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:智能汽车,纵横向解耦控制,神经网络,逆系统方法
神经网络阶逆系统解耦控制论文文献综述
梁艺潇,李以农,余颖弘,郑玲[1]（2019）在《基于神经网络逆系统的智能汽车纵横向解耦控制》一文中研究指出针对汽车纵横向运动中的耦合现象,以四轮驱动、前轮转向的智能汽车为研究对象,建立汽车纵横向动力学模型并通过Interactor算法对模型的可逆性进行分析.在已有的传统伪线性系统结构的基础上,根据智能汽车的特点,建立了可对接智能汽车上层规划模块的伪线性系统.为了实现汽车纵横向运动之间的解耦,采用基于神经网络逆系统的解耦控制策略,构造神经网络并对其进行训练,并将神经网络逆系统与内模控制器组成闭环控制回路,对纵向速度和横摆角速度进行内模反馈调节,进一步提升控制系统的性能.仿真结果表明,所设计的基于神经网络逆系统的控制方法能实现良好的解耦特性,且相比于其他的控制方法,在各种输入条件下,都能实现对于期望速度和期望横摆角速度良好的跟踪性能,同时,质心侧偏角始终被控制在一个较小的范围内,这有利于智能汽车路径跟踪的精确性和行驶稳定性.(本文来源于《湖南大学学报(自然科学版)》期刊2019年10期）
陈丽娟,徐梅[2]（2018）在《神经网络逆系统在感应电机解耦控制中的应用研究》一文中研究指出目的:证明利用神经网络a阶逆系统能对多变量,强耦合,非线性的感应电机进行良好的动态解耦,并解决感应电机调速系统的稳定精度和动态品质之间的矛盾。方法:把具有函数逼近能力和学习能力的神经网络与线性化解耦的逆系统方法结合起来,通过在原有逆系统之前串接静态神经网络系统,形成解耦了的且具有线性传递关系的多阶伪线性系统,实现了感应电动机转速和转子磁链间的线性动态解耦。结果:与常规PID控制相比,神经网络逆系统控制能更好的实现转速和转子磁链之间的动态解耦,并在负载扰动下,能够更加快速地跟踪设定的转速参考值和磁链参考值,有更好的抗负载干扰能力,系统的调速性能也更加良好。结论:利用神经网络逆系统的办法,可以真正实现感应电机的解耦控制,使得异步电机转速和转子磁链之间达到线性化的动态解耦。该系统具有良好的动静态控制性能,为高性能叁相感应电机调速系统控制提供了新思路。(本文来源于《科技视界》期刊2018年13期）
朱熀秋,杜伟[3]（2019）在《基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制》一文中研究指出无轴承永磁同步电机是一个多变量、非线性和强耦合的系统,因此实现转矩和径向悬浮力的动态解耦是无轴承永磁同步电机实现稳定高速高精度运行的关键。提出一种基于模糊神经网络逆系统的新型解耦控制方法,介绍了无轴承永磁同步电机基本结构和工作原理基础,并建立无轴承永磁同步电机转矩和悬浮力的数学模型。在对数学模型进行可逆性分析的基础上,采用模糊神经网络构建一个有效的逆系统,通过将逆系统与原系统串联,使原非线性系统解耦为3个单输入–单输出子系统,并同时设计了闭环控制器。对所设计的控制系统进行仿真和实验研究。仿真和实验结果表明,这种解耦控制方法可以实现无轴承永磁同步电机转矩和悬浮力之间的解耦控制,并具有良好的动态性能和稳定性。(本文来源于《中国电机工程学报》期刊2019年04期）
刘庆锋,粟时平,刘桂英,吕超[4]（2016）在《基于神经网络逆系统方法的链式STATCOM线性化解耦控制》一文中研究指出针对链式STATCOM补偿负载无功电流以及稳定电网电压的控制问题,建立了链式STATCOM动态数学模型,得出了双变量δ、M(移相角与调制比)和电流的关系式,提出了一种基于神经网络逆系统控制方法,通过对该链式STATCOM系统可逆的验证、神经网络的构建以及控制系统的设计,实现了链式STATCOM输出的有功-无功电流的线性化解耦控制。仿真结果表明,在感性负载与容性负载进行切换以时,该控制策略取得了良好的动态效果以及稳态效果,使得装置具有较好的抗参数变化、抗负载扰动性能,从而验证了该控制策略的有效性及可行性。(本文来源于《电测与仪表》期刊2016年13期）
周国雄,李俊超,陈爱斌[5]（2016）在《基于α阶神经网络逆系统孵化过程解耦控制》一文中研究指出针对家禽孵化过程是一个复杂的生物过程,温度、湿度和氧气浓度之间耦合严重,常规的控制方法难以保证3个参数之间的稳定,提出一种基于α阶神经网络逆系统家禽孵化过程解耦控制方法。将3个参数进行耦合度分析分组,采用α阶神经网络逆系统控制耦合度较强的2个参数,另一个则通过模糊控制器控制,从而保证3个参数的稳定。实验结果表明了该方法的有效性。(本文来源于《系统仿真学报》期刊2016年07期）
夏光,唐希雯,胡金芳,赵林峰[6]（2016）在《叉车底盘神经网络逆系统解耦控制》一文中研究指出针对叉车底盘各子系统间的干涉和耦合特性,文章利用非线性系统的神经网络逆系统方法进行叉车主动后轮转向(active rear steering,ARS)与直接横摆力矩控制(direct yaw moment control,DYC)的解耦控制。在分析底盘系统可逆性的基础上,确定解耦变量配对关系,建立BP神经网络逆系统模型并串联到原底盘系统前,使叉车底盘系统解耦成2个独立的伪线性系统;设计PD闭环控制器并与神经网络逆系统组成复合控制器,并进行仿真验证。仿真结果表明,神经网络逆系统解耦控制策略能够消除底盘各子系统间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2016年01期）
孙博[7]（2015）在《基于神经网络逆系统的活套解耦控制方法研究》一文中研究指出随着轧制技术的不短进步,现代热连轧工业现场对带钢产品的规格、质量、产量等方面的要求越来越高。热连轧精轧过程中对活套张力和高度的控制在很大程度上决定了带钢产品的性能。采用解耦控制方法,可以较好地消除两者的相互干扰,使张力的控制精度进一步提高,从而提高带钢产品的规格和质量。因此,对活套高度和轧件张力解耦控制方法的研究始终在不断进行当中。本文以650热连轧精轧机组为背景,对活套解耦控制进行重点研究及分析,主要研究成果如下:首先,详细介绍了热连轧及热连轧中活套的工艺;分析张力产生的原因并建立活套高度与张力的耦合数学模型;利用对角矩阵方法对活套张力与高度系统进行解耦,并对仿真结果进行分析。然后,对神经网络逆系统原理及神经网络逆系统实现方法进行研究;明确了可逆性证明的过程和神经网络逆系统的设计步骤及实现方法,并确定神经网络逆系统的结构,并对神经网络逆系统的实现步骤及其复合控制方法进行研究,从而为下文的仿真实验打下基础。最后,对活套系统的可逆性进行了分析;通过神经网络选型、激励信号的选取、输入样本的处理、神经网络的离线训练及生成神经网络模块等步骤完成对活套神经网络逆系统的辨识;建立了活套系统的神经网络逆系统解耦控制系统及其仿真平台,对活套系统进行解耦,并对解耦效果进行分析。通过MATLAB仿真验证,该方法取得了良好的解耦效果。(本文来源于《东北大学》期刊2015-06-01）
夏光,陈无畏,唐希雯,朱茂飞[8]（2014）在《平衡重式叉车底盘神经网络逆系统解耦控制》一文中研究指出针对平衡重式叉车底盘各子系统间的干涉和耦合特性,利用非线性系统的神经网络逆系统方法进行叉车主动后轮转向(ARS)与直接横摆力矩控制(DYC)的解耦控制.在分析底盘系统可逆性的基础上,确定解耦变量配对关系,建立BP(Back Propagation)神经网络逆系统模型并串联到原底盘系统前,使叉车底盘系统解耦成两个独立的伪线性系统;设计PD(Proportion Differentiation)闭环控制器并与神经网络逆系统组成复合控制器,并进行仿真验证.仿真结果表明:神经网络逆系统解耦控制策略能够消除底盘各子系统间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性.(本文来源于《中国工程机械学报》期刊2014年05期）
朱茂飞,陈无畏,夏光[9]（2011）在《基于神经网络逆系统方法的汽车底盘解耦控制》一文中研究指出为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略。对集成主动前轮转向(AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证。结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性。(本文来源于《农业机械学报》期刊2011年12期）
毛旭梅[10]（2011）在《基于神经网络逆系统的永磁同步电机解耦控制》一文中研究指出节能降耗是我国“十二五”期间提出的经济发展的一个约束性指标,其中电机系统节能被列为我国十大重点节能工程之一。永磁同步电机与其它的电机相比,具有效率高、功率因素高、电流小、使电网线损小等优点,真正的做到了“节能减排”。因此在工业领域中,永磁同步电机已逐渐取代直流电机、感应电机等成为交流传动系统的驱动机构的核心执行部件。对永磁同步电机的控制策略进行改良不仅可以间接改善和提高自动化设备的工作性能,还能进一步达到节能降耗的目的。至今,对永磁同步电机的控制策略主要有:恒压频比控制、矢量控制、直接转矩控制等。然而永磁同步电机是一个参数时变、内部状态耦合的非线性对象,这些经典的线性控制理论只能实现近似的稳态解耦控制,不能实现系统的完全解耦,难以胜任永磁同步电机这一非线性系统的控制需求。基于上述原因,本文根据逆系统线性化和解耦的原理,基于MATLAB建立了永磁同步电机逆系统解耦控制模型。从仿真结果来看,永磁同步电机解析逆系统解耦控制方法可以实现永磁同步电机转速和转矩的解耦控制,并且整个被控系统具有良好的动、静态响应能力和鲁棒性。然而永磁同步电机的解析逆系统模型的建立依赖于永磁同步电机精确的数学模型和参数,很难克服因参数时变和负载扰动而引起的系统波动。神经网络具有很强的自学习和自整定能力,它不需要系统准确的数学模型,只需了解系统部分信息,通过学习和训练就能近似的逼近任何一个复杂的非线性系统。因此本文在解析逆系统解耦控制的基础上引入了永磁同步电机神经网络逆系统解耦控制方法,即利用神经网络去逼近永磁同步电机的逆系统。从永磁同步电机神经网络逆解耦控制系统的建模过程和仿真结果可以看出:永磁同步电机神经网络逆解耦控制方法的实现过程不仅不再需要依赖永磁同步电机的数学模型和实时参数,而且可以有效的实现永磁同步电机转速和转矩的解耦控制,且转矩和转速具有快速的响应性,整个系统具有良好的鲁棒性。最后,本文基于dSPACE平台搭建了永磁同步电机控制系统实验平台。通过实验进一步证明了永磁同步电机神经网络逆解耦控制的有效性和可实现性。(本文来源于《电子科技大学》期刊2011-04-01）
神经网络阶逆系统解耦控制论文开题报告
（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：
目的:证明利用神经网络a阶逆系统能对多变量,强耦合,非线性的感应电机进行良好的动态解耦,并解决感应电机调速系统的稳定精度和动态品质之间的矛盾。方法:把具有函数逼近能力和学习能力的神经网络与线性化解耦的逆系统方法结合起来,通过在原有逆系统之前串接静态神经网络系统,形成解耦了的且具有线性传递关系的多阶伪线性系统,实现了感应电动机转速和转子磁链间的线性动态解耦。结果:与常规PID控制相比,神经网络逆系统控制能更好的实现转速和转子磁链之间的动态解耦,并在负载扰动下,能够更加快速地跟踪设定的转速参考值和磁链参考值,有更好的抗负载干扰能力,系统的调速性能也更加良好。结论:利用神经网络逆系统的办法,可以真正实现感应电机的解耦控制,使得异步电机转速和转子磁链之间达到线性化的动态解耦。该系统具有良好的动静态控制性能,为高性能叁相感应电机调速系统控制提供了新思路。
（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。
神经网络阶逆系统解耦控制论文参考文献
[1].梁艺潇,李以农,余颖弘,郑玲.基于神经网络逆系统的智能汽车纵横向解耦控制[J].湖南大学学报(自然科学版).2019
[2].陈丽娟,徐梅.神经网络逆系统在感应电机解耦控制中的应用研究[J].科技视界.2018
[3].朱熀秋,杜伟.基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制[J].中国电机工程学报.2019
[4].刘庆锋,粟时平,刘桂英,吕超.基于神经网络逆系统方法的链式STATCOM线性化解耦控制[J].电测与仪表.2016
[5].周国雄,李俊超,陈爱斌.基于α阶神经网络逆系统孵化过程解耦控制[J].系统仿真学报.2016
[6].夏光,唐希雯,胡金芳,赵林峰.叉车底盘神经网络逆系统解耦控制[J].合肥工业大学学报(自然科学版).2016
[7].孙博.基于神经网络逆系统的活套解耦控制方法研究[D].东北大学.2015
[8].夏光,陈无畏,唐希雯,朱茂飞.平衡重式叉车底盘神经网络逆系统解耦控制[J].中国工程机械学报.2014
[9].朱茂飞,陈无畏,夏光.基于神经网络逆系统方法的汽车底盘解耦控制[J].农业机械学报.2011
[10].毛旭梅.基于神经网络逆系统的永磁同步电机解耦控制[D].电子科技大学.2011