摘要：面对复杂工业过程控制的需求,设计一种结合数据信息的特殊模型结构,在保证控制系统有效性的前提下通过模型的结构来简化控制器的求解是亟待解决的问题.为此,本文提出一种基于多信号源的神经模糊Hammerstein-Wiener模型,突破传统的迭代分离方法,通过组合式多信号实现Hammerstein-Wiener模型中神经模糊非线性环节和线性环节的分离,同时设计了神经模糊模型参数的非迭代优化算法,将研究结果拓广到分段非线性系统,改善了模型的适用范围.该算法保证了模型的预测精度,具有逼近较强非线性过程的能力.在此基础上设计了基于神经模糊Hammerstein-Wiener模型的控制系统,利用模型的特殊结构将非线性系统的控制问题简化为线性系统的控制问题,采用简单的PID控制器便能达到较好的控制效果.仿真结果验证了上述方法的有效性.

摘要：提出一种基于模糊神经模型的自适应单神经元控制系统。该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器。通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值。理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节。

摘要：针对实际工业生产过程中的非线性、时变不确定性,提出了一种基于线性化误差模型的自适应控制系统.首先为非线性过程建立一个由ARX模型与基于神经模糊系统的线性化误差模型组成的合成模型,然后引入单神经元控制器,利用线性ARX模型输出和系统输出值之间的误差,以及被控制过程合成模型的梯度信息,对控制器参数进行在线调节,从而获得较好的控制结果.仿真实验结果表明,与PID控制器相比,基于线性化误差模型的自适应控制器具有更快的响应速度.

摘要：在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。