摘要：将控制依赖自适应评估设计引入到非线性系统的辨识中,以寻求最佳模型.定义一个总评估函数表示系统在所历经时间内的辨识总误差,然后构造一个评估网络来近似逼近这个总评估函数.再构造一个辨识器网络,其输出直接作为评估网络的输入,这样通过最小化评估网络的输出就可以达到寻求最佳模型的目的.辨识器的参数修正原则不再是使当前时刻的辨识误差最小化,而是使评估网络的输出最小化,即使系统在所历经时间内的近似辨识总误差最小化,这样不仅大大加快了收敛速度而且取得了更加精确的辨识效果.在获得对象模型之后,还研究了利用神经网络设计模型参考自适应控制器的方法.仿真结果表明,利用这种新型辨识器设计的模型参考自适应控制器能够保证被控对象对参考模型的跟踪快速稳定.

摘要：本文将串并联模型参考辨识器用作一级辨识,并联模型参考辨识器用作二级辨识,构成了适用于任何状态、可测系统在线辨识的模型参考辨识器。高阶系统设计模型参考辨识器时,需要人为选择的参数很多。本文提出将高阶系统化分为一组一阶系统,分别设计模型参考辨识器,构成组合辨识器,这样可大大减少人为选择的参数个数,简化设计过程。

摘要：针对伺服控制系统负载转矩扰动的问题,基于永磁同步电机矢量控制基本原理,提出了一种负载转矩扰动辨识算法。并结合神经网络控制理论,采用两层神经网络设计了一种负载转矩扰动辨识器。采用DSP控制器搭建了伺服控制系统,同时给出了软硬件设计方法,最后针对电机转速响应特性进行了仿真实验并与传统控制方法比较。仿真结果表明:基于神经网络的伺服系统转矩扰动辨识方法能够有效地抑制负载扰动对系统的影响,提高了控制系统动态响应速度和跟踪性能。

摘要：项目学习源自美国,但已受到中国教育界的广泛关注,并纳入课程标准的“教学建议”中,主张“围绕一个具体的项目(或上位问题,此问题需有一定的综合性,包含学科重要知识概念)创设情境,引导学生在解决问题的过程中习得知识”[1].

摘要：本文设计了一种定子电阻模糊控制辨识器,并通过仿真对电机的定子电阻进行在线辨识研究,结果表明该辨识器可以得到与实际电阻十分接近的值,带有该辨识器的直接转矩控制系统具有定子磁链观测精度较高,电机运行更加平稳,输出转矩脉动小,系统鲁棒性较好等特点。

摘要：针对现有模糊神经网络的语言变量层隶属函数的不足,借鉴小波变换良好的尺度变换和伸缩平移特性,提出了一种新的模糊小波神经网络模型,并研究了其结构和相应的优化算法。将该模糊小波神经网络作为系统辨识器进行计算机仿真,仿真结果表明所研究的模糊小波神经网络结构及其学习算法简单有效,系统辨识准确。

摘要：对永磁同步电机 (PMSM )提出了一种基于神经网络的实时IP位置控制方案·根据伺服系统中的IP控制策略 ,利用神经网络的优点设计了神经网络实时IP位置控制器·所设计的神经网络实时IP位置控制器结构简单 ,权值调整计算量小、速度快·同时用混合神经网络作为PMSM系统辨识器 ,用多步预测性能指标函数实现了实时在线训练·理论分析和实验仿真对比研究的结果 ,表明所提出方法具有优越的动态性能和鲁棒性·

摘要：提出利用模型参考自适应辨识器的原理来识别机械振动系统的质量矩阵、刚度矩阵和阻尼矩阵;设计了适用于线性定常机械振动系统的串并联辨识器;分析了该辨识器的稳定性和收敛性条件;最后通过一个简单的例子说明了辨识器的设计步骤。

摘要：该文在分析神经网络辨识技术特点及现状的基础上,将BP神经网络结构和遗传算法相结合,设计了一种适用于非线性系统的辨识器模型。该辨识器模型首先建立初始的BP神经网络结构,再利用遗传算法对BP神经网络的权值和阈值进行优化,从而优化BP神经网络,通过迭代最终建立辨识器模型。最后,通过一个三阶非线性多输入单输出系统的仿真实验证明了所设计的辨识器具有辨识时间短、辨识精度高的特点,为神经网络辨识技术的研究提供了新的思路和方法。

摘要：以具有时滞特性的暖通空调为被控对象,将Smith预估控制算法与自适应算法结合,以李雅普诺夫稳定性理论为基础推导自适应律,设计出Smith自适应辨识器,从而实现控制器参数的自整定,并解决了控制过程中的参数时变问题,控制效果得以优化。实验仿真结果表明,Smith自适应辨识器控制算法优于常规Smith预估控制算法。