虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

模糊神经网络

模糊神经网络就是模糊理论同神经网络相结合的产物,它汇集了神经网络与模糊理论的优点,集学习、联想、识别、信息处理于一体。
  • 基于Matlab环境编写的一些神经网络PID控制和模糊PID控制源代码

    基于Matlab环境编写的一些神经网络PID控制和模糊PID控制源代码,其中包含BP pid,CMAC PID,RBF PID,BP数值逼近算法,BP预测控制以及模糊PID。

    标签: PID Matlab 控制 环境

    上传时间: 2017-08-15

    上传用户:498732662

  • 一个将模糊控制和神经网络相结合的方法

    一个将模糊控制和神经网络相结合的方法,用matlab实现的模板

    标签: 模糊控制 神经网络

    上传时间: 2014-06-17

    上传用户:woshini123456

  • 模糊控制与神经网络总结

    该文档为模糊控制与神经网络总结文档,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下载看看………………

    标签: 模糊控制 神经网络

    上传时间: 2022-02-17

    上传用户:

  • 基于改进BP神经网络的牵引变流器故障诊断

    在变流器故障诊断系统中,通过MATLAB对牵引变流器建立故障仿真模型,提取故障特征,对输入输出数据进行标幺化和模糊化的处理,并基于改进的动量BP神经网络算法,完成对变流器开关管开路的诊断,误差满足要求范围,结果表明:该算法收敛迅速,能避免陷入局部极值,而且准确率很高,是一种快速有效的方法。

    标签: BP神经网络 牵引变流器 故障诊断

    上传时间: 2013-11-09

    上传用户:familiarsmile

  • 两本神经网络方面的经典电子书 人工神经网络导论.pdf 人工神经网络实用教程.pdf 神经网络是智能控制技术的主要分支之一。本书的主要内容有:神经网络的概念

    两本神经网络方面的经典电子书 人工神经网络导论.pdf 人工神经网络实用教程.pdf 神经网络是智能控制技术的主要分支之一。本书的主要内容有:神经网络的概念,神经网络的分类与学习方法,前向神经网络模型及其算法,改进的BP网络及其控制、辨识建模,基于遗传算法的神经网络,基于模糊理论的神经网络,RBF网络及其在混沌背景下对微弱信号的测量与控制,反馈网络,Hopfield网络及其在字符识别中的应用,支持向量机及其故障诊断,小波神经网络及其在控制与辨识中的应用。

    标签: 神经网络 人工神经网络 方面

    上传时间: 2017-01-12

    上传用户:gxf2016

  • MATLAB工具箱的神经网络理论与应用程序源代码 丛爽编

    MATLAB工具箱的神经网络理论与应用程序源代码 丛爽编,国科学技术大学出版社,包括神经网络控制器设计程序以及性能测试仿真程序,竞争优化模糊标记程序等

    标签: MATLAB 工具箱 神经网络 应用程序

    上传时间: 2017-05-19

    上传用户:lgnf

  • 基于BP神经网络的永磁同步电机自适应控制研究.rar

    本文拟借助于神经网络良好的逼近能力,实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射,具有很强的自学习自适应能力,十分适合于解决复杂的非线性控制问题。其中,BP神经网络是目前广泛应用的神经网络之一,得到了较为深入的研究,其结构简单,需要离线确定的参数少、泛化能力强、逼近精度高、实时性强,采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略,建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整,控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明,该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后,将其用于永磁同步电机的转子位置角在线估计。结果表明,该训练算法可以有效地加快神经网络收敛速度,且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统,并进行了相应的软硬件设计,为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本,为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。

    标签: BP神经网络 永磁同步电机 自适应控制

    上传时间: 2013-05-23

    上传用户:1101055045

  • 基于BP神经网络的无刷直流电机PID控制方法的研究.rar

    无刷直流电机(BLDCM)是随着电机控制技术、电力电子技术和微电子技术的发展而出现的一种新型电机。它是在有刷直流电机的基础上发展起来的。无刷直流电机具有交流电机的结构简单、运行可靠、维护方便等一系列特点,又具有直流电机的运行效率高、无励磁损耗以及调速性能好等诸多优点,在很多场合有广泛的应用前景,成为了国内外研究的热点。无刷直流电机传统的理论部分分析和设计方法已经比较成熟,因此对无刷直流电机控制策略的研究就显得十分重要。 PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛应用。在系统模型参数变化不大的情况下,PID控制性能优良。但在工业上有许多无法建立精确数学模型的复杂控制对象和非线性控制对象,若采用传统的PID进行控制的话,那么很难获得比较理想的控制效果。 对于无刷直流电机而言,它是一个多变量、强耦合的非线性系统,固定参数的PID调节器无法得到很理想的控制性能指标。基于以上原因,本文以无刷直流电机为控制对象,通过分析无刷直流电机的数学模型,以BP神经网络为基础,设计了应用于无刷直流电机的神经网络PID控制器。 在MATLAB平台上,先利用神经网络PID控制器,给出相应的控制算法,对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对模型、环境具有较好的适应能力与较强的鲁棒性,有效的改善了系统的控制结果,达到了预期的目的。随后利用SIMULNK建立了无刷直流电机控制系统的仿真模型。分别采用普通PID控制器和神经网络PID控制器对电机的不同运行状况进行了仿真分析。仿真结果验证了所建模型的正确性,并证明了神经网络控制的优越性。

    标签: PID BP神经网络 无刷直流电机

    上传时间: 2013-08-04

    上传用户:YYRR

  • 基于BP神经网络的永磁同步电机自适应控制研究.rar

    永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点,在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象,且其控制系统是一个强非线性、时变和多变量系统,要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中,位置传感器的存在使得系统成本增加、结构复杂、可靠性降低,所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力,实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射,具有很强的自学习自适应能力,十分适合于解决复杂的非线性控制问题。其中,BP神经网络是目前广泛应用的神经网络之一,得到了较为深入的研究,其结构简单,需要离线确定的参数少、泛化能力强、逼近精度高、实时性强,采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略,建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整,控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明,该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后,将其用于永磁同步电机的转子位置角在线估计。结果表明,该训练算法可以有效地加快神经网络收敛速度,且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统,并进行了相应的软硬件设计,为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本,为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。

    标签: BP神经网络 永磁同步电机 自适应控制

    上传时间: 2013-07-03

    上传用户:kakuki123

  • 基于RBF神经网络的开关磁阻电机无位置传感器控制及单神经元PID控制

    开关磁阻电机(SwitchedReluctanceMotor,SRM)具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了SRM结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本,探索实用的无位置传感器检测转子位置的方案成为开关磁阻电机驱动系统(SwitchedReluctanceMotorDrive,SRD)研究的热点。SRM高度非线性的电磁特性决定了在精确的数学模型基础上实现无位置传感器控制十分困难,而人工神经网络的出现为解决这个问题提供了新的思路。径向基函数(RadialBasisFunction,RBF)神经网络是一种映射能力极强的前向型神经网络,具有收敛速度快、全局逼近能力强等优点。本文提出一种利用自适应RBF神经网络对SRM进行控制的新方法,所采用的RBF神经网络以电机绕组的相电流、磁链作为输入,转子位置作为输出,通过离线和在线相结合的方法对网络进行训练,建立SRM电流、磁链与转子位置之间的非线性映射,从而实现SRM的无位置传感器控制。 常规的PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛采用。在系统模型参数变化不大的情况下,PID控制效果良好,但当被控对象具有高度非线性和不确定性时,仅靠PID调节效果不好。对于SRM,它的电磁关系高度非线性,固定参数的PID调节器无法得到很理想的控制性能指标。论文提出了一种基于RBF神经网络在线辨识的SRM单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。同时构造了一个RBF网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,从而实现控制器参数的在线调整,能取得更好的控制效果。 仿真及实验结果表明,自适应RBF神经网络能够实现电机的准确换相,从而实现了电机的无位置传感器控制;基于RBF神经网络在线辨识的单神经元自适应控制能够达到在线辨识在线控制的目的,控制精度高,动态特性好,具有较好的自适应性和鲁棒性。

    标签: RBF PID 控制 神经网络

    上传时间: 2013-04-24

    上传用户:skfreeman