在轧机液压AGC系统优化控制的研究中,液压系统的稳定性对轧机的安全经济运行有至关重要的作用。轧机液压AGC系统具有多变量、非线性、强耦合等特点,并且轧件自身特性、轧制工艺、温度等诸多因素都会影响钢板的厚度变化,故而传统的PID控制难以将钢板厚度偏差控制在规程中允许的范围内。因此将模糊控制和神经网络控制相结合,设计了基于模糊RBF神经网络的PID控制器,实现了PID控制器参数的在线自整定。仿真结果表明,模糊RBF神经网络PID控制比传统的PID控制超调小且调节时间短,鲁棒性好,为系统优化提供了科学依据。

空气舵机电伺服系统的主要任务是接收控制指令,并驱动负载按指令角度摆动,在各类航空航天飞行器中具有越来越广泛的应用价值。然而在运行过程中存在的未知干扰给机电伺服系统高精度控制带来了巨大挑战。针对这一问题,提出基于干扰补偿的空气舵机伺服系统控制策略。首先进行空气舵机电伺服系统模型分析,其次运用径向基函数设计神经网络的状态观测器,将不可测量的舵面角度用估计值替代进行反馈控制,最后应用Lyapunov方法分析了有限时间收敛条件。仿真结果表明:与传统电机角度反馈相比,所提出的控制策略使空气舵机电伺服系统的稳态误差减少97%以上。

针对汽车防抱死制动系统（ABS）在快速性及鲁棒控制方面的要求,采用基于径向基函数神经网络的方法设计了汽车ABS的滑模控制器.该方法能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.利用MATLAB中的SIMULINK仿真工具,对车辆在干路面条件下的制动情况进行了仿真研究,验证了所设计的控制方案在汽车ABS应用中的可行性和有效性.

现有汽车衡不具备容错功能,为此提出了一种汽车衡智能容错方法。根据多路称重传感器之间的相关性,利用径向基函数神经网络建立称重传感器预估网络和自适应选择网络,完成称重传感器故障检测、失效传感器正常输出预估和汽车衡工作模式的自动切换,并将预估信号与其它正常传感器信号组合,通过称重结果融合网络完成任一传感器失效状态下汽车衡的正常称重。试验与现场检定表明,这种智能容错方法实现了汽车衡任一传感器失效状态下的正常称重,其各项指标均优于4级秤的要求,避免了称重系统失效。

针对冷轧液压自动位置控制系统多变量、强耦合、高阶次和时变性等特点，提出一种引入记忆因子的径向基函数神经网络在线自适应调节PID参数的系统。为提高网络精度，利用改进的混洗蛙跳算法离线全优化记忆径向基神经网络，在获得网络结构的同时得到初始参数，避免网络模型训练的繁琐，并利用测试函数证明优化后的网络具有良好的逼近能力。然后利用优化后记忆径向基神经网络的自校正功能在线细调PID参数，仿真结果表明，该控制系统跟踪快、超调小、适应性强，控制品质优于传统PID和普通径向基神经网络PID控制方法。

以回转支承试验台为研究对象,基于高增益扰动观测器(HGDOB)与径向基函数神经网络(RBFNN)提出了回转支承试验台液压加载控制方法。对控制对象——单出杆油缸与伺服阀进行数学建模,应用径向基函数神经网络对模型中油缸的非线性摩擦进行逼近,应用高增益扰动观测器对外部扰动和噪声进行观测,进而提高系统实际输出的加载力逼近期望输出的性能。通过Matlab/Simulink软件对所提出的回转支承试验台液压加载控制方法进行仿真分析,确认这一方法提高了控制器的动态跟踪与抗干扰能力,具有实用价值。

液压锥阀在气液两相流状态下工作时会产生剧烈的噪声,严重影响锥阀的工作性能及其工作环境,针对这一问题,提出了一种基于径向基函数(RBF)神经网络和多岛遗传算法(MIGA)的方法,对液压锥阀的结构参数进行了优化。首先,采用有限元软件分析了影响锥阀流场及声场的结构参数;然后,以阀芯半锥角角度、喉部长度和阀芯入口角度这3个参数为优化变量,以加权平均噪声最小和加权最大噪声最小为优化目标,通过最优拉丁超立方设计方法确定了样本数据;最后,采用了RBF神经网络方法,建立了锥阀结构参数与噪声关系的近似模型,利用多岛遗传算法对近似模型进行了优化;根据得到的最优参数建立了锥阀优化模型,并进行了声学特性分析。研究结果表明:与原模型相比,优化模型的平均噪声降低23.846 dB,最大噪声降低5.092 dB;该结果验证了基于RBF神经网络和MIGA优化方法的有...

针对带有模型不确定性和未知外界干扰的四旋翼飞行器轨迹跟踪控制问题,提出一种自适应RBF神经网络控制策略。该方法利用RBF神经网络在线逼近和补偿系统中的未知非线性函数,减少对数学模型的依赖,提高抗干扰能力;结合Lyapunov方法导出在线调节神经网络权值的自适应律,增强鲁棒性;利用Lyapunov理论证明控制器的稳定性。通过仿真和试验验证该方法的有效性和工程应用价值,结果表明:在时变干扰和参数摄动作用下,所提方法相对于自抗扰控制的调节时间缩短1.1~2.1 s,轨迹跟踪的绝对误差平均值减小38.27%,具有更好的鲁棒性和抗干扰能力。

针对三维桥式吊车的防摇摆控制,基于径向基函数神经网络（Radial Basis Function,RBF）研究了一种自适应防摇摆控制算法。在神经网络控制中,如果持续激励（Persistent Excitation,PE）条件得不到满足,便不能保证权值收敛,执行相同的控制任务时,仍需对神经网络进行重复训练。所设计的自适应神经网络控制器不仅能够快速精确地定位负载,并能有效抑制吊车系统的摆动;同时在对于周期或回归轨迹的跟踪中,系统中信号的一致有界得到了证明,在稳定控制中实现了部分权值的收敛以及未知闭环动态的局部准确逼近,即确定学习。最后,通过仿真验证了所设计控制器的正确性和有效性,为桥式吊车系统的防摇摆控制提供了新的控制算法。

传统轨道板运输车的设计过于保守，车架结构强度有较大余量，为减轻结构自重，减少制造成本，提出一种新的优化方法。该方法采用有限元软件ANSYS和优化软件ISIGHT，首先通过拉丁超立方设计方法选出对约束条件和目标函数影响较大的设计变量，然后根据选出的设计变量建立神经网络径向基近似模型，最后利用多岛遗传算法对近似模型进行优化。优化结果表明，该方法能提高优化效率，优化后轨道板运输车结构自重降低了9．9％，对轨道板运输车的设计有重要参考价值。