针对传统PID控制与模糊PID控制的飞机起落架控制系统存在达不到理想控制精度以及控制速度的问题,提出一种基于模糊控制和神经网络的模糊神经PID控制算法。通过对起落架运动特点以及动力学相关的理论分析建立飞机起落架的运动模型,将此智能PID控制方法应用到飞机起落架的姿态控制系统中。利用MATLAB/Simulink软件进行仿真,并基于树莓派装置进行了起落架单腿实验。仿真和实验结果表明:模糊神经网络PID控制系统的响应速度和抗干扰能力相较于传统PID和模糊PID都有了较大的提升,系统稳定性更强。在飞机起落架控制系统中,应用模糊神经PID控制可进一步提升系统的响应速度,降低系统运动的惯性冲击,提高整体机构的稳定性。

本文论述了多变量模糊神经网络的控制方法并将其运用于传统的水流量标准装置过程控制系统中,同时介绍了模糊神经网络的原理、结构、性能及学习算法。计算机仿真结果表明:采用多变量模糊神经网络技术能有效提高水流量标准装置的稳定性,使系统的静、动态性能得到很大的提高,显示出强大的优越性。

以传送带、料门给料的动态称重过程为对象,提出了一种新型动态定量称重控制方法.该方法从过程对象的实际出发,基于多元复合控制思想,称重策略采取分段控制并引入模糊神经网络控制技术,调节量采取给料门和传送带两个自由度协调.研究结果表明:该方法能够比较理想地解决动态定量称重过程中速度与准确度的矛盾.动态称重设定值为1 000 g时,该装置定量误差为±0.5%,称重速度＜8 s/次.

采用目前方法控制液压驱动机械臂的关节力矩时,没有对液压驱动机械臂的运动学和动力学进行分析,导致方法存在关节位置跟踪误差大、控制效率低、控制性能差和压力损失大的问题。提出液压驱动机械臂多关节力矩控制方法,分析了液压驱动机械臂的结构,并建立了机械臂坐标,分析液压驱动机械臂关节在坐标系中的运动情况,在Lagrange函数的基础上建立其动力学模型,分析关节在液压驱动机械臂运动过程中的势能和动能。对机械臂关节力矩误差和误差变化率进行计算,并将其作为模糊神经网络的输入变量,通过模糊神经网络完成液压驱动机械臂多关节力矩的控制。仿真结果表明,所提方法的关节位置跟踪误差小、控制效率高、控制性能好、压力损失小。

为了能够提高单筒冲气式减振器模式识别的准确率,深入地研究了模糊神经网络在其中的应用。首先,建立了神经网络模型;然后,研究了模糊神经网络模式识别的方法;最后,对单筒冲气式减振器的故障模式进行了识别,识别结果表明,模糊神经网络具有较高的模式识别能力。

为了节省液压挖掘机工作过程中的能耗,提出了基于模糊神经网络的稳速节能控制方法。分析了液压挖掘机的油耗损失,给出了节能控制系统,使用变量泵替换定量泵并对挖掘机负载进行预测,根据负载压力需求调节变量的流量,减小了发动机、液压泵和负载功率不匹配造成的能量损失,从而将节能目标转换为发动机转速稳定;建立了挖掘机的动力系统模型,用于对挖掘机控制和仿真分析;提出了模糊神经网络算法,将模糊控制与神经网络的优势融合,经仿真验证和实车试验可以看出,模糊神经网络算法可以将转速稳定在设定转速误差范围内,达到了稳速节能的目标。

根据汽车起重机液压系统故障诊断的特点，建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合，并以汽车起重机常见故障为例建立了相应的故障树模型，完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题；运用模糊神经网络的自学机制，保证知识库的完整性和正确性；实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充，并及时将已发生及预测到的的故障写入数据库中，提高了查找故障的准确率及效率，有利于预防和控制汽车起重机液压系统的故障。

重型汽车起重机的变幅系统通常采用两个液压缸共同驱动起重臂,针对变幅过程中存在的同步误差问题,对双液压缸驱动系统进行研究,找出影响变幅系统动态特性的因素。提出一种基于模糊神经PID控制方法,将模糊规则用于神经网络加权系数的选取,以实现不同工况条件下对PID控制参数的实时在线调整。最后,在交叉耦合方法的基础上以液压缸活塞位移和平衡阀进油压力作为指标进行仿真和实验。结果表明此方法可以有效减小同步控制偏差,提高控制精度,解决了传统控制方法鲁棒性差的问题,达到控制要求。

针对液压弯辊系统非线性和时变性等特点,提出了基于遗传算法和BP算法相结合的模糊神经网络智能控制系统,并应用于液压弯辊系统,改善了系统的超调量和过度时间.

针对国内液压挖掘机电子节能控制系统水平相对落后的现状,提出了一种模糊神经网络的液压挖掘机节能控制系统,采用基于标准模型的模糊神经网络作为控制器,应用多层前馈网络的反向传播算法(BP算法)作为学习算法。仿真结果表明该控制系统具有较好的快速性和稳定性,使变量泵的扭矩始终追踪发动机的扭矩,稳定发动机的转速,从而达到节能的目的。