-
题名MEMS陀螺仪耦合网络的加速自适应控制
- 1
-
-
作者
申林雪
张生海
魏家沛
-
机构
贵州大学机械工程学院
天水师范学院机电与汽车工程学院
-
出处
《电光与控制》
北大核心
2026年第3期24-31,共8页
-
基金
国家自然科学基金(52065008)
科学技术部外国专家项目(DL2023038001L)
+3 种基金
第十三批贵州省优秀青年科技人才资助项目(黔科合平台人才[2021]5634)
甘肃省自然科学基金青年科技基金(25JRRE028)
甘肃省高校教师创新基金项目(2023B-140,2025A-149)
天水师范大学校列科研项目资助(CYZ2023-02)。
-
文摘
针对微机电系统(MEMS)陀螺仪耦合网络内存在的有害高频混沌振荡,提出一种基于二型模糊神经网络(T2FNN)的加速自适应反演控制方案。首先,根据串并联耦合机制建立了具有四个等效质量块的MEMS陀螺仪耦合网络模型;其次,利用相图、时间历程图和李雅普诺夫指数图对该耦合网络系统的动态演化规律进行了揭示;为了有效解决MEMS陀螺仪耦合网络固有的混沌运动,设计了融合速度函数、T2FNN以及双曲正切跟踪微分器(HTTD)的控制方案;最后,大量仿真实验结果验证了控制方案的可行性和有效性。
-
关键词
MEMS
陀螺仪耦合网络
混沌振荡
二型模糊神经网络
加速自适应控制
-
Keywords
MEMS
gyroscope coupling network
chaotic oscillation
t2fnn
accelerated adaptive control
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于模糊神经网络的风电功率预测研究
- 2
-
-
作者
曹龙
方泳钧
余闻甫
-
机构
华电(云南)新能源发电有限公司
-
出处
《电气传动自动化》
2025年第2期46-52,共7页
-
文摘
在环境约束趋紧、化石燃料减少的当下,可再生能源中,风力发电设施在工业国能源体系越发关键。精准预测风力发电量,对电力系统管理规划意义重大。本文创新提出智能预测法,利用在线监控与数据采集(SCADA)系统的不确定数据及数值天气预报(NWP)数据,精准预测中长期风力发电量。该方法基于粒子群优化(PSO)算法,训练二型模糊神经网络(T2FNN),构建T2FNN-PSO模型。相较于单一采用二型模糊神经网络(T2FNN)进行状态监测,本文首创将PSO的全局寻优能力与T2FNN的不确定性处理优势相结合,通过实际风场数据验证,模型训练时间缩短31%,预测精度提升14%,突破传统单一智能算法在复杂工况下的精度瓶颈。研究将此方法用于某实际风电场案例,仿真结果验证了其在电力系统控制中心精准预测风力发电的有效性与适用性,为实际工程应用提供可靠方案。
-
关键词
风力发电
风电功率预测
粒子群优化算法
二型模糊神经网络
-
Keywords
Wind power generation
Wind power prediction
Particle swarm optimization(PSO)algorithm
Type-2 Fuzzy Neural Network(t2fnn)
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名模糊识别算法在坩埚缺陷检测系统的应用
被引量：3
- 3
-
-
作者
孙维康
刘曰涛
黄浩
肖春雷
-
机构
山东理工大学机械工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2019年第12期98-102,共5页
-
基金
国家自然科学基金(51405277)
-
文摘
针对传统的表面缺陷检测不能够用于坩埚缺陷检测与坩埚表面缺陷特征不能很好的识别等问题,提出一种新型的基于机器视觉的坩埚在线检测系统的设计方案,实现了坩埚表面缺陷的自动检测。首先搭建一套视觉硬件平台,构建基于机器视觉的检测系统;然后实时检测软件通过曝光控制采集算法获得理想的图像,并在图像处理算法中提出一种局部动态区域的阈值分割算法获得缺陷特征;最后根据T2FNN模糊神经网络算法对缺陷特征进行识别。实验结果表明,实时在线检测正确率达到99%,因此该系统的稳定性和准确度达到了较高的标准,具有很高的实用价值。
-
关键词
机器视觉
表面缺陷
曝光控制
阈值分割
t2fnn模糊神经网络
-
Keywords
machine vision
surface defects
exposure control
threshold segmentation
t2fnn fuzzy neural network
-
分类号
TH162
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
-
题名基于事件触发的PMSM预设性能自适应控制
被引量：1
- 4
-
-
作者
李昊
罗绍华
李枫韵
申林雪
-
机构
贵州大学机械工程学院
南京航空航天大学能源与动力学院
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第12期81-84,90,共5页
-
基金
国家自然科学基金项目(52065008)
贵州省科技计划项目([2021]5634)
+1 种基金
贵州省科技计划项目(PTRC[2020]6007-2)
贵州大学“学科倍增提升”行动专项国际影响力提升计划项目(GDXKBZJH-YB-2023-24)。
-
文摘
针对具有系统建模不精确、外部扰动和节约通讯资源的永磁同步电机(PMSM)系统高性能控制问题,提出了一种基于事件触发机制的PMSM预设性能自适应控制方法。采用性能函数并进行误差变换,将角度跟踪误差限制在预先设定的边界内,保证了系统的动态性能;通过二型模糊神经网络(T2FNN)逼近系统中的未知动态,有效消除了系统中不确定性的影响;在控制器和执行器通道之间设计了事件触发机制来节约控制器的通讯资源;通过李雅普诺夫稳定性理论证明了PMSM闭环系统的稳定性且避免了事件触发中的Zeno行为;最后,仿真实验结果验证了所提控制方案的有效性。
-
关键词
永磁同步电机
预设性能控制
事件触发机制
二型模糊神经网络
反步控制
-
Keywords
PMSM
prescribed performance control
event-trigger
t2fnn
backstepping control
-
分类号
TH165
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
