• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Computational Science - ICCA 2003 Pt.1 Jun 2-4, 2003 Melbourne, Australia and St. Petersburg, Russia >Nonlinear Internal Model Control Using Neural Networks and Fuzzy Logic: Application to an Electromechanical Process
【24h】

Nonlinear Internal Model Control Using Neural Networks and Fuzzy Logic: Application to an Electromechanical Process

机译：基于神经网络和模糊逻辑的非线性内模控制：在机电过程中的应用

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study explores the use of the internal-model control (IMC) paradigm using artificial neural networks (ANNs) and fuzzy logic (FL) to consider a force-control problem involving a complex electromechanical system, represented here by the machining process. The main goal is to control a single output variable, cutting force, by changing a single input variable, feed rate. This scheme consists of a dynamic model using ANNs to estimate process output and a fuzzy-logic controller (FLC) with the same static gain as the inverse model to determine the control inputs (feed rate) necessary to keep the cutting force constant. Three approaches, the fuzzy-logic controller (FLC), the internal-model controller (IMC) and a neuro-fuzzy controller (NFC), are simulated and their performances are assessed in terms of several performance measurements. The results demonstrate that the NFC strategy provides better disturbance rejection than IMC and FLC for the cases analysed.
机译：这项研究探索了使用内部模型控制（IMC）范例的方法，该范例使用人工神经网络（ANN）和模糊逻辑（FL）来考虑涉及复杂机电系统的力控制问题，此处以加工过程为代表。主要目标是通过更改单个输入变量进给速度来控制单个输出变量切削力。该方案包括一个使用ANN估算过程输出的动态模型和一个与逆模型具有相同静态增益的模糊逻辑控制器（FLC），以确定保持切削力恒定所需的控制输入（进给速度）。模拟了三种方法，即模糊逻辑控制器（FLC），内部模型控制器（IMC）和神经模糊控制器（NFC），并根据几种性能测量结果评估了它们的性能。结果表明，在所分析的案例中，NFC策略比IMC和FLC能够提供更好的干扰抑制能力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号