导读:本文包含了智能结构控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:结构,神经网络,智能,土木工程,系统,算法,模糊。
智能结构控制论文文献综述
彭文兆[1]（2018）在《土木工程智能结构控制体系的相关探讨》一文中研究指出改革开放以后,我国的经济实力在不断提高,科技力量也在不断提升,带动了建筑业的迅猛发展。在我国经济建设中建筑行业是一个重要的支柱产业,为了提升土木工程的建筑质量,广泛应用到了智能化结构控制体系,这是建筑学当中一个重要研究领域,同时也是重要的发展趋向。本文就土木工程智能化结构控制体系进行相关的研究与探讨,以期为土木工程智能结构控制体系的进一步发展,提供一定的参考价值。(本文来源于《中外企业家》期刊2018年36期）
张爱林[2]（2018）在《机器人智能滑模变结构控制方法的研究》一文中研究指出机器人的轨迹跟踪控制是机器人控制的一个非常重要的问题,因为机器人的轨迹跟踪控制运用在很多工业领域,比如焊接、喷漆、组装、放置、包装、产品检测和测试等。本文针对具有动力学建模误差甚至未知参数和不确定外部干扰的机器人,研究了将传统的滑模变结构控制和智能控制两者相结合并运用到机器人关节轨迹跟踪控制当中。研究的主要内容包括:针对机器人的动力学模型已知且考虑关节摩擦力的情况,本文提出了一种带有自适应补偿器的模糊滑模变结构轨迹跟踪控制方法。自适应模糊系统主要是用来逼近机器人的各关节摩擦力,采用滑模变结构控制律,为了减小模糊系统逼近时产生的误差带来的控制律抖振和提高关节的轨迹跟踪精度,引入一种自适应补偿器来估计逼近误差的上界,最后通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性。对于机器人的动力学模型存在未知参数且考虑关节摩擦力的情况,本文提出了和声搜索算法优化RBF神经网络滑模变结构控制方法,利用和声搜索算法来优化RBF神经网络的结构参数,然后在线逼近机器人动力学模型中的不确定项,采用滑模控制律,通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性,完成了对机器人关节轨迹的跟踪控制。优化后的方法能够使关节的跟踪误差以更快的速度收敛。文章通过Matlab对设计的控制方法进行了仿真实验,最后得到了较好的控制效果。(本文来源于《湖南大学》期刊2018-04-17）
何建军,陈享姿[3]（2016）在《基于微遗传算法的压电智能板结构/控制一体化拓扑优化设计及拓扑图提取》一文中研究指出研究同时考虑结构拓扑构型、作动器位置与数目和控制器加权参数的压电智能板结构的结构/控制一体化拓扑优化设计问题。提出采用基于耦合模态空间的二次型最优控制系统设计,与基于微遗传算法和小波分析降噪相结合的策略进行一体化拓扑优化设计的实现和拓扑图提取。数值算例的结果表明,所提新方法计算量小,效率高,能够得到清晰的结构拓扑和良好的可控性。(本文来源于《机械强度》期刊2016年04期）
黎恒[4]（2015）在《基于智能滑模变结构控制的磁悬浮球系统的研究》一文中研究指出磁悬浮球系统被看作是研究磁悬浮技术的关键对象,本身属于一类典型的非线性、不稳定的系统。对磁悬浮球系统的控制研究过程包含控制理论、电磁学、信号处理和计算机技术等多门学科领域知识。由于其对实时性的要求很高,所以采用传统控制方法难以取得很好的控制效果。在国内外相关研究工作基础上,寻找提高磁悬浮球控制系统整体性能的方法很有研究价值。本文首先介绍了磁悬浮技术的研究发展概况,通过掌握磁悬浮球系统的各部分结构组成的功能及其工作原理,建立了系统的数学模型及线性化模型,并在此基础上利用MATLAB软件搭建了常规滑模变结构控制器并进行仿真。然后针对滑模变结构控制在切换面上不可避免的“抖振”问题,设计了一种二阶动态滑模变结构控制器,在滑模控制新的切换面中引入含有系统输入的高阶导数,降低趋近律中不连续项的影响,以达到消除“抖振”的效果。接着根据变结构控制的特点并结合RBF神经网络的在线控制特性提出了一种基于RBF神经网络等效滑模变结构控制的智能滑模控制方案,充分利用RBF神经网络的自学习和处理能力来改善系统的控制效果。在MATLAB环境下对磁悬浮球控制系统进行仿真,验证控制器的控制效果。最后,利用Quanser公司提供的磁悬浮球系统半实物仿真装置,将设计出来的控制器在磁悬浮球实验装置上进行实时控制实验,验证了其在系统上具备较好的控制效果以及较强的鲁棒性。(本文来源于《湖南工业大学》期刊2015-06-10）
董淑伟[5]（2015）在《压电智能结构控制驱动系统设计》一文中研究指出捷联惯导系统已经被广泛应用于军事、航空、航天飞行器等不同的领域。振动和冲击可能激发捷联惯导系统产生多峰共振，降低导航精度，且强烈的振动会引起系统性能不稳定或电子元器件损坏，从而影响正常的工作。在捷联惯导系统中引入智能结构设计，展开对智能结构振动主动控制技术的研究，减小捷联惯导系统动态误差，对于提高战略性战术武器的打击精度，扩大捷联惯导系统应用领域，降低惯导系统的成本等具有极其重大的意义。本文主要针对压电智能结构控制驱动系统设计要求，通过查阅相关文献，制定了压电智能结构控制驱动系统的设计方案。其中主要包括高压驱动电源系统、微小型控制器的设计以及控制算法研究。微小型控制器将采集到的振动信号通过EMIF模块传至DSP进行算法处理，然后将经过算法处理的信号经过DA转换传至高压驱动电源系统，压电陶瓷片通过压电效应对系统的振动进行抑制，以达到设计目的。首先，根据性能指标要求，确定驱动电源采用电压驱动型直流放大式电路。进行压电驱动电源核心电路的设计、过流保护电路和相位补偿电路等外围电路的设计和电磁兼容性设计。其次，进行数据采集驱动输出单元设计。主要包括AD采集模块、DA转换模块、DDR2-SDRAM缓存模块和FLASH存储模块的硬件设计，FPGA和DSP通讯的软核处理器的定制、DDR2-SDRAM控制器的设计和EMIF接口控制器的设计。然后，进行了PID控制原理研究，搭建了智能结构PID控制算法仿真模型。分别针对以正弦信号、脉冲信号和阶跃信号作为被控信号叁种情况进行PID控制仿真。针对仿真中出现的控制信号与被控信号在时间上有滞后的现象，分别提出了相关改进措施。最后，搭建试验系统，进行驱动电源样机性能测试、压电驱动电源系统驱动性能测试和智能结构PID控制算法输出信号测试。经过实验验证，驱动电源样机动静态性能良好，具有很好的驱动能力，控制信号与被控信号无相位滞后，能够实现对被控信号的有效控制。(本文来源于《中北大学》期刊2015-04-10）
杨怡[6]（2014）在《基于智能滑模变结构控制的AQM算法的研究》一文中研究指出近年来,TCP网络的用户规模及业务量激增,网络特征参数(如TCP连接数、传输时延)动态变化,UDP非响应流增多,使得网络拥塞问题愈加严重。传统的主动队列管理算法已经无法满足服务质量要求。滑模变结构控制对于非线性不确定系统具有很强的鲁棒性；智能控制无需知道系统的精确模型信息,且具有很强的自适应性。本文将智能控制与滑模变结构控制相结合并运用到主动队列管理算法的研究中,提出了几种智能滑模变结构AQM算法,取得了较好的控制效果,所做的主要工作如下：(1)针对网络中TCP连接数、传输时延的不确定性以及网络非线性时变的特点,并考虑UDP非响应流的干扰,提出了一种基于非线性TCP流模型的滑模变结构AQM算法,由队列长度的误差和链路速率的误差指示网络拥塞,设计了一种自适应丢包控制律,使路由器队列长度能够快速收敛于期望值；并且在趋近律的参数设计中引入了单神经元梯度学习算法,减小了队列长度的波动。(2)针对滑模变结构控制运用在网络拥塞控制中的两个问题：一是等效控制对精确数学模型的依赖问题；二是切换控制的抖振问题,采用一个RBF神经网络逼近等效控制,基于使切换控制最小化的原则在线调整神经网络权值；并采用双曲正切函数柔化切换控制信号,使队列长度的变化在复杂时变的网络环境中更具自适应性。(3)为进一步减小路由器队列长度的波动,取消切换控制,设计了一种理想控制律,此理想控制律能够使系统状态保持在滑动模态,由一个RBF神经网络逼近而成,逼近误差由补偿器进行补偿,滑模面作为RBF神经网络的唯一输入,并基于滑模到达条件在线自适应调整RBF神经网络各参数的值,进一步减小了抖振,提高了鲁棒性。NS-2仿真结果证明了上述所提出的几种智能滑模变结构控制AQM算法是有效的,并且具有良好的鲁棒性。(本文来源于《南京理工大学》期刊2014-02-01）
吕恩辉[7]（2013）在《智能滑模变结构控制算法在转台伺服系统中的仿真应用》一文中研究指出数控转台作为机床生产的重要附件，其性能的优劣会直接影响到机床的整体加工性能。现代数控转台要求高转矩、高精度直至零速定位，同时要求有较高的动态刚度和静态刚度。在各种数控转台中，传统的驱动方式通常是旋转伺服电机加涡轮、蜗杆副和齿轮副机构，由于存在机械传动链，会造成运动响应慢、动态刚度差及其它非线性误差，难以实现高精度加工，采用力矩电机技术的转台伺服系统消除了中间传动环节，具有推力大、响应速度快和定位精度高等特点，但近年来，随着科技的发展，转台伺服系统愈来愈复杂，并且存在非线性、参数不确定性、机械谐振、未建模动态特性、传感器动力学特性、外负载干扰等因素影响，对控制系统的精度、响应能力、稳定性及鲁棒性的要求则愈来愈高，系统的复杂性与苛求的控制性能要求之间形成了尖锐的矛盾。本文是以转台伺服系统为研究背景，针对这一存在外在干扰、机械摩擦和参数不确定等因素影响的系统设计了滑模变结构控制器，以便使得系统得到有效控制并达到良好的性能。论文首先分析了数控转台伺服系统的数学模型，在此模型基础之上设计了基于极点配置的滑模变结构控制器，计算机仿真结果显示，此控制器能有效的控制系统实现良好的控制效果。为了进一步有效削弱滑模变结构本身所具有的抖振，本文将智能控制与滑模变结构相结合分别设计了模糊滑模变结构控制器和自适应模糊滑模变结构控制器。通过计算机仿真结果表明，智能控制与滑模变结构相结合组成的新型控制器能够有效的进一步削弱变结构的抖振，使得系统控制效果进一步增强。通过上述叁组仿真研究对比可知，滑模变结构控制能够有效控制存在非线性和不确定因素的系统，且通过与智能控制相结合更能进一步削弱变结构的抖振使控制效果更优。(本文来源于《沈阳理工大学》期刊2013-12-01）
陈勃彤[8]（2013）在《土木工程智能结构控制体系的相关探讨》一文中研究指出近年来,我国频遭地震灾害困扰,为加强土木工程的安全性与抗震性,目前关于土木工程建筑结构的研究已由过去的被动控制转变为主动控制。智能结构作为主动控制系统的一支还处于初步试验阶段,需要更强大的软硬件和能源系统作支撑,因此未来的研究重点应放在加强土木工程智能结构控制体系上。(本文来源于《科技传播》期刊2013年22期）
李筱魁[9]（2013）在《智能变结构控制设计方法》一文中研究指出变结构控制因其对系统参数摄动和外界干扰的不变性等优良特性现已被广泛研究与应用,但由于其自身存在抖振的缺点同时也会给系统带来不良影响.将智能方法与变结构控制相结合,可以得到更多优良特性或减弱抖振以应用于更广泛的领域.本文阐述了神经网络、模糊逻辑、遗传算法和支持向量机四种智能方法应用于变结构控制的设计.(本文来源于《吉林师范大学学报(自然科学版)》期刊2013年03期）
周浩[10]（2013）在《基于智能滑模变结构控制的风力发电系统变桨距控制研究》一文中研究指出变桨距控制系统作为风力发电机组电控系统的外环，它负责空气动力系统的桨距自动调节，稳定高风速段发电机功率输出；在并网过程中实现快速无冲击并网。变桨伺服系统是一个随动系统，其参数复杂多变，结构的非线性和时变性，传统的控制策略难以实现高精度控制，有必要采取先进的控制策略来保证风力发电机组高品质电能的输出和安全稳定运行。本课题在对风力发电基本理论和变桨距原理的研究基础上，建立了风电系统的数学模型，将滑模控制理论应用到变桨距控制中，消除系统参数摄动及外部扰动的影响。此外，考虑到滑模控制的抖振现象，将RBF神经网络、支持向量机等理论与滑模控制相结合，实现风力发电变桨距系统的自适应控制。本课题主要内容归纳如下：1、根据空气动力学原理和桨叶受力情况阐述变桨距调节原理，建立了变桨距风力发电系统各部分的数学模型，并在Matlab软件中搭建了仿真模型，在所建模型基础上，设计了基于PSO的PID控制器并进行了仿真，为后续章节对变桨距控制策略的研究奠定基础。2、分析了变桨距控制研究现状，提出了基于RBF神经网络的变桨距滑模控制方案。采用模糊C-均值聚类法和递推最小二乘法离线学习得到控制器初始参数，并把滑模误差引入到自适应控制律中，在线调整RBF网络的中心和权值以改善系统动态性能。神经网络控制的加入还有效抑制了滑模控制引起的桨距角抖振现象。3、支持向量机是统计学理论中较新的内容，具备很强的学习能力与泛化性能。支持向量机与滑模控制相结合，不但可以提高滑模控制的自适应能力，而且为系统的复杂控制和综合问题的分析设计提供了解决方法。本课题提出了一种基于在线支持向量机的滑模变桨距控制方案。控制前期采用常规滑模控制,产生数据样本用以训练支持向量机滑模控制器得到控制器的基本结构和初步参数。学习结束后，转用基于支持向量机的滑模控制，利用在线学习机制实现自适应控制。仿真结果表明基于支持向量机的变桨距滑模控制器具有良好的动态性能及对风速扰动的鲁棒性，在保证功率输出稳定在额定值附近的同时，实现桨距角平稳调节。(本文来源于《湖南工业大学》期刊2013-06-10）
智能结构控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器人的轨迹跟踪控制是机器人控制的一个非常重要的问题,因为机器人的轨迹跟踪控制运用在很多工业领域,比如焊接、喷漆、组装、放置、包装、产品检测和测试等。本文针对具有动力学建模误差甚至未知参数和不确定外部干扰的机器人,研究了将传统的滑模变结构控制和智能控制两者相结合并运用到机器人关节轨迹跟踪控制当中。研究的主要内容包括:针对机器人的动力学模型已知且考虑关节摩擦力的情况,本文提出了一种带有自适应补偿器的模糊滑模变结构轨迹跟踪控制方法。自适应模糊系统主要是用来逼近机器人的各关节摩擦力,采用滑模变结构控制律,为了减小模糊系统逼近时产生的误差带来的控制律抖振和提高关节的轨迹跟踪精度,引入一种自适应补偿器来估计逼近误差的上界,最后通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性。对于机器人的动力学模型存在未知参数且考虑关节摩擦力的情况,本文提出了和声搜索算法优化RBF神经网络滑模变结构控制方法,利用和声搜索算法来优化RBF神经网络的结构参数,然后在线逼近机器人动力学模型中的不确定项,采用滑模控制律,通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性,完成了对机器人关节轨迹的跟踪控制。优化后的方法能够使关节的跟踪误差以更快的速度收敛。文章通过Matlab对设计的控制方法进行了仿真实验,最后得到了较好的控制效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
智能结构控制论文参考文献
[1].彭文兆.土木工程智能结构控制体系的相关探讨[J].中外企业家.2018
[2].张爱林.机器人智能滑模变结构控制方法的研究[D].湖南大学.2018
[3].何建军,陈享姿.基于微遗传算法的压电智能板结构/控制一体化拓扑优化设计及拓扑图提取[J].机械强度.2016
[4].黎恒.基于智能滑模变结构控制的磁悬浮球系统的研究[D].湖南工业大学.2015
[5].董淑伟.压电智能结构控制驱动系统设计[D].中北大学.2015
[6].杨怡.基于智能滑模变结构控制的AQM算法的研究[D].南京理工大学.2014
[7].吕恩辉.智能滑模变结构控制算法在转台伺服系统中的仿真应用[D].沈阳理工大学.2013
[8].陈勃彤.土木工程智能结构控制体系的相关探讨[J].科技传播.2013
[9].李筱魁.智能变结构控制设计方法[J].吉林师范大学学报(自然科学版).2013
[10].周浩.基于智能滑模变结构控制的风力发电系统变桨距控制研究[D].湖南工业大学.2013
论文知识图
