留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

融合型智能控制技术研究与应用

陈岳飞 王理 喻准 肖克 樊翊中

陈岳飞,王理,喻准,等. 融合型智能控制技术研究与应用[J]. 计量科学与技术,2023, 67(6): 29-36, 21 doi: 10.12338/j.issn.2096-9015.2023.0147
引用本文: 陈岳飞,王理,喻准,等. 融合型智能控制技术研究与应用[J]. 计量科学与技术,2023, 67(6): 29-36, 21 doi: 10.12338/j.issn.2096-9015.2023.0147
CHEN Yuefei, WANG Li, YU Zhun, XIAO Ke, FAN Yizhong. Research and Application of Integrated Intelligent Control Technology[J]. Metrology Science and Technology, 2023, 67(6): 29-36, 21. doi: 10.12338/j.issn.2096-9015.2023.0147
Citation: CHEN Yuefei, WANG Li, YU Zhun, XIAO Ke, FAN Yizhong. Research and Application of Integrated Intelligent Control Technology[J]. Metrology Science and Technology, 2023, 67(6): 29-36, 21. doi: 10.12338/j.issn.2096-9015.2023.0147

融合型智能控制技术研究与应用

doi: 10.12338/j.issn.2096-9015.2023.0147
基金项目: 国家重点研发计划项目(2022YFF0609401)。
详细信息
    作者简介:

    陈岳飞(1972-),湖南省计量检测研究院副研究员,研究方向:数字经济、计量管理与发展战略,邮箱:271054148@qq.com

    通讯作者:

    樊翊中(1976-),长沙匡汇科技有限公司工程师,研究方向:大数据与人工智能,邮箱:alex.fan@cndatahub.com

  • 中图分类号: TB921

Research and Application of Integrated Intelligent Control Technology

  • 摘要: 融合型智能控制技术是通过将多种智能技术和控制策略相融合,用以解决单一传统控制技术应用在非线性系统、复杂系统和存在不确定因素影响系统中的有效性、适应性和可扩展性不足等问题的控制技术,旨在提高控制系统的科学技术性、鲁棒性和适应性。阐述了智能控制中的模糊控制、神经网络控制、滑模变结构控制以及遗传算法的特点,概述了模糊控制和神经网络控制、模糊控制和变结构控制、神经网络和变结构控制、遗传算法和模糊控制的融合方法,以及近年来各融合控制方法的应用场景,论述了智能控制的技术特性及其未来的发展趋势。
  • 图  1  模糊控制流程图

    Figure  1.  Fuzzy control-flow diagram

    图  2  神经网络结构图

    Figure  2.  Neural network structure diagram

    图  3  滑模变结构控制滑动模态结构图

    Figure  3.  Sliding mode structure diagram of synovial variable structure control

  • [1] 王甜婧, 汤涌, 王兵, 等. 传统方法与人工智能: 潮流控制优化算法的现状、挑战与未来方向[J]. 中国电机工程学报, 2023, 43(5): 1799-1818.
    [2] 徐文尚. 控制理论混合仿真系统的开发研究[J]. 计量技术, 2000(11): 13-15.
    [3] 崔保健, 才滢, 阎道广. 基于BP神经网络的功率传感器数据融合[J]. 计量技术, 2006(2): 23-25.
    [4] 尤强, 寇欣宇, 段发阶. 基于模糊PID控制的步进电机驱动控制器[J]. 计量技术, 2001(5): 9-11.
    [5] 邓召文, 易强, 高伟. 基于LQR的断开式可调尾翼系统高速操纵稳定性研究[J]. 制造业自动化, 2023, 45(4): 151-158.
    [6] 胡竣耀, 陈巧玉, 童东兵, 等. 滑模控制的四旋翼无人机拓展状态观测器设计[J]. 电光与控制, 2023, 30(3): 15-19. doi: 10.3969/j.issn.1671-637X.2023.03.003
    [7] 王冠, 夏红伟. 一种基于学习的高超声速飞行器智能控制方法[J]. 宇航学报, 2023, 44(2): 233-242.
    [8] 王蕾, 吴翠红, 郭士茹. 光纤激光精密切割系统功率智能控制方法[J]. 激光杂志, 2022, 43(11): 215-219.
    [9] 常志东. 神经网络优化PID的舰船关键设备智能控制方法[J]. 舰船科学技术, 2022, 44(21): 168-171.
    [10] 华珊, 宋晓乔, 杨小妮. 智能控制综述[J]. 数字通信世界, 2019(3): 144, 161. doi: 10.3969/J.ISSN.1672-7274.2019.03.197
    [11] 陈思汉, 殷玉枫, 张锦, 等. 液压伺服系统的变论域自适应模糊控制[J]. 机床与液压, 2023, 51(10): 78-83.
    [12] 陈颖娜, 李雪莲, 余春晖, 等. 神经网络在检测实验室管理及质量控制的应用[J]. 现代测量与实验室管理, 2016, 24(5): 55-58, 40.
    [13] 姚兆, 刘杰, 李允公, 等. 陀螺稳定平台的滑模变结构控制实验研究[J]. 兵工学报, 2011, 32(8): 1019-1024.
    [14] 李志清, 李美, 付丽荣, 等. 遗传算法优化的空气悬架模糊PID控制[J]. 机械设计与制造, 2023 (4): 22-25, 33.
    [15] 魏毅寅, 郝明瑞, 范宇. 人工智能技术在宽域飞行器控制中的应用[J]. 宇航学报, 2023, 44(4): 530-537.
    [16] 张军, 孔玉莹, 曹学魁, 等. 基于机器学习的核电厂蒸汽发生器传热管涡流信号自动定位研究[J]. 中国检验检测, 2021, 29(6): 23-26, 36.
    [17] 付京博, 邵会兵, 詹韬. 基于深度强化学习的飞行器自抗扰控制技术[J]. 计算机仿真, 2022, 39(10): 54-59.
    [18] 孙杰, 陈树宗, 王云龙, 等. 冷连轧关键质量指标与轧制稳定性智能优化控制技术[J]. 钢铁研究学报, 2022, 34(12): 1387-1397.
    [19] 王伟, 王勇, 周晨光, 等. 基于模糊神经网络PID的无人艇航向控制器研究[J]. 合肥工业大学学报(自然科学版), 2023, 46(4): 458-462.
    [20] 杨建忠, 王浩天, 陈希远. 飞机防滑刹车系统模糊滑模控制研究[J]. 计算机仿真, 2022, 39(7): 74-80. doi: 10.3969/j.issn.1006-9348.2022.07.015
    [21] 夏光, 陈建杉, 唐希雯, 等. 基于增益模糊滑模变结构的线控液压转向控制[J]. 中国公路学报, 2021, 34(9): 70-84.
    [22] 张圆圆, 何永玲, 周海燕, 等. 基于模糊变结构控制的桥式起重机防摆研究[J]. 中国工程机械学报, 2019, 17(2): 112-116.
    [23] 山毓俊. 基于图像识别的证书分拣盖章机器人机械手智能原点搜寻[J]. 中国检验检测, 2023, 31(3): 31-34.
    [24] 徐明, 黄庆生, 李刚. 车辆磁流变半主动悬架滑模变结构优化控制[J]. 机械科学与技术, 2021, 40(7): 1106-1113.
    [25] 艾雄雄, 张博, 索宇超, 等. 基于动态变边界层的PMLSM新型终端滑模控制[J]. 组合机床与自动化加工技术, 2023, (5): 125-128.
    [26] 刘永慧. 滑模变结构控制的研究综述[J]. 上海电机学院学报, 2016, 19(2): 88-93.
    [27] 秦红玲, 李志雄, 袁松. 磁悬浮轴承系统的模糊滑模变结构控制研究[J]. 计算机仿真, 2011, 28(4): 185-188, 192.
    [28] 马瑞梓, 张艺婕. 基于RBF神经网络的鲁棒因子滑模变结构多自由度机械臂精确跟踪控制研究[J]. 系统科学与数学, 2023, 43(1): 1-14. doi: 10.12341/jssms21601
    [29] 谢国民, 孙少华, 付华, 等. 基于RBF神经网络滑模的多电机同步控制方法[J]. 辽宁工程技术大学学报(自然科学版), 2022, 41(4): 364-371.
    [30] 葛安东. 基于遗传算法和模糊控制的某型纯电动汽车整车控制策略的研究[D]. 合肥: 合肥工业大学, 2015.
    [31] 张颖, 蔡晨光, 刘志华. 基于物理解耦的机器视觉六自由度测量方法[J]. 计量技术, 2020(5): 46-50.
    [32] 邱军, 郑伟, 王刚, 等. 基于模糊控制的大空间焓差室湿度智能控制方法研究[J]. 计量技术, 2016(7): 11-15.
  • 加载中
图(3)
计量
  • 文章访问数:  332
  • HTML全文浏览量:  166
  • PDF下载量:  30
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-06-10
  • 录用日期:  2023-07-13
  • 修回日期:  2023-08-01
  • 网络出版日期:  2023-08-08

目录

    /

    返回文章
    返回