Neural Network Based Self-Learning Control Strategy for Electronic Throttle Valve
Neural Network Based Self-Learning Control Strategy for Electronic Throttle Valve
复制标题
基于神经网络的电子节气门自学习控制策略
DOI：
10.1109/tvt.2010.2044521
复制
发表时间：
2010-03
影响因子：
6.8
通讯作者：
Xiaofang Yuan, Yaonan Wang, Lianghong Wu
中科院分区：
文献类型：
--
作者：
Xiaofang Yuan, Yaonan Wang, Lianghong Wu
近年来，电子节气门的应用在汽车行业非常流行。然而，由于多重非线性和设备参数变化，电子节气门的控制存在困难。本文提出了一种用于电子节气门的基于神经网络的自学习控制（SLC）策略，该策略由模糊神经网络（FNN）控制器和递归神经网络（RNN）标识符组成。 FNN 控制器结合了基于规则的模糊系统的语义透明性和神经网络的学习能力，被用作 SLC 方案，并且对受控对象参数变化具有鲁棒性。 RNN 标识符用于对对象进行建模，并为 FNN 控制器的学习提供对象信息。给出了控制系统的结构和学习算法。所提出的控制器通过计算机模拟和实验进行了验证。
Recently, the application of the electronic throttle has been very popular in the automotive industry. However, difficulties in the control of electronic throttle valves exist due to multiple nonlinearities and plant parameter variations. A neural-network-based self-learning control (SLC) strategy that consists of a fuzzy neural network (FNN) controller and a recurrent neural network (RNN) identifier is proposed for electronic throttle valves in this paper. The FNN controller, which combines the semantic transparency of rule-based fuzzy systems with the learning capability of a neural network, is utilized as an SLC scheme and will be robust to plant parameter variations. An RNN identifier is employed to model the plant and provides plant information for the learning of the FNN controller. Both the structure and the learning algorithm of the control system are presented. The proposed controller is verified by computer simulations and experiments.
登录
查看更多内容
影响因子：
--
作者：
D. Prokhorov
通讯作者：
D. Prokhorov
影响因子：
6.8
作者：
DEWIT, CC;OLSSON, H;LISCHINSKY, P
通讯作者：
LISCHINSKY, P
影响因子：
6.8
作者：
J. Naranjo;Carlos González;Ricardo García;T. D. Pedro
通讯作者：
J. Naranjo;Carlos González;Ricardo García;T. D. Pedro
影响因子：
7.7
作者：
X. Yuan;Yaonan Wang
通讯作者：
X. Yuan;Yaonan Wang
DOI：
10.1109/25.966584
发表时间：
2001-11
期刊：
IEEE Trans. Veh. Technol.
影响因子：
--
作者：
M. Kabganian;R. Kazemi
通讯作者：
M. Kabganian;R. Kazemi