模糊单神经元控制器设计

本文在综合常规模糊控制器和单神经元PID控制器的优点上,提出了一种新型的模糊单神经元PID控制器设计方案,仿真结果表明这种控制器有比较好的控制效果。     

基于神经元的参数自学习PID控制器

本文利用神经元的学习功能构在了参数自学习ＰＩＤ控制器，并给出了一种控制灵敏度的快速近似求取方法，实现了ＰＩＤ参数在线自学习．这种控制结构简单，可靠性高，适时性好，仿真结构表明，它具有较强的自适应性和鲁棒性。     

基于网点的自学习模糊逻辑系统

提出网点的概念与构造模糊逻辑系统的方法，给出了易于实现的学习算法。该方法适用于模糊规则难以获得而输入输出数据可得的情况，可用于设计基于样本的模糊控制器和系统模糊建模。理论分析和数字仿真说明了该系统的正确性与实用性。     

基于PSO的模糊控制器参数优化设计

本文提出了将微粒群优化(PSO)算法应用于模糊控制器的参数优化设计中,针对常用的工业对象模型进行了仿真实验,仿真结果表明基于微粒群算法优化模糊控制器参数可以获得满意的控制效果,PSO算法为模糊控制器的设计提供了一种的新的思路.     

自学习神经元及自学习BP网络

本文针对现有人工神经元及BP网络的缺点,从 实现角度提出一种新型神经元及新型BP网络——自学习神经元及自学习BP网络．自学习神经 元的突出特点之一是它的内部有正向通道、反向通道及学习器,因而能够独立完成信息的正 向传播、误差的反向传播及神经元参数的修正．由自学习神经元组成的自学习BP网络可以真 正做到正向传播信息、反向传播误差及学习的并行化．本文还考虑了自学习BP网络的学习问 题,提出一种新的学习策略．我们的仿真结果表明这种学习策略有很好的学习效果．     

一种参数自调整PID模糊控制器

结合传统PID控制原理,提出一种新型模糊控制器结构,即PID模糊控制器。为提高PID控制器性能,设计能在线调整PID参数的模糊控制方法。仿真结果表明,自调整参数PID型模糊控制器使系统在暂态响应及稳态性能方面性能优良。     

基于误差驱动的参数自整定递阶模糊滑模控制器的研究

针对工业现场普遍存在的高阶对象，提出了一种基于误差驱动参数自整定递阶结构的模糊滑模控制策略。此方法既很好地解决了传统模糊控制存在的“规则爆炸”问题，也有效地削弱了一般滑模控制固有的“抖颤”现象，同时证明了所设计控制器在一定条件下是稳定的。仿真结果表明了基于误差驱动的参数自整定结构使得所设计控制器较之传统控制方法有更好的控制效果和指标。     

基于CPN的模糊控制器系统设计及其应用研究

本文给出一种基对于向传播网络ＣＰＮ的模糊控制器设计。该网络经训练后能得到模糊规则并且具有自动学习功能，在控制性能上较普通控制器有所改进。最后给出加压钢前箱系统的应用实例。     

一种改进的参数在线自校正模糊控制器

介绍了一种采用改进的参数自校正模糊控制器。该控制器具有动态范围宽、稳态精度高、响应速度快和超调量小的优点。计算机仿真表明，对于控制对象参数的变化，该控制器具有良好的适应能力。     

一种具有自学习功能的模糊控制器

本文根据对小孩控制倒摆过程的分析，提出一种能够直接调整规则的自学习模糊控制器，这种控制器具有适应性强，通用性好的特点。     

基于单个神经元的自适应模糊控制器及其应用*

本文利用单个神经元在线调整常规模糊控制器的模糊控制查询表,以改善其性能,仿真和铣削加工过程控制试验结果表明,本文提出的神经元模糊控制器性能估于常规模糊控制器。     

一种基于Matlab的参数自调整模糊控制器的设计方法

本文介绍了一种在MATLAB的模糊控制工具箱中,通过编写S函数实现对量化因子和比例因子的在线自动调整来设计模糊控制器,从而有效地实现参数自调整模糊控制器的设计方法。为了验证参数自调整模糊控制器的优越性,分别进行了空调温度控制系统的PID控制、常规模糊控制和参数自调整模糊控制的仿真研究。结果表明,参数自调整模糊控制器较之常规的模糊控制器,在被控对象特性变化或较大扰动的情况下,控制系统能保持较好的性能,是一种较理想的控制方法,具有广阔的发展前景。     

一种采用增强式学习的模糊控制系统研究

提出一种新的自学习模糊控制系统,该系统有机地集成了BB(Bucket—Brigade)算法和遗传算法,组成一种新的增强式学习(Reinforcement Learning)算法,能够在缺少输入—输出样本集的情况下自动学习生成模糊控制规则,调节隶属度函数。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于模糊PI的永磁同步电机矢量控制

针对永磁同步电机矢量控制系统中,传统PID控制器对永磁同步电机控制性能效率不高以及对工作环境变化的适应性能不良等问题,首先,在两相旋转坐标系下采取双轴理论建立永磁同步电机数学模型;接着,采用模糊控制理论对永磁同步电机矢量控制系统中转速环传统的普通PID控制器进行改进研究,深入地从理论层次研究分析建立得到模糊PI控制器....     

基于遗传算法的自学习模糊逻辑系统

利用遗传算法实现模糊逻辑系统的自学习,提出了遗传算法和模糊逻辑系统的结合方式,并针对模糊逻辑系统的特点,提出了初始种群的生成方法,较大地提高了遗传模糊逻辑系统的自学习性能。仿真结果表明,该系统对复杂的非线性系统具有较好的学习效果。     

免疫单神经元控制器的研究与应用

针对单神经元PID控制学习速度慢、调节时间长的问题,通过对单神经元自适应PID控制器（SNC）的分析,利用免疫机制,实现了神经元控制器比例系数K的免疫功能选取,从而提出了一种具有免疫功能的单神经元自适应PID控制器（ISNC）,构成了自适应型免疫单神经元PID控制器。通过对火电厂锅炉过热蒸汽温度控制的仿真研究,证明了该方法的可行性和有效性。     

变结构神经网络模糊控制器的研究

本文从提高智能化程度出发,提出了一种更接近人脑思维方式的基于神经网络的模糊控制器的结构形式,在证明该结构的普适性定理的基础上,采用遗传算法对其进行参数和结构的训练,所得结果能较好地满足系统性能要求。     

基于单神经元自适应PI 控制器的主动队列管理算法

基于神经网络理论中的神经元模型与学习算法,设计了一种主动队列管理算法SNAPI（Single Neuronbased Adaptive PI controller）．控制器根据系统误差在线调整PI 控制器的控制参数,以适应动态变化的网络参数．运 用Nyquist 稳定判据给出了系统在平衡点附近的局部稳定条件．最后通过仿真检验了SNAPI,并比较了它与使用固 定控制参数的PI 算法的性能．