基于小波神经网络的加工过程自适应控制

把信息熵、小波分析和神经网络相结合,提出了基于小波神经网络的加工过程自适应控制系统及其自适应控制算法。提出并定义了广义熵方误差函数,在理论上证明了广义熵方误差函数的有效性。用广义熵方误差函数准则取代BP算法的均方误差准则,用自适应地搜索小波基函数和自适应地调整小波的尺度参数、平移参数和神经网络权值的方法对参数变化的切削力进行在线控制。仿真结果表明,该系统响应快,无超调,比传统的加工过程神经网络自适应控制具有更好的控制效果。     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

不确定混沌系统的差分进化小波神经网络控制

提出一种基于小生境自适应差分进化小波神经网络（NADE-WNN）的方法对不确定混沌系统进行控制。该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制,为提高神经网络的学习精度和收敛速度,采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和全局收敛性。仿真实验结果表明,在有外部干扰和参数摄动的情况下,NADE-WNN仍能对不确定混沌系统进行有效控制,且网络结构、控制精度和收敛速度都优于传统神经网络。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

一种差分进化算法优化小波神经网络及其在弱信号检测中的应用

在混沌理论和相空间重构技术的基础上,提出了一种基于小生境自适应差分进化小波神经网络(NADE-WNN)的混沌背景下弱信号检测方法。该方法采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和收敛速度。实验结果表明,与传统的RBF神经网络和小波神经网络预测混沌时间序列的性能相比,该算法优化的小波神经网络具有更高的预测精度和收敛速度,能够较好地检测出混沌背景下的弱信号。     

小波网络在控制系统中的应用

小波分析是80年代中期发展起来的一门新兴的 数学理论和方法,小波网络是在小波分析研究获得突破的基础上提出的一种前馈型网络．本 文对小波网络的结构形式、学习算法以及在控制方面的主要应用进行了综述,并将小波网络 与常规的前馈神经网络作了比较,最后对小波网络在控制系统中的应用提出了几点展望．     

一种基于自适应小波网络的非线性控制算法

结合动态逆和小波网络提出了一种新的非线性控制方法，根据小波网络的逼近特性，利用具有在线学习能力的小波网络来补偿动态逆的误差，建立了基于自适应小波网络的控制结构，用李雅普洛夫函数导出了网络权值的自适应调整规则，并分析了小波网络的输入。     

小波神经网络的遥感图象分类

将小波和神经网络结合起来,提出一种自适应小波函数的神经网络。这种小波函数网络经过训练后,可应用于遥感图象的分类,其分类效果优于最大似然法。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

运动控制网络的研究现状及发展趋势

综述了运动控制网络技术的发展历程和研究现状。阐述了工业控制网络的发展历程；重点分析比较了目前几种运动控制网络的性能，并对其中具有代表性的SSCNET，SERCOS，IEEE 1394，SynqNet和Profinet5种串行运动控制网络的研究现状及性能特点进行了详细分析；最后展望了运动控制网络技术的未来发展方向，指出基于嵌入式计算的开放式、网络化运动控制系统是今后运动控制技术发展的趋势。     

控制网络技术的发展

本介绍了分布式控制网络,嵌入式控制网络及交换式控制网络等控制网络技术,阐述控制网络技术的发展。     

计算机远程控制研究

介绍了一种计算机远程控制技术的设计方案。软件采用/Delphi/语言和UDP协议,设计了一个简单的远程控制程序实例,实现对被控方主机的远程控制。     

分布式网络智能控制模型

基于遗传算法,提出了一种分布网络控制模型。首先,针对由于网络延时的不确定性而可能造成的数据包延时、数据包丢失等严重问题,给出了相应的远程网络辨识和优化控制系统体系结构。接着,给出了辨识与优化的控制算法。最后,给出了相应的应用仿真实验。结果表明,所提出的系统结构与优化算法具有很好的控制效果,具有很强的实际应用性。     

VSAT系统中的频率控制和功率控制问题

本文对VSAT系统中的频率控制和功率控制问题进行了分析,分别给出了一种频率控制算法和载波功率控制算法,算法简单实用,可以用于无导频的VSAT系统中。     

控制网络的实时性分析

本文通过对控制网络的实时性进行了分析,指出了影响控制网络实时性的主要因素,并提出了提高网络实时性应采取的方法.     

DDE技术在控制与信息网络集成中的应用

在SCADA系统中如何实现组态软件与第3方软件的通信是实现控制网络与信息网络集成的关键技术之一。对控制与信息网络动态数据交换相关技术问题做了简要讨论,并结合工程应用举例说明了面向过程控制的动态参数数据交换的程序设计过程。系统实际运行效果表明,基于DDE的控制网络与信息网络的集成是成功的。     

震网病毒分析与防范

近年来随着网络技术的发展,网络攻击发生频繁,并逐步从传统意义上的虚拟空间扩展到工业控制系统中,直接威胁着国家基础设施的信息安全。震网病毒是第一个直接破坏现实世界中工业控制网（SCADA）的恶意代码。文章通过分析震网病毒对SCADA网络的攻击过程和关键步骤,提出对工业控制网络的安全防护建议。     

基于神经网络的自适应控制研究综述

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支。自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。该文综述了近年来神经网络自适应控制的研究现状,阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控触方案,并对神经网络自适应控制的应用作了介绍。在此基础上,对神经网络自适应控制存在的主要问题,如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后,展望了神经网络自适应控制未来的发展趋势,并指出了其研究方向。     

神经元网络控制系统

人工神经元网络基于其特有的功能而被应用于控制系统中,为智能控制提供了一个有潜力的发展方向,本文讨论了神经元网络控制的三种方法:基于模式识别功能的BP网络控制器,基于联想记忆模型的模糊控制,以及基于神经元网络优化功能的控制优化调节,并分别指出其优、缺点及有待解决的一些问题。