复合神经网络控制器的可解性及求解方法

根据复合神经网络控制器的可分性,本文符合 证明了此类控制器是可解的,并以此为依据,给出了复合网络控制器的求解步骤,并给出应用实例,为复合网络控制器的实际应用提供了理论依据和使用方法。     

一种新的复合神经网络控制器

目的介绍一种新的复合神经网络控制器的结构。方法结合传统控制、神经网络监督控制、神经网络逆控制的优点提出复合控制器方案,建立用它控制水箱系统的水位和温度的仿真模型,并进行计算机仿真。结果仿真实验表明,复合神经网络控制器中的PD控制器、神经网络监督控制器、神经网络逆控制器,可以协同工作,也可以在某种程度上单独工作。结论复合神经网络控制系统的鲁棒性和抗干扰性得到提高。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题,提出一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进,采用保留精英的线性排序选择,避免成熟前收敛,并给出算术交叉算子和乘法变异算子,使算法同时具有好的搜索精度和搜索效率,然后采用这种改进的遗传算法对非线性动态系统的控制进行优化,获得基于一定性能指标的期望的状态轨迹及相应的最优控制序列,并以此训练神经网络控制器。最后给出了以同     

自适应神经网络PID控制器

提出了一种新型神经网络PID控制器，其学习速率是通过三层前向BP网络在线辨识学习，使神经元有较强的智能性、自适应和自学习的能力；同时，将Smith预估器与神经元PID控制器相结合，能更有效地抑制纯滞后的影响。仿真结果表明该控制器有较好的控制效果和鲁棒性。     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。     

直接作用式神经网络控制器研究

提出了种新颖的直接作用式神经网络控制器，将其应用于铣床切削过程控制，使铣削力在加工条件变化时始终保持恒定，该控制器具在线自学习能力，无需预先训练网络的权值，更不用建立控制对象的数学模型。实验结果表明其控制性能优越，自适应能力强。     

神经网络控制器的海上验证

针对船舶航向保持问题，借助于仿真系统设计了一种神经网络控制器，并通过海上实船试验表明该控制器在实际应用上是可行的，应用简单，鲁棒性强，在不同海况下，航向保持性能良好。     

回归神经网络控制器的研究与应用

分析了利用具有多层反馈的动态回归神经网络作为控制器的可行性 ,构造了基于RNN的控制系统,并对典型的非线性化工对象连续搅拌釜反应器(CSTR)和化工过程Benchmark问题进行了实时的控制应用。结果表明,多层反馈的回归神经网络控制器具有结构简单、控制效果好的优点,特别是在对Benchmark控制中采用了多入多出的RNN控制器构造的串级控制系统,体现了RNN控制系统的强适应能力,可用于复杂动态过程的控制。     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

基于神经网络的带遗传算法的模糊控制器

研究如何将模糊逻辑系统（ＦＬＳ）、人工神经网络（ＡＮＮ）及遗传算法（ＧＡ）相结合,构成一个有机的控制器,从而达到准确、快速的控制。     

神经网络及其应用

阐述了神经网络目前流行的前向网络、反馈网络、相互结合型网络、混合性网络 ,并举例说明把神经网络用于机器人控制     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

自组织逼近神经网络模型及其应用

针对动态范围较大的多峰函数逼近问题,提出了一种自组织逼近神经网络模型。仿真实例表明：这种模型对动态范围较大的多峰函数逼近问题较经典的BP模型优越得多,为解决复杂函数逼近问题提供了一条有效的途径。     

神经网络直接自适应控制器的设计与实现

柔性机器人在受限运动时由于控制对象极其复杂而难以控制。为了解决受限柔性机器人机械臂难以精确定位问题提出并设计了一种神经网络直接自适应控制器。其控制效果在研究的受限柔性机器人控制实验上作了仿真与实验。结果表明该控制器能经较高精度控制受限柔性机器人的机械臂精确定位。本文是深入研究受限柔性机器人控制问题的基础。     

WAVELET PACKET AND FUZZY NEURAL NETWORK FOR TOOL CONDITION MONITORING *

在自动化制造中,线监控刀具状况以保护刀具与加工工件显得越来越重要．近年来,许多研究者在此领域进行了广泛的研究,然而由于加工过程的不确定性,现有的刀具监控系统的可靠性还有待提高．本文提出了一种基于小波包分析与模糊神经网络的自适应刀具监控系统,该系统利用小波包分析方法将加工过程振动信号分解为不同的频率段,并在此基础上,建立了自适应特征提取方法,为模糊神经网络提供最优的特征输入,然后模糊神经网络据此进行决策,分析刀具磨损状况．实验结果表明：该系统模糊神经网络能有效通过学习人类模糊知识和在线学习样本来提高刀具监控精度．     

神经网络用于两电站间切机协调控制决策

提出了一种应用单隐层前馈神经网络决定多机电力系统中两电站间暂态稳定切机协调控制规律的方法，所选神经网络的输入量与输出量间呈近似连续映射关系，从而保证了神经网络结构的合理性，新英格兰１０机３９节点试例系统的仿真结果表明了文中方法的有效性。     

单神经元自适应PSD智能控制器及其应用

介绍一类新型单神经元自适应ＰＳＤ智能控制器及其在电加热炉中的应用，实时控制结果表明；它具有超调小，响应快和精度高的特点。     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制器的方法,主要包括基于神经网络的非线性系统的在线直接自校正和间接自校正控制和满足局部能控一般非线性系统的神经网络自校正控制。从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性。所提供的控制器都可在线实现