直流电动舵伺服系统设计与研究

针对未来高精度、快速响应和小型化的电动舵伺服控制系统的设计问题。通过分析直流舵伺系统的各个组成部分的功能及神经网络模糊控制器控制策略,使用DSP作为控制器构建出电动舵伺服系统,设计神经网络模糊控制算法并进行了半实物试验。试验结果表明,构建的小型化舵伺服系统有很好的动态品质和快速位置跟踪能力,同时,采用DSP控制器设计的数字电动舵伺服系统,满足了高精度与小型化的要求。     

智能控制在空调控制中应用及探讨

作者分析了模糊系统和神经网络的优缺点,在空调控制器中采用神经网络来构造模糊系统的设计思路过程：采用ＢＰ学习算法、可微古典ＳＩＧＭＯＩＤ函数ＳＵＭ－ＰＲＯＤＵＣＴ方法的一种模糊神经网络算法。     

无人车运动稳定性的模糊神经网络PID控制

受转向或侧向风影响,无人驾驶车在运行的过程中易产生失稳.采用了模糊神经网络PID算法,将系统输出偏差的变化量,经模糊化后输入到神经网络PID控制器中,对车辆的质心侧偏角、横摆角速度进行调整,达到控制车辆平稳运行的目的.在不同的工况下对算法的有效性进行了试验分析.结果表明,该算法使系统响应超调减少,反应时间加快,具有较强的抗干扰性.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于模糊神经网络的定尺剪切线控制系统

为了提高卷钢自动定尺剪切的精度,提出一种模糊神经网络控制系统对卷钢剪的切线位置进行控制.控制系统采用模糊神经网络控制器和神经网络辨识控制器相结合的方式对神经网络的学习算法进行改进,通过对模糊神经网络进行训练学习,优化了网络的连接权值,从而能够很好地控制板材送料位置,使得板材在减速期以理想的减速曲线运行,实现准确停车进行剪切.仿真结果表明：该系统具有响应快、鲁棒性强、控制精度高、控制特性好等优点,能够满足剪切生产的要求.     

基于模糊神经网络的焊缝跟踪算法

将智能控制应用到焊缝跟踪系统中,采用模糊神经网络实现模糊控制的功能,提出了一种基于模糊神经网络的焊缝跟踪算法．实验结果表明,基于模糊神经网络的焊缝跟踪系统对于直线焊缝和平滑过渡的弯曲焊缝轨迹跟踪效果令人满意．     

基于优化模糊RBF神经网络的挖掘机铲斗轨迹控制研究

针对挖掘机电液伺服控制系统中存在的非线性和时变性问题,本文结合RBF神经网络和模糊控制各自的优点提出一种基于模糊RBF神经网络PID控制方法。利用K-means层次聚类法确定模糊神经网络的结构参数,并采用改进SSA算法优化训练模糊神经网络。本文还建立了挖掘机铲斗系统的AMESim模型和电控系统的Simulink控制策略模型,并进行联合仿真分析。仿真结果表明：与一般模糊RBF神经网络相比,本文优化后的模糊RBF神经网络在铲斗系统空载时,能将控制精度提升33.7%,在铲斗系统满载时,能将控制精度提升36.2%。     

基于动态模糊神经网络的多余力矩抑制方法

针对负载模拟器难以准确建模,多余力矩严重影响力矩加载性能的特点,提出一种基于动态模糊神经网络抑制多余力矩的新方法．该动态模糊神经网络无须较强领域的专家知识,是系统自动建模及抽取模糊规则的网络,且模糊神经网络结构是动态变化的,其模糊规则是在学习过程中逐渐增长而形成的．设计了结合前馈反馈控制和直接逆控制的控制策略,在线更新算法,实时更新网络结构及参数以及时跟踪被控对象逆模型的变化,与其并行的PID控制器的作用在于保持系统的稳定并获得更快速的系统响应和更佳的跟踪精度．通过仿真可以看出基本消除了多余力矩,系统性能得到改善,仿真效果令人满意．     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试,而且具有较高的理论和应用价值.本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型.模糊神经网络的学习算法采用的是快速的粒子群优化算法.仿真结果表明,该模型在预测水泥28d强度方面达到了很高的精度,有较好的实用价值.     

动态T-S递归神经网络及其应用

基于递归神经网络和模糊系统,给出了一种动态T-S递归模糊神经网络(DTRFNN)。该神经网络用BP算法进行网络权值的学习,并在权值学习的基础上采用改进的BP算法克服局部极小。以动态系统的辨识为例进行仿真实验研究,并与一般的模糊神经网络进行了比较。结果表明,DTRFNN的辨识误差较小,取得了很好的辨识效果。该神经网络应用于某金属温度软测量时,能很好地实现温度的在线检测。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

土木工程结构损伤检测中的神经网络方法

结构损伤检测与识别对结构安全及人们生命财产具有重要意义．近年来结构损伤检测中的神经网络方法受到了广泛的关注和研究．对神经网络方法在结构损伤检测中的研究进行了综合论述．阐述了各类神经网络方法在损伤检测中的应用、输入输出数据的不同类型、结构建模误差对检测效果的影响和分步损伤检测方法等。并对神经网络方法在损伤检测中的发展前景作了展望．     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

非线性连续时间神经网络的熵测度理论

能量函数是神经网络的基本测度函数,但能量最小化原则并不是普遍适用于各种神经网络模型。从本质上讲,神经网络的智能信息处理过程就是系统不确定性减小的过程。基于上述思想,文中深入地研究并揭示了神经网络模型及其能量函数的动态机理和系统熵流之间的联系,建立了连续时间神经网络熵测度理论与方法以及熵学习算法,提出了了基于熵测度的神经优化方法。     

航天器电源模拟系统故障诊断的神经网络方法

BP算法的研制成功使神经网络达到了实用化程度。然而在实际工程中神经网络还没有起到其应起的作用,主要原因不在神经网络本身而在各领域的使用者未能把重点放在输出数据的前处理。根据航天器故障诊断的特点,提出了根据数据特点来构造前处理函数的改进的升半柯西数据归一方法。通过比较证明,采用这一归一方法可大大提高神经网络故障诊断系统的准确性。     

一种基于智能神经网络的入侵检测新方法

提出了一个基于智能神经网络的网络入侵检测新方法. 该方法首先建立功能单一、结构简单、易于构造的小型神经网络来完成单一的网络入侵检测任务,然后将多个训练好的、能够检测多种多样网络攻击的小型神经网络组合成一个大型智能神经网络. 实验采用DARPA 1998入侵检测评估数据库,使用MATLAB软件完成相关仿真实验. 实验结果真实有效.     

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.     

基于BP神经网络整定的PID温度控制

展示了一种基于BP神经网络的PID控制器,利用神经网络的自学习特性,将神经网络与PID控制方法相结合,采用3层前向网络,动态BP算法,实现对温度控制系统的在线智能控制,显示了BP神经网络PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的能力．仿真结果表明,此种PID在温度控制中能够取得较满意的效果．