基于神经元自适应调节的液压伺服系统滑模变结构控制

基于滑模特点和神经元的学习特性,提出一种基于神经元自适应调节的滑模变结构控制策略,并把它应用于一液压非线性伺服系统的位置控制,仿真实验结果表明,所提出的控制策略可行,对进一步改善滑模变结构控制系统的动态特性和鲁棒性,以及削弱滑模控制拌振现象具有明显积极作用,是一种有效的控制方法。     

一种基于模糊滑模监督控制的速度控制器

提出了一种带监督控制器的模糊滑模控制方法,利用监督控制器来保证当系统状态误差远离滑模面时,能迫使系统加速向滑模面运动．先用试错法和直接自适应模糊控制方法设计模糊控制器,然后用改进的滑模函数调整模糊控制器参数以减小系统的抖振,用监督控制器来增强系统的鲁棒性．仿真结果表明,该控制方法是可行的．     

一种模糊自适应控制器

本文提出了一种根据系统输入—输出数据在线修改模糊关系的模糊自适应控制器．文中给出一个由不稳定非最小相位线性部分和饱和非线性两部分组成的随机系统仿真示例，仿真结果表明该控制器是有效的     

基于神经元自适应调节的液压伺服系统滑模变结构控制

基于滑模特点和神经元的学习特性 ,提出一种基于神经元自适应调节的滑模变结构控制策略 ,并把它应用于一液压非线性伺服系统的位置控制 .仿真实验结果表明 ,所提出的控制策略可行 ,对进一步改善滑模变结构控制系统的动态特性和鲁棒性 ,以及削弱滑模控制抖振现象具有明显积极作用 ,是一种有效的控制方法     

一种非线性变结构控制器

本文提出了一种非线性变结构控制器，这种控制系统具有动态响应快、无超调、精度高等特点。结合实例与时间最优控制系统在动态性能指标及控制器结构等方面作了比较。结果表明：用文中方法所设计的系统结构简单，快速性好，且节省控制能源。     

纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制，研究了单神经元自适应PID控制器的实现算法和自学习规律，采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID凋节器和普通神经元控制器应当具有较好的控制品质。     

可控串补（TCSC）模糊变结构控制器

本文分析设计了基于模糊逻辑的可控串补变结构控制器。该控制器对不确定参数变化和外部干扰呈不灵敏性，决策过程与网络结构和系统的工作点无关。仿真结果表明：所设计的控制器具有较好的动态性能和鲁棒性，能有效地改善系统的暂态响应。     

纸浆浓度的自适应模糊调整神经元控制

针对纸浆浓度控制,研究了单神经元自适应PID控制器的实现算法和自学习规律,采用模糊集理论对单神经元学习速率进行动态调整。计算实例表明该控制器应用于纸浆浓度控制比PID调节器和普通神经元控制器应当具有较好的控制品质。     

一种变结构神经网络控制器的设计方法

把变结构控制与人工神经网络有机地结合起来，从而形成一种新型的变结构神经网络控制器，对消除和减小变结构控制的抖动有着一定的指导作用。     

可控串补(TCSC)模糊变结构控制器

本文分析设计了基于模糊逻辑的可控串补变结构控制器 .该控制器对不确定参数变化和外部干扰呈不灵敏性 ,决策过程与网络结构和系统的工作点无关 .仿真结果表明 :所设计的控制器具有较好的动态性能和鲁棒性 ,能有效地改善系统的暂态响应     

一种基于神经网络识别差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别误差动态特性的自适应模糊控制器,该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取。仿真结果表明,其控制性能明显优于普通的模糊控制器。     

T-S型模糊RBF神经网络多变量自适应控制器的研究

提出Ｔ Ｓ型模糊ＲＢＦ神经网络模型,并将该网络模型应用于多变量控制系统,构成多变量自适应控制器．同时对网络结构和参数的学习算法及网络参数的在线自学习算法进行研究．仿真结果表明本文提出的学习方法是有效的,该多变量控制器具有良好的自适应控制能力     

灵巧手指力回路自适应神经网络模糊PID控制

在多指灵巧手位置控制的基础上 ,提出一种在力控制回路采用基于模糊规则的自适应神经网络 PID控制的方法 ,将神经网络、模糊规则和 PID控制相结合 ,以 Fuzzy控制粗调 ,ANN控制为细调 ,改善了常规 PID控制中参数线性组合的缺点 ,有利于提高系统对灵巧手指与外界工作环境接触时 ,接触力控制的自适应能力和对外部干扰的抗干扰能力。最后 ,通过仿真实验验证了提出方法的有效性     

应用模糊神经网络完成模糊控制器的设计和仿真

介绍了模糊神经网络的基本结构,讨论了利用模糊刘经网络技术通过离线学习的设计模糊控制器的方法。     

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能、抗干扰性能和鲁棒性能     

基于神经网络实现模糊控制的方法

介绍了一般模糊控制器的结构和主要组成部分的工作原理，介绍了实现模糊控制的查表法，硬件表用模糊控制器和软件模糊推理法的特点。     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

一种基于遗传神经元网络的模糊控制系统

针对常用的基于BP网络的模糊控制器对模糊控制规则的学习难以达到理想效果的缺陷,采用遗传算法生成前向神经元网络,可同时对网络的极值与结构进行学习,基于此基础的神经网络模型控制系统具有良好的自适应特性。     

模糊神经网络及其在温度控制系统中的应用

根据模糊系统的结构,构造等价结构的神经网络,针对工程实际应用中模糊控制对于时变参数非线性系统缺乏在线自学习或自调整能力的缺陷,设计了一种增强模糊控制规则自学习能力的模糊神经网络控制器．仿真研究和模拟实验证明了方法的可行性．