基于遗传神经网络求解机械手逆运动学问题

首先采用神经网络逆辨识模型建立机械手的逆运动学模型,结果显示该法不可行,然后采用神经网络模型和遗传算法相结合的方法来解决其逆运动学控制问题,结果表明此方法即便是在系统不存在其逆映射时,也能获得很好的效果,从而验证了该方法的有效性。     

基于神经网络PID的番茄室温环境控制

番茄在温室环境中种植时,温度、湿度、CO_2浓度是影响番茄品质的重要因素。番茄温室环境通常是一个非线性、时变性、滞后性复杂系统,采用传统PID对温度、湿度、CO_2浓度进行控制效果并不理想。为提高番茄温室环境控制效果,设计一种基于神经网络PID的自适应控制方法。介绍番茄温室控制方案,结合控制方案设计控制系统硬件。为提高温室系统自适应能力,将神经网络自学习算法与PID算法相结合,实现PID参数的在线自适应调整。仿真结果表明,该控制方法与传统PID控制方法相比,大幅降低系统收敛时间,控制精度得到大幅提高。     

基于神经网络逆模型的残碱控制系统

讨论了一个比较复杂的纸浆洗涤过程的数学模型，经过多次搜寻，可用五层串并联叠层BP神经网络来模拟这种多输入单输出高价模型，给出了该生产过程的神经网络逆模型结构及其主要内部特征，以及用该神经网络逆模型进行了仿真的情况，并运用此神经网络逆模型，设计出一套基于神经网络逆模型的残碱开环控制系统，再附加一个残碱串级反馈控制作为主控系统的辅助监督控制，或主控故障时的备用控制。     

基于ANFIS的精纺毛型织物剪切性预测

剪切性能作为织物的基本力学性能之一,对织物风格有决定性的影响.基于自适应模糊神经网络ANFIS的精纺毛型织物的剪切性能预测模型,建立了织物的纤维特性、结构与织物剪切性能之间的关系.通过对网络的训练,使该网络具有较强的自适应预测能力.     

基于神经动态优化的离散时滞系统预测控制

文章利用神经动态优化方法研究离散时滞系统预测控制问题,首先将离散时滞系统的模型预测控制问题转化为带约束的优化问题,再采用梯度神经网络进行在线求解。该神经网络具有较少的状态变量,结构简单,优化速度快,能够有效的解决带有约束的规划问题。仿真结果表明该神经动态优化方法可提高模型预测控制的在线计算能力。     

基于模糊高斯基函数神经网络的滑模控制

研究了一类不确定非线性系统的滑模变结构控制,提出了一种基于模糊高斯基函数神经网络的滑模变结构控制器设计方法.模糊神经网络能以任意精度逼近非线性连续函数,因此应用自适应模糊-神经网络控制理论来逼近动态系统的非线性函数,而且将滑模控制方法与模糊-神经网络控制理论相结合,可以使控制器对系统干扰和逼近误差具有很强的鲁棒性.与常规方法相比,这种控制器不仅保证了闭环系统的稳定性,而且有效地消除了颤动现象.仿真结果表明了该方法的有效性.     

基于卷积神经网络温室智能大棚监控系统的研究

针对目前温室控制系统中对温室环境参数调节不够准确、控制成本高、智能化程度低等现状,综合考虑温室环境因素之间的相互影响,设计了一种基于卷积神经网络的温室智能大棚监控系统。该系统采用卷积神经网络技术,利用嵌入式技术和单片机控制组合的搭配,使系统更加精准、稳定,实现了真正的脱离人控的自适应智能控制。系统是集智能检测、通信技术、卷积神经网络、自动控制于一体的新型智能温室控制系统。     

纸张定量水分解耦及滞后控制策略的研究

针对造纸过程中纸张定量与水分之间存在严重耦合的问题,提出了一种基于神经网络的静态解耦方法,成功地将造纸过程的多变量系统变成了单变量系统,实现了定量、水分之间的解耦。同时由于造纸生产过程存在较大滞后,运用增益自适应补偿控制方案,有效地克服了滞后对控制系统稳定性和质量控制的影响。仿真结果表明该系统具有良好的控制效果。     

基于主成分分析、遗传算法和神经网络对啤酒感官评价预测的研究

使用主成分分析、遗传算法和神经网络建立啤酒感官评价模型并预测.该模型先将啤酒中23个理化及风味指标进行主成分分析,再将主成分得分作为输入数据,感官评价得分作为输出数据,使用BP神经网络建立预测模型,并采用遗传算法优化神经网络的权值.用此模型对50种啤酒的感官得分进行预测,预测最大相对误差为16.08%.经过对感官评价的分析,最大相对误差小于20%认为可信.结果表明,该方法能有效地预测啤酒感官评价.     

基于组合趋近律的模糊滑模控制

针对组合趋近律下滑模控制器的输出高频振荡问题,提出了一种基于组合趋近律的模糊滑模控制方案.该方案采用模糊控制器实现指数趋近率参数ξ的自适应调整,利用组合趋近律建立滑模控制器的控制律.仿真结果表明,此方案对于提高系统的稳态性能、削弱控制器的输出抖振有良好的效果.