神经网络在汽车四轮转向控制中的应用

为适应车辆运动的非线性特性，采用神经网络理论，设计了神经网络汽车四轮转向控制系统，并对该系统进行了仿真分析。仿真结果表明：神经网络控制系统比线性控制系统能明显地改善控制效果。     

一种鲁棒神经网络结构在温度控制系统中的应用

在神经网络直接逆控制的基础上，加入闭环增益成形控制算法，构成闭环的控制系统，以提高系统的鲁棒性。通过对简单的温度控制系统仿真结果分析可知，当系统没加入死区模型摄动时，具有闭环增益成形控制算法的神经网络控制系统与神经网络直接逆控制的控制性能相近，当加入死区时，前者明显提高了系统的鲁棒性。     

一种改进BP神经网络在感应电机速度控制中的应用

该文针对传统BP神经网络的不足，提出了一种改进BP神经网络速度控制器，并且应用于感应电机矢量控制系统。为了提高系统的鲁棒性，采用了在线辨识技术，对参数的变化实时补偿。计算机仿真表明，这种基于改进BP神经网络组成的感应电机矢量控制系统具有良好的性能。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

混沌系统的神经网络预测控制

提出一种基于预测控制的神经网络控制方法，将模型未知时的混沌运动控制到不稳定的不动点（UFP）处，该控制系统不需要UFP的位置及其局性态等知识，它包括观测器、带反馈校正的神经网络在预测器和在线训练的神经网络控制器，其方法简便，收敛速度比现有同类方法快得多，同时还分析了控制系统的稳定性，并证明了神经网络控制器的收敛性，理论推导和仿真结果都表明了该方法的有效性。     

基于模糊神经网络PID的控制系统设计

目前,很多智能算法都融入到了非线性控制系统中,形成智能化的控制系统,例如神经网络、模糊控制等。本文结合神经网络和模糊控制,介绍了基于模糊神经网络PID控制系统的设计原理和实现方法。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制方法。该方法是针对ＢＰ算法训练神经网络控制系统时收敛速度慢、动态特性不够理想等不足，用改进的遗传算法来优化神经网络辨识器与控制器的参数，以提高控制系统的性能，仿真实验表明该控制器对于非线性、时变、滞后等对象都具有很好的控制精度、鲁棒性和动态特性。     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案，该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络，网络结构为2-4-1；辨识算法为动态BP算法；控制器采用两层线性结构的神经网络，输入为系统偏差及其一阶、二阶微分，因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究，仿真结果表明该控制方案不仅具有良好的跟踪特性，而且对系统参数变化具有较强的鲁棒性。     

神经网络PID控制在恒温恒液位系统中的应用

本文讨论了基于神经网络理论的PID控制，并将其应用于恒温恒液位控制系统，利用神经网络的自学习能力在线整定控制器参数。试验结果表明神经网络PID控制器具有较高的工和较强的适就生，可以获得满意的控制效果。     

时滞系统的神经网络辨识与控制算法

针对时滞系统、应用神经网络的非线性逼近能力，采用神经网络实现内模控制中被控对象的正模型及内模控制器，用Lyapunov稳定性定理证明神经网络控制系统的稳定性。仿真结果说明神经网络内模控制方案的优越性。