神经网络控制的应用

神经网络首先用于解决模式识别问题。随着80年代神经网络理论的突破性进展，神经网络控制引起控制界的广泛注意。由于系统的复杂性，存在多种不确定性及难以确切描述的非线性。现代工业对工业过程控制不仅要求控制的精确性，还要求控制的鲁律性、实时性、容错性及对控制参数的自适应和学习能力。传统适应控制方法存在局限性，传统控制未能从根本上解决控制问题，所以智能控制得到迅速发展。神经网络在系统辩识、模式识别、信号处理、图象处理、故障诊断等方面得到广泛应用。神经网络控制是从机理上对人脑进行简单结构模拟的新型控制和辩识方…     

神经网络技术在非线性系统控制中的应用

神经网络控制自问世以来得到广泛的应用。本文介绍了神经网络控制的概念及特点，概述了神经网络控制的主要控制策略并且讨论了它在实际应用中遇到的问题。同时我们也根据自己在实际研究中的经验提出一些解决这些问题的方法。最后，我们对神经网络控制的应用前景和研究方向作一个展望。     

基于神经网络的机器人智能控调

本文综述了智能控制与机器人控制的特点，并在智能控制的框架下，重点论述了神经网络控制在机器人控制中的应用及其于神经网络的机器人各种控制方法，同时指出今后的研究方向，为神经网络控制乃至智能控制在机器人控制中的应用提供了参考。     

神经网络技术在非线性系统控制中的应用

神经网络控制自问世以来得到广泛的应用。本文介绍了神经网络控制的概念及特点，概述了神经网络控制的主要控制策略并且讨论了它在实际应用中遇到的问题。同时，我们也根据自己在实际研究中的经验提出一些解决这些问题的方法。最后，我们对神经网络控制的应用前景和研究方向作一个展望。     

质子交换膜燃料电池的神经网络建模与控制

该文从设计质子交换膜燃料电池（PEMFC）控制方案的角度出发，首先提出了采用Elman动态神经网络对PEMFC系统进行建模的新方法，以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络，并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度；Elman神经网络辨识可使辨识过程简化并提高了辨识精度。然后在此基础上设计了自适应模糊神经网络控制器。最后的仿真实验以Elman神经网络模型为参考模型，使用自适应神经网络控制算法控制PEMFC的工作温度，取得了较好的控制效果。结果显示所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。     

神经网络控制的现状与展望

对神经网络在控制中的应用进行了综述,特别对现阶段几种较重要的神经（网络）控制的现状进行了评述,并对神经控制的发展作了展望,最后对神经网络用于控制中存在的几个问题进行了探讨。     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素，而难以建立精确的数学模型的情况，提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器，模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点，该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明，该方案可以实现模糊控制和神经网络的优势互补，对不确定非线性系统具有很好的控制效果。     

基于神经网络的自适应控制研究综述

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支。自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。该文综述了近年来神经网络自适应控制的研究现状,阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控触方案,并对神经网络自适应控制的应用作了介绍。在此基础上,对神经网络自适应控制存在的主要问题,如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后,展望了神经网络自适应控制未来的发展趋势,并指出了其研究方向。     

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。     

神经网络在过程控制中的应用

神经网络是智能控制的一个重要分支，内客与应用都十分丰富，本文对神经网络的发展以及在过程控制中的应用做了简要的介绍，指出神经网络在控制领域的巨大生命力和前景，以及在发展中遇到的问题，着重介绍模糊神经网络以及神经网络在非线性控制中的应用中的新进展。     

神经网络控制结构及所用神经网络

本文阐述了神经网络控制所能解决的控制难题，若干种控制结构及常用的动态神经网络。讨论了神经网络控制研究的重点，在实时控制中的物理可实现性及其发展等问题。     

基于强化学习神经网络的车速跟踪控制

提出一种用于汽车排放试验中驾驶机器人对车速跟踪控制的新方法.该控制方法基于神经网络并结合强化学习的自适应能力,通过神经网络的在线学习对车速进行跟踪控制.利用试验汽车所获得的数据,首先开发出用于车速控制的神经网络模型.然后基于强化学习神经网络结构设计神经网络控制器以取得车速跟踪的自适应控制.在仿真研究中,使用神经网络车速控制模型替代实际汽车来训练初始控制器,并用开发与训练好的自学习神经网络控制器用于汽车车速跟踪控制.结果表明,所开发的神经网络控制器具有良好的车速跟踪性能,控制效果明显.     

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器,在引入了控制加权的目标函数下优化神经网络权值学习,因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性,并通过仿真验证了控制器的有效性。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

多步预测性能指标函数下的神经网络逆动态控制方法

将预测控制与神经网络逆动态控制相结合,提出了多步预测性能指标函数下的神经网络逆动态控制方法。该方法用多步预测性能指标函数训练神经网络逆动态控制器的权值,使整个系统具有预测控制的特点,有比通常的神经网络逆动态控制快得多的响应速度和更好的响应性能。     

多变量非线性飞行控制系统的神经网络动态逆控制方法

针对多变量非线性飞行控制系统,从理论上对其逆系统的解析形式进行了详细推导,根据神经网络逼近逆系统的原理分析,提出了一种由静态神经网络和积分器组成的动态神经网络,构造了多变量非线性飞行控制系统的神经网络动态逆控制系统,并利用动力伞飞行控制系统进行了仿真验证,结果表明这种控制方法完全满足控制要求,具有较好的抗干扰能力和鲁棒性能。     

Nonlinear one-step-ahead control using neural networks: Control strategy and stability design

A nonlinear one-step-ahead control strategy based on a neural network model is proposed for nonlinear SISO processes. The neural network used for controller design is a feedforward network with external recurrent terms. The training of the neural network model is implemented by using a recursive least-squares (RLS)-based algorithm. Considering the case of the nonlinear processes with time delay, the extension of the mentioned neural control scheme to d-step-ahead predictive neural control is proposed to compensate the influence of the time-delay. Then the stability analysis of the neural-network-based one-step-ahead control system is presented based on Lyapunov theory. From the stability investigation, the stability condition for the neural control system is obtained. The method is illustrated with some simulated examples, including the control of a continuous stirred tank reactor (CSTR).     

一种基于模糊逻辑神经网络的自适应控制及其应用

本文提出了一种模糊逻辑神经网络自适应控制器．这种控制器由一个模糊高斯神经网络和一个多层神经网络组成．它具有自适应和学习能力．计算机仿真和实际的伺服直流电机调速实验的结果表明本文提出的这种控制器是切实可行的，其系统响应和鲁棒性优于常规的Ｆｕｚｚｙ控制．