变结构模糊神经网络在交流解耦变结构系统中的应用*

在感应电动机的控制中采用解耦变结构控制,有效地简化了控制器的设计,并提高了控制器的抗干扰性和鲁棒性,交流解耦变系统中应用变结构模糊神经网络一方面系统原来存在的抖振得以抑制,另一方面又使系统具有自学习和自调整模糊规则的能力,提高了控制系统的智能,改善了控制系统的性能。     

神经网络变结构控制算法

针对智能工业仪表的特点,将神经网络理论与变结构控制理论结合起来,提出一种神经网络变结构控制算法,运用于一般二阶温度系统,取得较好的控制品质与精度.     

神经网络离散变结构控制的算法及其应用

本文首次将自适应线性神经元（Ａｄａｌｉｎｅ）用于离散变结构控制。以滑模面Ｓ（ｋ）＝０作为Ａｄａｌｉｎｅ元的希望输出，作为Ａｄａｌｉｎｅ元的实际输出，通过ＬＭＳ算法在线调整权值可保证滑态可达条件的满足。应用所提出的控制策略对泵控马达速度伺服系统进行控制，仿真表明控制效果是令人满意的。     

神经网络滑模变结构控制研究综述

综述了近年来将人工神经网络控制和滑模变结构控制相结合的研究工作．从神经网络在滑模变结构控制中不同的应用方式出发，论述了神经网络在提高和改善滑模变结构系统性能方面的理论和方法，分析了它们各自的特点与相互之间的联系．最后展望了该领域未来的研究方向．     

机械臂神经网络变结构控制器

本文将变结构原理引入网络控制器的鲁棒性设计，结果表明，此类控制器可自动补偿由于不精确学习或系统参数变化而引起的动态特性上的不足。     

变结构神经网络

针对神经网络结构、性能不佳的普通状况,本文提出变结构的神经网络。先后研究了神经网络单隐层和多隐层的变化情况。仿真试验结果证明是有效的。     

基于神经网络变结构控制的PMSM系统研究

针对交流永磁同步电机伺服系统中，变结构控制策略存在的抖动，采用递归神经网络来调节变结构控制器参数，有效的削弱了变结构控制固有的抖动特性。仿真结果表明，该方案不仅具有良好的动态性能，而且对系统参数变化和负载扰动具有很强的鲁棒性。     

多输出非线性系统神经网络变结构控制的算法及其实现

在变结构控制系统中，切换函数的实际值与理想值之差反映了模型与实际系统的差别，引入神经网络的目的是在线辨识出这种差别。方法实现了对输入多输出非线性系统轨迹踊跃的控制，且对摄动具有很强的鲁棒性，大大减小了系统在切换面上的抖动。     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

智能变结构控制方法综述及其应用

介绍了智能变结构控制的当前发展状况,指出了智能变结构控制能够有效地解决传统变结构控制中存在的缺陷,而且也继承了变结构控制固有的优点,是一种很有发展前途的控制方式.结合实际,简要地介绍了几种流行的智能变结构控制理论,重点介绍了目前比较成熟的模糊理论和神经网络理论同变结构控制的结合,同时也指出当前智能变结构控制的理论还在完善之中,因此在实际工程应用当中需要进一步地研究.     

一种回归神经网络的快速在线学习算法

针对回归神经网络BP学习算法收敛慢的缺陷,提出了一种新的快速在线递推学习算法.本算法在目标函数中引入了遗忘因子,并借助于非线性系统的最大似然估计原理成功地解决了动态非线性系统回归神经网络模型权系数学习的实时性和快速性问题.仿真结果表明,该算法比传统的回归BP学习算法具有更快的收敛速度.     

一类用于连续过程逼近的过程神经元网络及其应用

针对实际系统的输入输出是与时间有关的连续过程,提出了一类用于连续过程逼近的过程神经元网络模型.模型利用神经网络所具有的非线性映射能力,实现系统输入输出之间的连续映射关系.考虑过程神经网络计算的复杂性,在输入空间中选择一组函数正交基,将输入函数和网络权函数表示为该组正交基的展开形式,利用基函数的正交性,简化过程神经元计算.文中给出了学习算法,并以油藏开发三次采油过程模.     

遗传BP神经网络及其在异常检测中的应用

为了克服BP神经网络速度慢、易陷入局部最小的缺点,利用GA的全局搜索能力优化BP神经网络权值,本文提出了遗传BP神经网络算法,并将其用于异常检测之中。在对Kddcup,99攻击数据进行分析和特征约简的基础上,设定了遗传BP神经网络算法的参数。实验结果表明,基于遗传BP神经网络异常检测模型的建立快于BP神经网络算法。     

模糊方向神经网络及其在故障检测与分离中的应用

提出一种用于我工况对象系统故障检测与的模糊方向神经网络，神经网络用模糊集表示故障模式，模糊集是由模糊超体聚集形成的集合体，模糊超体是由单位方向、夹角和两个半径确定，模糊方向神经网络能在一次循环学习中形成非线性方向边界，并不断融合新样本信息和精炼已存在的故障模式。发动机故障检测与分离的仿真研究验证了模糊方向神经网络分类器的优越性能。     

基本样条循环神经网络及其非线性建模

提出一种新的基于基本样条逼近的循环神经网络,该网络易于训练且收敛速度快。此外为克服定长学习步长训练速度慢的问题,提出一种用于该网络训练的自适应权值更新算法,给出了学习步长的最优估计。该最优学习步长的选择可用于基本样条循环神经网络的训练以及对非线性系统的建模。     

BP网络的PID型二阶快速学习算法

本文利用PID控制的思想,提出了BP网络的一种二阶快速学习算法,给出了学习因子选择的必要条件与较佳区域,并结合一非线性正弦函数进行了仿真研究.结果表明,较之标标准BP学习算法,利用此法可使学习收敛速度提高22倍左右.     

一种基于神经网络的知识获取方法研究与应用

提出了一种基于神经网络的知识获取方法,该方法利用语言神经元,对具有开区域的连续输入变量,自动产生相应的语言变量输出,讨论了相应的神经网络训练和知识获取方法,所获取的知识以If-Then的规则形式表示,具有简洁、紧凑、不必进一步化简、易于理解等特点,并给出一个在教学型专家系统中获取专家领域知识的应用实例。     

基于知识的神经网络及其在CRM中的应用

分析一般神经网络应用于CRM时存在的问题,提出将基于知识的神经网络应用到CRM领域。示例表明,基于知识构造出的神经网络不仅提高了网络的可解释性,而且降低了输出误差,提高了学习速度。     

一种改进的BP神经网络算法与应用

针对传统BP算法存在的收敛速度过慢、易陷入局部极小、缺乏统一的理论指导网络结构设计的缺点,分析了一般的改进算法在神经网络优化过程中存在的问题,从蚁群算法和BP算法融合的角度上,并引入了放大因子,提出一种综合改进的BP算法。该算法引入放大因子改善BP算法易陷入局部极小的情况,结合蚁群算法用于指导网络结构设计,并极大地改善了收敛速度过慢的问题。最后,将改进的BP算法与传统BP算法进行应用于煤矿瓦斯预测。通过对实验结果的分析,从时间和正确率上都表明改进的BP算法要优于传统的BP算法。     

神经网络工具nntool及其应用

介绍了MATLAB软件中的神经网络工具nntool的强大功能及其应用。