基于D-FNN的混沌铁磁谐振系统非线性补偿控制方法

针对电网混沌铁磁谐振系统产生的混沌现象,提出基于动态模糊神经网络的混沌铁磁谐振系统非线性补偿控制方法。该方法采用动态模糊神经网络来逼近系统的非线性部分,消除了过电压的混沌现象,将系统稳定到目标位置,实现了对系统的非线性补偿控制。Matlab仿真结果表明,基于动态模糊神经网络的非线性补偿控制方法控制结果正确,响应快速。     

用进化RBF神经网络控制Lorenz混沌

对镇定一嵌入在Lorenz混沌吸引子内的不稳定平衡点上的混沌轨道提出了一种利用进化RBF网控制混沌系统的新方法,采用了基于两层编码改进进化规划（IEP）的RBF网学习算法,要以同时确定网络的拓扑结构和参数,仿真结果表明本文控制Lorenz混沌响应速度快,控制精度高。     

混沌系统的神经网络控制

提出一种利用神经网络控制系统混沌运动的新方法,并用该方法实现了Ｌｏｒｅｎｚ和Ｒｏｓｓｌｅｒ系统混沌运动控制,从而使系统由混沌运动状态转变为规则运动状态。仿真结果表明,该方法控制混沌系统响应速度快,控制精度高。     

不确定混沌系统的动态神经网络跟踪控制

针对不确定非线性混沌系统，提出了一种基于动态神经网络辨识器的自适应跟踪控制新方法，通过滑模控制技术在线调整动态神经网络辨识器权值，并在获取动态神经网络模型的基础上设计出优化控制器，实现混沌系统的轨道跟踪，对辨识误差和轨道跟踪误差进行分析并证明了它们的有界性，Lorenz混沌系统的仿真实验结果表明了控制策略的有效性。     

混沌系统的RBF神经网络控制设计

对镇定一嵌入在混沌吸引子内的不稳定平衡点上的混沌轨道提出了一种新的混沌系统神经网络补偿控制方法，探讨了用神经网络估计混沌系统不确定性的途径，给出了神经补偿控制器的设计方法，并证明了闭环系统的稳定性。以三阶Ｌｏｒｅｎｚ方程为例给出了仿真结果。     

基于RBF神经网络的混沌时间序列预测

本文提出将径向基函数(RBF)神经网络应用于混沌时间序列的预测,设计了一个三层RBF网络结构.对于三个典型的混沌系统,在不同的噪声水平下,采用RBF网络模型分别进行了预测研究.仿真结果表明,采用RBF网络进行混沌时间序列的预测能够取得比现有其它方法更好的效果.     

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。     

非线性系统的神经网络学习控制

主要控制了一类非线性系统的神经网络学习控制问题。讨论了以迭代学习方式训练的神经网络学习控制器，在满足一定条件，可以实现一定时间内的系统输出跟踪。     

RBF神经网络在混沌信息加密中的应用

混沌加密技术作为信息安全保护的新技术已成为目前国内外科研的热点问题。本文基于以上原理综合运用多种信息安全技术,设计了一种基于混沌加密的网络环境中的信息安全传输方案。方案中采用神经网络产生级联混沌序列,有效提高了低维混沌序列的安全性同时克服了有限精度对混沌序列性能的影响。     

基于RBF神经网络的非线性时间序列在线预测

针对非线性非高斯时间序列, 提出观测噪声服从隐马尔可夫模型(HMM)的径向基函数(RBF)神经网络(RBF-HMM)预测模型, 其特点在于模型输入包含误差反馈项、RBF网络隐含层节点数的可变性和观测噪声的隐马尔可夫性; 并采用序列蒙特卡罗(SMC)方法实现基于RBF-HMM模型的时间序列在线预测. 最后采用太阳黑子数平滑月均值数据和CRU国际钢材价格指数月数据进行实证研究, 结果表明该模型的有效性.     

RBF神经网络热式气体流量计温度补偿

为了解决热式气体流量计测量电路中采用硬件温度补偿成本高且精度不够等问题,利用神经网络的特点,设计了一种基于径向基函数(RBF)神经网络的软件温度补偿方法.实验表明:通过RBF神经网络温度补偿,有效地抑制了温度对流量计测量结果的影响,实现了环境温度梯度变化下气体流量测量的准确性和稳定性,测量准确度达到1.0级,且重复性好.     

基于RBF神经网络的传感器非线性误差校正方法

介绍了利用人工神经网络进行传感器非线性误差校正的原理。提出了传感器非线性误差校正的径向基函数(RBF)神经网络方法,并与采用BP神经网络校正非线性误差进行了比较。最后给出了一个仿真实验,实验结果表明:采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器非线性误差,校正效果优于BP神经网络。     

基于RBF网络的信息融合在机器人足球中的应用

机器人足球系统是综合性的人工智能研究平台。决策在机器人足球比赛中起着至关重要的作用。通过对机器人足球系统的分析,论证了信息融合应用于机器人足球系统的可行性。针对机器人足球比赛决策中的实际问题,提出了基于径向基函数(RBF)神经网络的信息融合方法,并设计了足球机器人射门实验。实验结果证明该方法有助于提高整个系统决策的准确性。     

An Adaptive RBF Neural Network Control Method for a Class of Nonlinear Systems

This paper focuses on designing an adaptive radial basis function neural network (RBFNN) control method for a class of nonlinear systems with unknown parameters and bounded disturbances. The problems raised by the unknown functions and external disturbances in the nonlinear system are overcome by RBFNN, combined with the single parameter direct adaptive control method. The novel adaptive control method is designed to reduce the amount of computations effectively. The uniform ultimate boundedness of the closed-loop system is guaranteed by the proposed controller. A coupled motor drives (CMD) system, which satisfies the structure of nonlinear system, is taken for simulation to confirm the effectiveness of the method. Simulations show that the developed adaptive controller has favorable performance on tracking desired signal and verify the stability of the closed-loop system.      

基于径向基神经网络的立体匹配算法*

针对双目视觉中的图像立体匹配问题,提出了一种基于径向基神经网络的立体匹配算法。该算法提取图像的尺度不变特征变换（SIFT）特征建立特征匹配矩阵,对特征匹配向量进行约简,最后将约简的特征匹配向量输入径向基神经网络进行识别输出。仿真和实际图像实验表明,该算法的匹配正确率比标准的SIFT有所到提高。     

混沌系统的混合遗传神经网络控制

在小扰动控制技术基础上,将暂态误差预测方法和遗传算法结合起来,提出了一种混合遗传神经网络控制非线性混沌系统的新方法(简称HyGANN).通过增强学习训练,HyGANN可产生控制混沌状态的小扰动时间序列信号,Henon映射的计算机仿真结果表明,它不仅有效镇定混沌周期1,2等低周期轨道,还可成功将高周期混轨道变成期望周期行为.     

非线性耦合分数阶Chen混沌系统和网络的同步

利用非线性函数耦合混沌同步方法,讨论分数阶Chen混沌系统的同步问题,分析初始值和耦合系数的选择对于实现混沌同步的影响。并将该方法推广,实现规则网络的混沌同步。通过数值模拟实验,验证所提出方法的有效性。     

Non-affine nonlinear adaptive control of decentralized large-scale systems using neural networks

This paper introduces a new decentralized adaptive neural network controller for a class of large-scale nonlinear systems with unknown non-affine subsystems and unknown interconnections represented by nonlinear functions. A radial basis function neural network is used to represent the controller’s structure. The stability of the closed loop system is guaranteed through Lyapunov stability analysis. The effectiveness of the proposed decentralized adaptive controller is illustrated by considering two nonlinear systems: a two-inverted pendulum and a turbo generator. The simulation results verify the merits of the proposed controller.