基于控制器与辨识器的转台系统设计

为改善三轴转台系统性能.结合传统控制方法与神经网络控制,提出一种基于RBF辨识转台系统的CMAC神经网络与PID并行的复合控制算法.算法采用RBF辨识对象模型,CMAC实现前馈控制,并实现PID控制参数的在线整定和优化.也给出了CMAC控制器算法和系统辨识的RBF网络算法.以某转台模型为对象,仿真结果表明算法具有了传统控制的优点,进一步也证明了算法的可行性和优越性,且具有了更强的适应性和鲁棒性,能更为有效地应用于转台系统中.     

基于改进的RBF神经网络在线辨识算法及其应用

针对径向基函数(RBF)神经网络用于非线性系统辨识时存在的问题，对径向基函数网络的拓扑结构作了改进，并给出了改进的径向基函数(MRBF)神经网络的中心选取方法和权值在线调整算法，最后用改进的径向基函数网络对一个典型工业对象(CSTR)进行了应用研究，结果表明方法有效。     

基于径向基函数神经网络的非线性模型辨识

从径向基函数（RBF）神经网络原理分析出发,提出了一种基于RBF神经网络学习算法,用于对非线性对象模型的拟合与辩识,并将此方法用于实际非线性模型的学习与辩识。结果表明,基于RBF的神经网络可快速完成对样本的学习与拟合,对具有连续特性的线性与非线性模型,具有快速实时的学习速度和优良的学习性能。     

基于RBF辨识的模糊神经网络控制器的设计与实现

随着众多新型模糊神经网络被提出,针对模糊神经网络具有的典型特点,即需要对输入输出数据范围进行转化和处理,所涉及到的对量化因子和比例因子的实时调节问题,该文提出一种优化方案。其依据神经网络具有的自学习能力,通过增加模糊神经网络的层数,提出一种包含对量化因子和比例因子调节的改进型模糊神经网络,以减少系统的辅助优化环节。同时,引入辨识性能较好的径向基函数神经网络（RBF）为系统提供精确的Jacobian信息,取代常规的近似做法。最后结合实例仿真证明了该优化方案的合理性。     

一种基于模糊辨识的模糊自适应控制系统

采用模糊基函数表示的模糊逻辑系统作为未知非线性对象的辨识器，以此为模糊自适应控制器提供参数自调整必需的梯度信息。仿真结果表明，此种控制方案对未知的非线性系统的输入有很强的自适应跟踪能力。     

遗传算法自适应模糊神经网络控制

神经网络能够以任意精度逼近任意复杂的非线性关系,具有高度的自适应和自组织性,在解决高度非线性和严重不确定系统的控制方面具有巨大的潜力.但一般神经网络训练算法如BP算法训练速度慢,受初值影响大且易陷入局部极小点,该文提出了一种基于模糊神经网络的间接自校正控制系统,控制器以高斯隶属度函数的径向基函数（RBF）神经网络结构,利用改进的遗传算法（GA）对结构和参数进行同步优化,改进适应度函数指导搜索过程,在保证稳定情况下大大加快了收敛的速度.神经网络正向模型（NNP）利用弹性BP算法进行离线辨识,使得到的模型泛化性能好.     

基于RBFNN的非线性动态系统辨识与控制

提出了将径向基函数神经网络(RBFNN)的辨识能力与非线性内模控制结合起来得到一种新的控制策略.介绍通过训练RBFNN来得到过程的逆模,由此逆模控制器与一个鲁棒滤波器组成非线性内模控制器.给出了pH中和反应过程的仿真.     

水泥篦冷机出口熟料温度自适应辨识模型

为了优化控制系统,建立篦冷机温度熟料出口的识别模型,利用篦冷机内熟料换热机理,找出熟料冷却过程的关键影响因素;利用回声状态网络辨识篦冷机运行数据,基于递归最小二乘法推导网络的在线学习算法,实现权值自适应调整,从而建立了篦冷机出口熟料温度的自适应辨识模型.仿真实验可知,在系统发生变化时构建的模型能够自适应调整网络输出权值矩阵,使模型快速收敛.与其他离线方法相比,提出的熟料出口温度的自适应模型更加持久有效,可以作为辨识模型指导篦冷机的控制.     

基于MATLAB的神经网络辨识与控制工具箱

该文简单介绍了基于MATLAB的NNSYSID，NNCTRL神经网络辨识与控制工具箱，详细说明了工具箱中用于系统辨识的函数和用于控制器设计的函数，并通过一个具体的例子来说明利用工具箱来设计非线性系统的神经网络辨识器和控制器。     

RBF神经网络的PID控制研究与仿真

研究工业控制系统优化问题,由于工业控制领域中存在复杂非线性时变系统,很难确定精确模型.传统PID控制局限于线性系统,控制效果不理想.为了提高控制精度,提出一种RBF神经网络辨识的PID控制方法.首先利用RBF神经网络线辨识被控对象的离散模型,获得PID参数在线调整信息,然后利用单神经元对控制器参数进行在线自适应整定,从而实现系统的智能控制.通过实例进行验证,并与传统PID控制方法进行对比,结果表明控制方法具有响应速度快、控制精度高等优点,且具有较强的自适应性、鲁棒性和抗干扰能力,为控制系统设计提供了新方法.     

基于模糊控制的农业大棚远程监控系统的研究

以带有ARM11处理器的智能模块为监控端,以PC为远程管理中心,开发了一套农业大棚环境远程监控系统。该系统监控端基于Linux系统实现对大棚环境的视频和参数采集;远程管理中心通过3G网络远程查看植物生长状况,并对采集的环境参数经模糊控制器分析后,将控制信息通过3G网络发给监控端对相关设备进行控制。本系统实现了远程监控农业大棚的功能,对国内农业走智能化发展道路具有一定的参考价值。     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

数字信号调制识别的RBFNN分类器算法研究与实现

提出了一种新的用于数字信号调制识别的径向基函数神经网络（RBFNN）分类器算法。该算法采用减法聚类算法和最小均方算法实现了对隐含层中心点个数及位置和输出层权值系数的自适应训练。此算法能够综合考虑所有特征参量,能够在多维空间内找到最佳分界面;同时,解决了隐含层中心点个数及位置的盲目性和随机性的问题。仿真实验表明,在相同特征参量情况下,该算法能够有效提高正确识别率。     

基于模糊与自校正技术的超声电机伺服控制

通过电机的工作原理和速度特性分析,选定驱动频率为其控制变量;为实现电机快速而高精度位置控制,引入模糊和自校正复合控制技术,其中,模糊逻辑控制技术意在实现控制的快速性,自校正技术用以提高控制精度;组建了控制系统,完成了相应的控制实验;结果表明:在超声电机上采用这种复合控制技术上可以得到较好的控制效果。     

椭球基函数神经网络的指纹识别方法

椭球基函数（Ellipsoidal Basis Function,EBF）使网络划分输入空间成为封闭有界的局部作用的空间,与径向基函数（Radial Basis Function,RBF）神经网络的高斯函数相比,它对空间的划分更明确。因此,它的模式识别能力将有所提高。提出了一种基于EBF神经网络的指纹识别方法。首先,利用小波变换（Wavelet Transform,WT）直接从二值化指纹图像中提取细节特征,简化了复杂的预处理步骤,极大地减少了计算量,提高了识别的速度。同时利用EBF神经网络进行分类识别,有效提高了识别精度。该算法在FVC2000（国际指纹竞赛数据库）上作了测试。并与文献[9]中的WT-RBF算法进行比较。实验结果表明,提出的算法获取了较高的识别率,并且缩短了识别时间。     

四旋翼无人飞行器混合控制系统研究

针对四旋翼无人飞行器质量未知情况下的垂直起降控制问题,提出一种基于状态反馈和神经网络自适应的混合控制方法。该方法通过一个状态反馈控制器实现飞行器的水平位置和航向控制,考虑到飞行器负载的未知特性,通过径向基函数(RBF)神经网络对飞行器质量进行估计,从而实现对高度的精确控制。仿真分析及验证表明,所提出的控制方法能够有效实现飞行器高度的精确控制,并能够在线估计出飞行器质量参数。     

智能化温度测控仪表设计研究

虚拟仪器仪表作为计算机技术和现代仪器技术相结合的产物,实现了在传统测试理论和测量方法上的革命性突破。为准确测控测控,本文将传统的热电偶测温技术、先进的虚拟仪器与单片机技术结合起来,设计了功能丰富、测量效率高的测温仪表。     

Nonlinear MPC based on a Volterra series model for greenhouse temperature control using natural ventilation

Suitable environmental conditions are a fundamental issue in greenhouse crop growth and can be achieved by advanced climate control strategies. In different climatic zones, natural ventilation is used to regulate both the greenhouse temperature and humidity. In mild climates, the greatest problem faced by far in greenhouse climate control is cooling, which, for dynamical reasons, leads to natural ventilation as a standard tool. This work addresses the design of a nonlinear model predictive control (NMPC) strategy for greenhouse temperature control using natural ventilation. The NMPC strategy is based on a second-order Volterra series model identified from experimental input/output data of a greenhouse. These models, representing the simple and logical extension of convolution models, can be used to approximate the nonlinear dynamic effect of the ventilation and other environmental conditions on the greenhouse temperature. The developed NMPC is applied to a greenhouse and the control performance of the proposed strategy will be illustrated by means of experimental results.     

真空冷冻干燥温度的智能预测控制

真空冷冻干燥过程中,升华温度的精确控制是一个大时滞、非线性的控制问题,实际测试表明,现有的PID控制很难实现对升华温度的精确动态跟踪控制,影响冻干物质的物理、化学和生物性状,尤其是生物制品的活性等。提出基于自适应粒子群优化预测函数控制（APSO-PFC）的真空冻干温度控制方法,通过与PID控制方法的比较,以及对洋葱等真空冷冻干燥温度的动态跟踪控制表明,该方法优于原有的PID控制,实现了真空冷冻干燥温度的精确动态跟踪控制。     

基于径向基神经网络和正则化极限学习机的多标签学习模型*

相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型中输入层使用ML-RBF进行映射,且通过AP聚类算法自动确定每一类标签的聚类个数,计算隐层节点个数.然后,利用每类标签的聚类个数通过K均值聚类确定隐层节点RBF函数的中心.最后,通过RELM快速求解隐层到输出层的连接权值.实验表明,ML-AP-RBF-RELM效果较好.