基于动态BP网络的实验电炉温度控制系统

针对一类不允许出现超调的工艺参数,提出了采用动态BP网络对工艺参数进行控制,可以达到良好的效果。并以实验电炉为对象,用工控机对其炉温进行控制,结果表明,采用动态BP网络进行控制,可以无超调地无限逼近给定值,控制精度高,控制时间较短。因此可以认为,用动态BP网络对这一类工艺参数的控制是有效的。     

电液位置伺服系统的一种局部自适应方法

目的设计一种自适应的控制方法，消除机器人动力参数的变化对其电液位置伺服系统动态特性的影响．方法根据电液位置伺服系统本身的结构特点。提出和设计了一种局部自适应的控制方法，使用参数估计的方法对系统动态参数进行估计，以此参数设计控制策略．结果对局部自适应的控制方法进行的分析和仿真计算结果表明，这种方法可基本消除机器人动力参数的变化对其电液位置伺服系统动态特性的影响。并取得较为理想和一致的特性．结论在变负载的电液位置伺服系统中可以采用基于预报模型局部自适应控制方式，这种局部自适应方法可以显著抑制负载质量变化的影响。使得系统取得良好的一致响应；并且能有效地减少系统超调量．     

基于PID神经网络的控制器研究

提出了一种基于PID神经网络的控制方法，给出了控制器的结构形式，分析了网络中采用附加动量项的BP学习算法，并利用MATLAB软件对带时滞的一阶对象进行了仿真，其仿真结果表明，该方法具有响应快，超调小，无静差等特点。     

磁悬浮改进RBF神经网络控制的仿真研究

利用RBF神经网络的自学习、自适应能力,在传统PID控制基础上,提出一种改进的RBF在线辨识的自适应PID控制方法.为避免系统启停过程中,短时大偏差引起的超调较大,文中利用RBF网络提供辨识信息实现对参数KP、KD调整,对参数KI不做整定,以满足磁悬浮系统的动态和静态性能要求.设计中采用S-函数建立磁悬浮系统的非线性模...     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

基于BP神经网络的车辆动态称重技术

车辆动态称重对于控制超载运输或物流仓储等要求连续称重的场合具有重要作用。针对车辆动态称重的技术特点和工艺要求,分析动态称重过程的动力学模型,确定位移信号阶跃响应的最大超调量与车重之间的单调函数关系,提出1种基于BP神经网络预测最大超调量的动态称重计算方法,并在MATLAB环境下进行仿真分析,通过系统的学习和训练,完成了动态称重过程的车辆静态重量计算。结果表明,提出的动态称重算法可有效地提高车辆动态称重系统的称量精度,具有较高的实用价值。     

卫生陶瓷凝胶注模成型人工神经网络专家系统建模

为了实现对卫生陶瓷凝胶注模成型工艺的计算机控制，采用BP神经网络对获得的实验数据进行训练，建立了卫生陶瓷凝胶注模成型工艺参数和成型后坯体性能的映射网络模型，从而可利用该模型来预测在一定工艺条件下卫生陶瓷的性能。结果表明，其预测精度高，说明将BP神经网络用于卫生陶瓷凝胶注模成型后性能的预测是完全可行的。     

人工神经网络在超塑性固相焊接头质量预测中的应用

以40Cr/T10A恒温超塑性固相焊接工艺试验数据为样本，经正则化预处理，采用径向基函数网络。建立由恒温超塑性固相焊接焊接工艺参数预测其接头质量的人工神经网络模型。试验结果表明，训练出的网络模型具有收敛快、精度高等优点，其完全可以应用于恒温超塑性固相焊接接头质量控制设计中。     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。     

神经网络PID参数自整定的应用研究

PID控制是工业控制中应用最为广泛的控制方法,但在实际应用中,其参数整定仍未得到较好的解决.本文把神经网络技术应用在PID控制中,采用BP网络对被控对象在线辨识,利用神经元自适应PID在线调整参数,构造神经网络PID自整定控制器.通过在实际交流变频调速系统上的实验表明,当突然加、减负载时,神经网络PID控制与传统PID控制相比,具有恢复时间短、超调量小等特点.     

Optimization of Processing Parameters of Power Spinning for Bushing Based on Neural Network and Genetic Algorithms

A neural network model of key process parameters and forming quality is developed based on training samples which are obtained from the orthogonal experiment and the finite element numerical simulation. Optimization of the process parameters is conducted using the genetic algorithm (GA). The experimental results have shown that a surface model of the neural network can describe the nonlinear implicit relationship between the parameters of the power spinning process:the wall margin and amount of expansion. It has been found that the process of determining spinning technological parameters can be accelerated using the optimization method developed based on the BP neural network and the genetic algorithm used for the process parameters of power spinning formation. It is undoubtedly beneficial towards engineering applications.     

Internet环境下的电火花加工工艺效果预测

电火花加工艺规律复杂，加工的影响因素众多；其中电参数的选择对加工结果有很大影响，其影响程序难以用精确的数学模型来表示。运用人工神经网络技术对电火花加工工艺效果的预测进行了研究。研究结果表明，所建立的预测模型能够很好地映射出电参数与加工网络的电火花加工工艺效果之间的关系。进而，运用APS动态交互技术，在因特网上实现了开发了基于人工神经网络的电火花加工工艺效果的预测模型，充分好挥互联网的优势，扩展了所建立的预测模型的作用范围。为实现电火花加工智能化网络制造系统进行了有益的探索。     

PVC异型材性能参数的神经网络预测

神经网络是当前主要的智能控制技术之一.依据厂家提供的大量PVC异型材的实际工艺参数作为样本,建立了PVC异型材性能参数的预测网络.采用BP算法对网络进行了结构参数调节及训练,并对性能参数热收缩率进行了预测,相对误差小于O.13,取得了良好的效果.     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

基于粒子群优化的汽温系统神经网络自整定PID控制

为了使神经网络PID取得更好的控制性能,采用改进的粒子群算法对神经网络的权值进行优化,通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象进行的仿真研究结果表明,所提出的嵌入混沌序列的小生境粒子群算法可以避免局部极小,具有全局优化的能力,对神经网络PID的权值优化是成功和有效的,使得具有多模型特性的汽温控制系统在不同的负荷下均获得很好的调节品质。     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

基于PSO—WNN的无刷直流电机转子位置检测方法

通过分析无刷直流电机间接位置检测原理,提出了一种新的方法来检测转子位置．该方法首先推导出转子位置可以通过以相磁通和相电流来决定,结合小波函数多尺度多分辨率的优点以及神经网络的非线性求解特点,通过构建小波神经网络模型,并采用粒子群算法来训练网络参数而得出转角位置．仿真结果表明该模型能有效地控制电机换相．     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。