一类基于对象正向模型的神经网络自适应控制器的设计

提出了一种基于对象正向模型的神经网络自适应控制器 ,该方法只须辨识对象的正向模型 ,将神经网络与优化方法相结合 ,对控制量进行优化迭代求解。仿真结果表明 ,该算法能精确跟踪设定输出 ,响应速度快 ,超调量小 ,无稳定误差 ,控制效果好     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统，将传统ＰＩＤ工程整定法与神经网络相结合，采用直接自适应控制方法，使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制，更有效地改善控制品质。     

过程控制中被控对象神经网络模型的设计

根据控制过程的特点提出了一种新的动态系统辨识方法。将输入、输出信号、滤波后的数据用于训练静态前向神经网络，辨识出控制系统工作点处一线性动态模型的参数，从而预测过程的输出。文中详细论述了设计方法及算法原理，并通过试验对比表明，这种模型精度高、计算量少，对噪声不敏感，特别适用于运动过程复杂、干扰因素多、非线性控制系统的动态辨识。     

一种神经网络自适应控制算法

提出了一种基于对象正向模型的神经网络自适应控制算法,它将神经网络与优化方法相结合,对控制量进行优化迭代求解。仿真表明,应用该算法后,系统响应速度快,超调量小,无稳态误差,控制效果好。     

一种基于神经网络识别误差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别动态特性的自适应模糊控制器。该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取,仿真结果表明,其控制性能明显优于普通的模糊控制器。     

一种基于神经网络的精馏塔自适应控制器设计

针对两输入两输出的隐含非线性系统，设计了一种神经网络自适应控制器，并通过构造Lyapunov函数，得出新的权值变化规律、该方法基于Lyapunov稳定性理论，可证明闭环系统是半全局一致最终有界的(SGUUB)．从二元精馏塔奇异摄动简化模型的仿真结果可以看出，这种控制器有良好的跟踪效果。     

PID自适应控制器设计

基于遗传算法设计自适应ＰＩＤ控制器。交叉互换率与突变率随基因的适应度值而变化,因而增强了算法的性能。     

一种基于神经网络的直接自适应控制器

对于具有不确定因素的非线性系统 ,通过校正神经网络的预报输出 ,应用最优化及网络辩识器模型局部线性化的思想 ,提出一种鲁棒自适应神经网络控制器 ,仿真研究证明该控制器具有较强的抗干扰能力     

基于强化学习的模糊自适应控制器

提出了一个强化学习系统中模糊自适应控制器网络结构及其有关算法的改进。并在此基础上给出了二阶欠阻尼系统和强非线性系统的强化学习控制仿真结果。仿真结果表明,基于强化学习的模糊自适应控制器可以对一类复杂系统实现自学习控制,达到令人满意的控制精度。最后,作者还对进一步研究的问题进行了探讨。     

多级混合自适应控制器的设计

设计了一种多极混合自适应控制器,解决了高阶复杂被控对象在以往的自适应控制中出现的不稳定问题。增强了控制系统的鲁棒性。     

一种基于神经网络的精馏塔自适应控制器设计

针对两输入两输出的隐含非线性系统,设计了一种神经网络自适应控制器,并通过构造Lyapunov函数,得出新的权值变化规律.该方法基于Lyapunov稳定性理论,可证明闭环系统是半全局一致最终有界的(SGUUB).从二元精馏塔奇异摄动简化模型的仿真结果可以看出,这种控制器有良好的跟踪效果.     

基于神经网络控制器的高压电缆测温系统

针对目前对高压电缆的温度测量方法大都是只能测量当前的温度,滞后控制,不能进行提前辨识的问题,对传统电缆测温方法进行研究,提出用神经网络控制器对高压电缆温度进行测量的方法.在3种常规控制器的基础上设计了3种基于神经网络的控制器:神经自校正控制器、神经PID(proportion integration differentiation)控制器和神经自适应控制器,不仅对它们进行神经网络训练,而且用MATLAB软件进行仿真.通过仿真结果最终选用神经PID控制器,并将其应用于实际高压电缆测温系统当中,经在新疆供电系统检验,效果良好.     

一种具有自适应性的神经网络控制器

根据智能控制仪器的特点,被控对象的实际情况以及系统控制品质的要求,提出了一种具有自适应能力的神经网络控制器,经理论分析和实验证明,该控制器具有较强的克服动态干扰和消除静态余差的能力,是一种行之有效的实现仪器智能化的方法。     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...     

高阶对象和低阶模型自适应系统

本文从理论上分析了具有高阶对象和低阶模型的模型跟随自适应控制的可行性。讨论了当参数不知时,自适应机构的建立。论证了这种自适应系统与PID控制的反馈控制系统的关系,从自适应控制的角度对其进行了实时仿真,取得了满意的效果。     

基于神经网络的自适应控制器在CSTR中的应用研究

针对工业过程的特点和控制要求，提出一种基于多步预测的神经网络自适应控制算法。该控制器采用改进的RBF神经网络对过程进行建模，利用多步预测误差对神经网络控制器进行训练，从而实现控制器参数的在线自适应寻优。针对CSTR系统的仿真结果表明，该控制器对非线性、时变对象有很好的跟踪控制效果和鲁棒性。     

具有比例积分结构的模型算法自适应控制器

通过构造新型目标函数,并且采用加权预测控制律代替一步预测控制量,得出了一种具有比例加积分结构的自适应模型算法加权控制器,该控制器能实现无偏差跟踪参考输入轨迹,仿真结果表明,对于时变对象,新算法自控制比基本型模型算法控制具有更强的鲁棒性。     

基于MATLAB的自适应FUZZY-PID控制器设计与研究

以MATLAB为工具,详细介绍了运用MATLAB进行自适应Fuzzy—PID控制系统设计的步骤和方法,并对自适应Fuzzy—PID控制器的鲁棒性进行了分析和论证,仿真研究表明自适应Fuzzy—PID控制器具有良好的适应性和应用前景。     

具有自适应残差补偿的神经网络预报模型设计与应用

在对样本数据进行预处理的基础上，建立一个具有自适应残差补偿的改进BP神经网络动态预报模型，并对神经网络的学习参数进行自适应调整。将该模型应用于铜锍吹炼过程所需的氧气量进行预报。仿真结果表明，预报最大相对误差为3．97％，最小相对误差可以达到0．1l％。该模型已应用于实际生产，具有精确度高、实用的优点。