神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

模糊神经网络在张力控制系统中应用的研究

传统的张力控制系统大多采用张力反馈控制的结构，其原理简单，但是控制精度难以达到理想的目标。本文采用模糊神经网络结构，实现对张力的控制，使得张力系统的参数得到优化，而且系统的抗干扰能力强．     

模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

神经网络控制的现状与展望

对神经网络在控制中的应用进行了综述,特别对现阶段几种较重要的神经（网络）控制的现状进行了评述,并对神经控制的发展作了展望,最后对神经网络用于控制中存在的几个问题进行了探讨。     

遗传优化模糊神经网络在组合导航系统中的应用

组合导航系统中,传统的多传感器数据融合算法存在着非线性、计算误差、维数灾难和模型误差等问题.遗传优化模糊神经网络不仅具有模糊神经网络的表达近似与定性知识,较强的学习和非线性表达等能力,而且具有遗传算法的全局搜索能力,是一种有效的数据融合算法.本文将之应用于组合导航系统中,仿真结果证明了该算法的有效性.     

基于模糊神经网络的倒立摆控制系统

在分析模糊控制、神经网络控制的基础上,根据倒立摆的特点,提出了模糊神经网络的控制结构。使用了遗传算法和BP算法相结合的方式来优化模糊神经网络,并以固高公司的倒立摆做实验,对实验结果进行了深入的研究和分析。     

遗传算法与神经网络在接纳控制中的应用

ATM网络的业务量控制是ATM网络中的关键技术之一。连接接纳控制是业务量控制的一种,对业务源进行控制。该文采用遗传算法和神经网络对ATM网络进行连接接纳控制,是一种比较可行的方法。     

自适应模糊神经网络控制系统的研究

自适应模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则,又具有良好的自适应性,是目前受人们关注的课题。本文在对其分析的基础上又提出了卡尔曼滤波的学习算法,解决了原BP算法实时性差的问题,通过仿真实验说明了其优越性,并体现了模糊神经网络与最优控制相结合的思想。     

遗传算法和神经网络融合的滑模控制系统及其在印刷机中的应用

针对一类非线性系统, 提出了一种综合集成滑模控制器设计方法. 首先, 采用遗传算法进行参数调节, 从而构造出一个最佳切换函数, 使得系统既具有良好的动态性能, 又扩大了鲁棒区域. 然后, 采用神经网络在线调整控制器参数, 从而克服了由不确定性引起的系统轨迹偏离切换函数, 并且通过变学习率学习算法来加快神经网络的收敛性. 最后, 研究了所提出方法在凹版印刷机张力调节中的应用. 仿真结果表明该控制器具有较好的动态性能及鲁棒性, 并有效减少了抖动.     

基于遗传算法学习的复合神经网络自适应温度控制系统

针对一类温度控制系统中存在的非线性和参数不确定等问题,提出一种复合神经网络自适应控制结构.在控制系统中构造了神经网络正模型来再现被控对象的动态特性,用神经网络控制器实现优化控制律的非线性映射.文中选用了被控对象80组历史数据作为样本集,并利用遗传算法的全局搜索能力及高效率来训练多层前向神经网络的权系数.最后用升降温工艺曲线作为输入对温度控制系统进行仿真.仿真结果表明,应用遗传算法能够提高神经网络的学习效率.保证神经网络全局快速收敛,从而克服了传统的误差反传学习算法的一些缺点.证明了采用这种神经网络自适应控制结构.使神经网络控制器的输出可以适应对象参数和环境的变化.使温度控制系统具有很好的学习和自适应控制能力,取得了良好的控制效果.     

遗传模糊神经网络在航空发动机控制中的应用

模糊神经网络控制器是一种将模糊逻辑与神经网络相结合的智能控制器,其既不依赖于被控对象精确的数学模型,又能根据被控对象参数和环境的变化自适应地调节控制规则和隶属函数参数,但是存在着收敛速度慢,较多局部极小的情况下很容易陷入局部极小值等缺点。针对存在的问题,提出一种模糊神经网络控制器的优化方法。隶属度函数的参数具有全局性,用遗传算法来优化;神经网络的权值代表模糊系统的控制规则,它用神经网络的误差反传算法(BP)来调整。将算法用于航空发动机控制,实现对低压转子转速的无静差控制,与应用BP算法的模糊神经控制相比,控制性能改善较大,结果令人满意。     

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.     

神经网络的应用与发展趋势

该文首先介绍了神经网络的发展、优点及其应用,接着介绍了其发展动向,最后着重论述了神经网络目前的几个研究热点,即神经网络与模糊控制、遗传算法、专家系统、小波分析、混沌以及粗集理论的结合。     

基于神经网络的访问控制策略优化模型

访问控制是网络安全防范和保护的主要核心策略,其主要任务是保证网络资源不被非法使用和访问。将风险概念引入访问控制,分析了基于风险的权限委托以及权限再分配的基本性质;基于MUS集合的计算方法,给出了一种基于神经网络的风险评估方法。针对神经网络适合定量数据,而风险因素的指标值具有很大的不易确定性等问题,采用模糊评价法量化信息安全的风险因素指标,对神经网络的输入进行模糊预处理。仿真结果表明,模糊神经网络经过训练,可以实时地佑算风险因素的级别。     

神经网络控制的应用和发展

神经网络控制的应用和发展ＴｈｅＡｐｐｌｉｃａｔｉｏｎａｎｄＤｅｖｅｌｏｐｍｅｎｔｏｆＮｅｕｒａｌＮｅｔｗｏｒｋＣｏｎｔｒｏｌ●费峻涛鲍远律朱民杨梅ＦｅｉＪｕｎｔａｏＢａｏＹｕａｎｌｕＺｈｕＭｉｎＹａｎｇＭｅｉ１引言神经网络首先用于解决模式识别问题。随...     

基于遗传算法的神经网络控制器的设计及应用

本文提出了一种改进的遗传算法进行神经网络的训练，它结合神经网络、遗传算法两种方法的优点，并用仿真实验表明该方法的有效性。用改进算法设计的神经网络控制器，来实现循环型制气过程优化控制，取得了令人满意的结果，验证了该方法具有良好的鲁棒性和控制精度。     

神经网络解耦控制在某无人机组件测试系统的应用

无人机组件测试系统,主要用于对某型号无人机组件进行相关性能测试和试验验证。系统的控制参数温度、压力、流量间存在强耦合关系。为了解决常规控制方法难以控制的难题,设计了一种基于PID神经元网络的前向多层解耦控制器,并利用遗传算法对神经网络的权值进行训练。将此算法在MATLAB下进行仿真,解耦控制效果较为理想,随后经航空测试系统试验验证,该控制方法可以达到设计需求,有力地支持了相关型号的研制工作。     

神经网络及遗传算法在径流预报中的应用

提出用遗传算法和BP算法相结合的改进神经网络模型来进行径流预报。即先通过遗传算法对初始权值分布进行优化,在解空间定位出一个较好的搜索空间,然后采用BP算法,在这个较小的解空间中搜索出最优解。使网络收敛速度加快和避免局部极小。作为实例,以清江鸭子口的实测径流资料为样本进行训练并用以预测该水文站的日径流量。结果表明,该方法具有收敛速度快和预测精度高的特点。     

改进模糊神经网络无刷直流电机控制系统设计

针对现实应用中对无刷直流电机速度控制的极高精度要求,设计了一种改进的自适应遗传算法优化的模糊神经网络控制系统,并采用离线和在线两种学习方法,实现了对无刷直流电机转速的精确控制。系统融合了模糊逻辑、神经网络和遗传算法三大智能控制理论的优点,适合于无刷直流电机这样的多变量、强耦合、非线性、时变的复杂系统。通过仿真和在某型水下航行器DSP推进控制系统上的实验表明,方法响应快、超调量小、鲁棒性强,动态特性明显优于传统PID控制。