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。     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

神经网络预测器在铝电解过程控制中的应用

目的采用神经网络预测控制方法来解决铝电解过程中存在的时变和大时滞问题，提高其控制性能．方法提出了一种基于铝电解过程的神经网络预测控制算法，建立了神经网络预测模型，将神经网络和预测控制算法相结合，结果实现了铝电解过程的最优控制．神经网络预测模型的输出能够很好地跟踪铝电解生产过程，预测效果好．结论笔者提出的控制方案能够使铝电解过程很快进入稳态，超调量较小，提高了铝电解过程的动态和稳态性能．     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

神经网络在非线性系统动态辨识中的应用

本文采用一定区间内的随机数激励非线性系统，以取得样本函数作为教师信号训练神经网络，对非线性系统进行动态辨识。计算结果表明，这样建立起来的动力不模型对于各种非教师信号的有较好的适应性。     

遗传神经网络及其在非线性系统辨识中的应用

介绍了浮点遗传算法的原理及其在神经网络权值和阈值优化计算中的应用,提出了用遗传神经网络对非线系统进行系统辨识的构思。     

基于一种改进BP神经网络的一类非线性系统辨识方法

对一类非线性系统的辨识方法进行了讨论。辨识模型为一个改进的神经网络,该神经网络包括:线性网络和BP神经网络。对线性网络的模型选择和多层前馈网络的关系做了细致的研究, 并分别进行了仿真。仿真结果表明,该系统辨识方法对于一类非线性系统具有很好的辨识作用。     

基于过程神经网络的非线性动态系统辨识

研究了过程神经网络在非线性动态系统辨识方面的应用.针对传统神经网络在解决系统过程式输入和时间顺序依赖性问题时出现的使模型和算法复杂化的弊端,提出了一种时变输入输出的过程神经元网络模型作为系统的辨识模型,采用基于函数基展开的梯度下降算法,以油田井组注采系统为例验证了模型和算法的有效性,进而说明了过程神经元网络对于解决系统过程式输入的非线性动态系统辨识问题的适用性.     

油田开发最优控制之神经网络实现

如何把握油田注水开发的动态过程从而实现最优控制开采及预测开发指标，长期以来是一个重要的研究课题。描述了神经网络功能模拟开油藏及其辨识开发系统参数的一般性原理，达到用神经网络功能实现各开发指标之问的复杂函数关系(这种关系很难用准确的函数解析式表述)，从而实现开发过程的最优控制及其开发指标的预测。最后将这一原理应用于中原某油藏进行指标预测，获得了满意的结果。     

模糊技术在神经网络预测中的应用

对时间序列随机性与神经网络预测精度的关系进行了研究．并将序列模糊滑动平均法用于神经网络预测中的训练样本预处理．以减小序列随机性成分。实例结果表明时间序列经模糊滑动平均处理后，随机波动对神经网络预测精度的影响可大大减小。     

PWM系统动态建模研究

利用B样条小波神经网络对离散非线性系统进行辨识研究和对PWM系统进行动态建模，比用BP算法有更好的收敛性和稳定性。PWM系统用神经网络建模，弥补了原线性理论分析的不足。     

带有未知反应参数的一种发酵过程非线性自适应控制

将非线性系统的线性化方法与神经网络在线辨识技术相结合,提出了一种基于神经网络的非线性自适应控制策略.提出的控制策略,对带有未知反应参数的连续发酵过程,取得了良好的控制性能.仿真实验表明,提出的自适应控制方法能够适应过程模型的不确定性,具有较强的鲁棒性.     

改进的自组织神经网络算法及其收敛性分析

提出了一种改进的广义自组织神经网络非线性系统建模新算法,并分析了算法的收敛性,经证明知,当选取适当的参数和初值时,该算法是收敛的．改进后的算法使收敛速度大大提高,经过仿真实验说明了改进算法是有效的．     

局域网控制下的织造系统

介绍了基于ＣＡＮ协议的局域网控制系统,研究与分析了纺织机械采用局域网控制的现状和发展趋向。     

刀具耐用度变动系数的BP神经网络预报技术

采用改进的ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型．研究表明，该模型适合于描述刀具耐用度变动系数同切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报     

图象重建的神经网络法

以平行射束扫描的 X射线 CT为例 ,提出一种运用 Hopfield人工神经元网络实现从投影中重建图象的方法 .首先将图象重建问题转化为最小范数准则下的优化问题 ,然后构造相应的 Hopfield神经网络模型 ,网络的稳态解 ,即为重建问题的解 ,计算机模拟实验结果证明了方法的正确性     

高速公路控制网边长归算的简捷方法

借助于大地水准面 ,将施工控制网的观测结果归化到高斯平面上去 ,并在其平面上进行平差 ,计算所求点的坐标与已知坐标比较 ,达到复测之目的 .并以实例阐明这一方法的计算过程 ,供高速公路施工控制网复测及放样时参考 .     

柔性机械臂的动力学模型及PD控制

应用模态控制理论，对柔性机械臂的主动控制问题中的动力学模型进行了研究，在小变形假设的前提下，考虑由于横向变形而引起的轴向位移的影响，采用拉格朗日方程建立了计及动力刚化项的动力学模型，并将ＰＤ控制理论和方法应用于该模型。最后，对一单杆柔性机械臂的振动控制进行了计算机仿真。     

汽车半主动悬架的神经网络自适应PID控制

提出了一种基于神经网络自适应控制的汽车半主动悬架系统。通过与被动悬架的对比分析，证明半主动悬架具有优良的减振性能。