模糊神经网络控制器

自从1965年美国学者LAZadeh教授提出模糊集合论以来，模糊系统理论得到很大的发展，而1974年英国剑桥的E．H．MhlTldani首次应用模糊控制实现了对蒸汽机的控制。使人们对模糊控制引起了极大的热情。近二十年来，模糊控制经历了重大的发展与演变，现已深入到自组织控制，预测控制．多变量控制等方面。但是，无论是何种模糊控制系统，其核心都集中于模糊推理框架。如何将模糊规则表达与近似推理有机结合起来，实现高速动态推理，一直是尚待解决的问题。近年来随着人工种经网络理论的发展，人们开始将神经网络和模糊控制相结合，构成模糊神…     

基于神经网络的机器人智能控制

本文综述了智能控制与机器人控制的特点.并在智能控制的框架下,重点论述了神经网络控制在机器人控制中的应用及基于神经网络的机器人各种控制方法,同时指出今后的研究方向,为神经网络控制乃至智能控制在机器人控制中的应用提供了参考.     

基于神经网络的分解炉喂煤量智能控制系统

介绍了一种基于神经网络的智能专家系统，给出了系统的结构，具体描述了神经网络专家系统的基本原理。并以水泥工业的新型干法分解炉喂煤量智能控制系统为例说明了神经网络智能控制的推理过程。控制结果表明了该方法的有效性。     

基于神经网络的分解炉喂煤量智能控制系统

介绍了一种基于神经网络的智能专家系统,给出了系统的结构,具体描述了神经网络专家系统的基本原理。并以水泥工业的新型干法分解炉喂煤量智能控制系统为例说明了神经网络智能控制的推理过程。控制结果表明了该方法的有效性。     

神经网络智能控制系统中辨识网络设计方法的探讨

该文将人工神经网络的基本原理应用于过程控制系统,对辨识网络的基本结构以及网络的训练方法进行了初步探索和总结,在控制系统的辨识网络中应用基本ＢＰ算法与加动量项的ＢＰ算法、随机设置初值与训练设置初值、带参考模型与无参考模型对系统过渡过程特性的影响作了一定的比较与分析。仿真结果表明：所采用的改善网络自适应能力的方法,在不同程度上对系统的调节品质均有相应的改善。     

规则推理与神经计算智能控制系统改进及比较

针对生产生活实践中的智能系统在实施控制过程中关键参数的实时在线智能整定与优化问题与需求,实现将不同类型人工智能方法与经典的控制方法对接从而构成多种复合控制（AI-CC）方法,提出改进算法并进行理论分析与仿真对比研究。首先实现了基于规则与模糊推理机制的AI-CC方法,提出了增量式改进算法,进而提出基于小波神经网络的AI-CC方法,进一步对两类智能系统的稳定性进行理论分析,提出稳定性保证算法,最后对比研究不同类型的智能系统在智能程度与性能特征方面的差异。研究成果为该领域研究者提供了多种改进的智能控制算法及其对比参照和理论分析,为该方法在工程实践中低成本地升级并稳定可靠地应用提供可操作方案。     

基于神经网络的仿人模糊智能控制

本文针对模糊矩阵推理把具有更高的神经网络推理应用一仿人模糊智能控制中，实例表明，神经网络能通过权重系数的调整记忆控制规则所包含的信息，改进仿人模糊智能控制的模糊推理特性     

模糊神经网络及其在智能控制中的应用

文章介绍了处理不精确信息的模糊逻辑、模糊推理、模糊神经网络构造等方法，给出了一个在智能控制中的实例。     

小区供暖监控系统的设计

根据城市小区供暖的自动控制要求,采用上位机、PLC、各类温度、液位、压力传感器,设计了一个供暖控制系统,并通过西门子WinCC组态,设计了组态画面和监控程序,从而实现了小区供暖系统温度、压力、流量的现场检测,提高了供暖效果。     

APACS特点及系统应用

就APACS分布式控制系统的，对系统架构、冗余方法、应用组态、可靠性等加以说明，并给出正在施工中的某化肥厂的实际系统示例。     

小波神经网络在智能优化控制系统中的应用

提出了一种基于小波神经网络的智能优化控制系统,并应用到污水处理絮凝过程的优化控制中,采用实验数据进行了测试,同时采用循环抽样验证法来验证系统的测试精度,结果表明该系统可方便有效地进行实时控制,而且控制效果良好,在运行过程中实时控制速度得到明显提高.研究结果表明,小波神经网络所建立的控制模型稳定性好,实时控制速度快,即基于小波神经网络的污水处理絮凝过程控制系统能准确地进行絮凝过程各参数的实时估计,实现污水处理絮凝过程的实时控制.     

神经网络在智能火灾预警系统的应用

提出了综合利用多种传感器准确判断火焰状态的算法.在神经网络算法下,根据一氧化碳传感器、烟雾传感器和温度传感器数据,对火焰状态进行分类.使用有限内存的拟牛顿(L-BFGS)优化算法对传统反向传播(BP)算法进行改进,加快了神经网络的收敛过程,有效提高了系统精度.实验验证了算法能够有效降低火灾预警系统的误报率,增强系统安全报警的灵敏度和可靠性,实现了实时有效的火灾预警.     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

基于神经网络算法的智能抗干扰系统设计

为了实现在复杂电磁环境中进行高效可靠的数据传输,达到实时抵抗干扰、提升通信系统频谱利用率的目的,对非连续正交频分复用技术、变换域通信系统、扩频技术以及神经网络算法进行了研究,首次将人工智能算法应用于切换通信波形以抵抗不同类型的干扰,以此为基础设计了一种基于径向基神经网络算法的智能抗干扰系统。对三种抗干扰模式分别进行了原理介绍及仿真,验证了其各自的抗干扰能力,以及通过切换波形提升频谱利用率的可行性,并对整个智能抗干扰系统进行了仿真,经分析该系统基本满足应对突发干扰情况下的波形选择要求,与传统通信系统相比,能够适用于更多通信场景。     

Dynamic simulation and neural network compliance control of an intelligent forging center

Automation of forging processes is important for both safety and efficiency in today's advanced manufacturing operations. This work supports the development of an Intelligent Open Die Forging System which will integrate state-of-the-art modelling techniques, automatic die selection and sequencing, full system dynamic simulation, automatic machine programming and coordination, and sensor-based process control to enable the production of more general and complex workpiece geometries than are achievable using current forging methods. Effective automation of this open die forging system requires the coordination and control of the major system components: press, robot, and furnace. In particular, forces exerted on the robot through its manipulation of the workpiece during forging must be minimized to avoid damage to the manipulator mechanism. In this paper, the application of neural networks for compliance control of the forging robot to minimize these forces is investigated. Effectiveness of the neural network-based compliance control module is evaluated through a full dynamic system simulation, which will later form a central part of the complete Intelligent Forging System. Dynamic simulation of the robot is achieved using an efficient O(N) recursive algorithm, while material flow of the workpiece is modeled with a finite element approach. Simulation and timing results for the complete processing system for a specific open die forging example are presented.     

神经网络预测远程控制系统中信息延时的研究

针对网络控制系统中前向通道和反馈通道同时存在随机延迟及延时不确定的问题,通过实例分析了随机延时对闭环控制系统影响的根源,提出了通过基于神经网络的预测控制方法解决存在网络随机延时的控制系统闭环控制的可行性。仿真结果表明该方法能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路。     

Siamese neural network for intelligent information security control in multi-robot systems

Anomaly detection of the robot system behavior is one of the important components of the information security control. In order to control robots equipped with many sensors it is difficult to apply the well-known Mahalanobis distance which allows us to analyze the current state of the sensors. Therefore, the Siamese neural network is proposed to intellectually support the security control. The Siamese network simplifies the anomaly detection of the robot system and realizes a non-linear analogue of the Mahalanobis distance. This peculiarity allows us to take into account complex data structures received from the robot sensors.     

An architecture-adaptive neural network online control system

An architecture-adaptive intelligent self-tuning control system is presented. The system is composed of the supervisor module, the model refinement module, the process plant and the database. In the supervisor module, the user prescribes the desired curve for the plant dynamic process. The model refinement module is in parallel with the process plant, and consists of the self-tuning process model, which contains an architecture-adaptive neural network. The model refinement module could learn intelligently the real process plant by the prompt adjustments based on the difference of the outputs of the two modules, and its learned model is also refined gradually. This diagram is especially versatile in the complex nonlinear and time-variant systems in practice.     

改进型BP神经网络MRAS控制系统

在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。