神经网络控制系统研究

本文讨论了两种基于BP网络的自适应控制方法,给出了仿真结果,取得了较好的控制效果,显示了神经网络用于控制系统的优越性和巨大潜力,最后提出几点值得进一步探讨和研究的问题。     

神经网络控制系统计算机仿真研究

本文给出了一种基于神经网络预测控制新算法，并针对该算法用C＋＋进行了仿真程序设计，仿真程序具有Windows风格的输入界面和逻辑位图的仿真曲线输出图形，对非线性控制系统计算机仿真结果表明，基于神经网络预测控制新方法响应速度快，鲁椿性好，并可实现无形态余差。     

神经网络控制系统的研究与展望

本文综述了近年来神经网络应用于控制领域的研究概况,并对其存在的问题和发展趋势作了讨论。     

基于神经网络的矿浆浓度控制系统

由于磨矿过程高度非线性和随机性扰动的影响，引起矿浆浓度频繁波动，采用常规的PID控制难以取得满意的效果，因此设计了一种基于神经网络的PID控制器控制矿浆逍度，应用结果表明，该控制器具有较好的适应能力和稳态性能，满足了生产需要。     

基于BP神经网络的网络控制系统调度

为了在复杂的网络环境下能更合理地分配网络资源,提出了利用BP神经网络,通过对网络调度器产生的历史和当前数据进行训练,预测调度器下周期可能产生的数据,进而对下一调度周期的死区大小进行调整。实验仿真表明,所设计的反馈调度器能进一步改善网络控制系统的性能,进一步提高应对负载变化的能力。     

基于模糊神经网络的智能炉温控制系统

0 引言 由于电阻加热炉炉温控制具有严重的非线性、灰色性以及较大的时间滞后性,很难用数学方法建立精确的数学模型,因此用传统的控制理论和方法很难达到好的控制效果.本文介绍基于模糊神经网络的电阻炉炉温智能控制系统,该系统将人工智能中的神经网络控制技术和模糊控制技术结合,采用闭环控制方式实现对炉温的自动控制.其特点是:用神经网络代替传统的模糊控制器的隶属函数和权值,实现了模糊规则的自动更新.实践证明,该控制系统对无法取得数学模型或数学模型相当粗糙的系统可以取得满意的控制效果;与传统的PID炉温控制系统相比,该系统具有控制精度高、速度快,控制质量可靠、稳定等优点,有较大的推广应用价值.     

神经网络在控制系统中的应用

本文综述了神经网络在控制系统中的应用情况,并指出了今后可能的研究方向。     

神经网络与船舶控制系统故障诊断

本文通过对目前故障诊断方法存在的缺点的分析，探讨将入工神经网络（ANN）应用到船舶控制系统故障诊断中的理论方法，研究ANN在噪声消除，特征提取分析，船舶控制系统状态模式识别以及故障诊断专家系统中的应用方法。     

神经网络在控制系统中的应用

自动控制方法从开环到闭环、从自适应和自校正到自组织和自学习是一个智能逐渐提高的过程。这也是为了适应越来越复杂多变的控制对象、环境和控制任务的自然发展。由于神经网络有如下的特点：（）能够充分逼近任意复杂的非线性关系；（2）能够学习与适应严重不确定系统的动态特性；（3）所有定量或定性的信息都等势分布贮存于网络内的各种神经元，故有很强的鲁律性和容错性；（4）采用并行分布处理方法使快速进行大量运算成为可能。所以把神经网络引入控制系统是控制科学发展的必然趋势，它的引入不仅给这一领域的突破带来了生机，也为控制…     

基于BP神经网络的锅炉控制系统

神经网络的自学习、自适应和并行处理等特性，使得它们在现代控制系统中得到了广泛的应用。结合温度的时变、滞后和非线性的特性，提出了一种基于人工神经网络的控制算法，并经计算机仿真表明，该算法具有响应速度快、精度高和鲁棒性的特点。     

神经网络的强耦合控制系统仿真研究

研究工业控制领域的优化控制问题,工业控制对象具有强耦合特性,传统方法无法对其进行精确解耦,导致系统控制精度比较低.为提高工业控制系统的控制精度,提出一种PID控制和神经网络相融合的控制方法.利用PID优良动态控制特性和BP神经网络非线性控制特性对控制系统进行解耦,在权值调整算法式中加入增大动量项,提高网络学习效率,并采用粒子群算法优化权值初始值,提高控制精度,减少振荡产生.在MATLAB环境下,对非线性控制系统进行仿真研究,仿真结果表明,PID神经网络提高系统的抗干扰能力,提高系统控制精度,能够对系统进行精确解耦,使工业控制系统的性能得到改善.     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

基于BP神经网络的智能灯光控制系统的研究

智能灯光控制系统是智能家居控制系统的重要组成部分;在分析了目前智能灯光控制系统缺陷与不足的基础上,提出了BP神经网络在智能灯光控制系统的应用,将BP算法嵌入到智能灯光控制系统的数据处理模块,提高控制系统对于数据的处理能力;系统通过引入BP神经网络的自学习能力,改善了智能灯光控制系统智能化程度低的问题;通过实验分析,该系统能够提高智能灯光控制系统的智能性,给人们提供了一个舒适的居家灯光环境;同时,BP神经网络在智能灯光控制系统的应用,对于解决智能家居控制系统解决智能化程度低的问题也有一定的促进作用。     

基于神经网络的水泥回转窑控制系统研究

水泥回转窑的工作过程是水泥生产中的核心部分,它的生产过程是一个具有大惯性,纯滞后,非线性和强耦合的过程,建立精确的复杂模型非常困难,针对水泥回转窑工作过程中起关键作用的物料温度、窑转矩、含量,用ART-2和BP两种神经网络进行数据融合、分类,得到能较准确反映现场的工况信息,达到对回转窑电机的控制。     

基于动态神经网络的感应电机控制系统

感应电机控制系统是一个较难的工程问题.交流电机的机械系统的非线性动态特性,以及交流电机的有些状态变量无法测量,这些问题都使系统控制问题变得复杂.另外温度发生变化时,转子电阻发生很大变化,这又是一个控制系统难以克服的问题.使用神经网络的自适应控制技术来实现感应电机的控制问题,第一种是单输入-单输出(SISO)系统,控制器使用静态多层感知器神经网络(MLP神经网络);第二种是多输入-多输出(MIMO)系统,控制器使用递归神经网络为动态控制系统方案.重点讨论了MIMO系统.     

基于CMAC神经网络的PID控制

提出利用CMAC神经网络与PID的复合控制,实现非线性系统控制。由于CMAc网络的优点使PID控制效果有很大提高。仿真实验表明了该方法的有效性。     

基于神经网络的PID自整定控制系统

文章介绍了一种应用神经网络技术建立的PID自整定控制系统,给出了系统结构,详细分析了BP神经网络和RBF神经网络的结构和学习算法。该系统采用3层BP神经网络,其输出为PID控制器的参数;通过变结构的RBF神经网络辨识控制对象,将得到的输出对输入的梯度信息提供给BP神经网络,BP神经网络根据该信息优化PID控制器参数。仿真结果表明,该系统对于参数扰动较大的非线性系统,其收敛速度快、动态响应能力强、稳定性好,且具有较强的鲁棒性和适应性。     

基于DSP的自适应神经元网络控制系统的研究

某大型设备的液压系统在工作中需要一定的油压对其进行支撑,所以要保证油压根据要求维持在某一稳定值。针对于此,研究并设计了一个基于DSP的自适应神经元网络控制系统,通过该控制算法可以调整油泵电机的频率使得油压达到要求的稳定值。由于该液压控制系统在实际运行中油压值会出现波动,因此调节的快速性和稳定性是本控制系统的关键。该控制算法经由现场采样和实验的仿真测试,证实了其有效性。     

基于神经网络的飞控系统故障诊断

飞控系统的故障诊断与维护,可提高其可靠性和可维护性,降低寿命周期费用,有效地降低成本,提高飞机的生存性,减轻驾驶员的负担。首先采用VC与Matlab混合编程技术建立了飞行作动器故障仿真软件,然后通过两种不同的神经网络辨识方法(基于小波包分解的BP网络验证、基于径向基函数的概率神经网络),对卡死和损伤故障的辨识效果进行对比分析,仿真结果显示概率神经网络更适合于大步长采样下的网络辨识,且有较好的泛化能力。所得检测结果符合预期要求,并在所设计软件中得以清晰表达。