模糊控制在暖体假人温控系统中的应用

本文介绍了服装保暖量测量手段－暖体假人系统的构成及基本原理，对其控制算法进行比较深入细致的探索，针对系统特点引入Ｆｕｚｚ－ＰＩ控制算法，使系统取得良好的特性。     

基于神经模糊控制的自适应图像水印算法

提出了基于神经模糊控制网络的新的自适应图像水印算法。该算法首先对原始图像进行小波变换,组织小波块。接着,从子块的视觉掩蔽性和能量强度两个方面,建立和训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。最后,根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波块中。实验结果表明,所提出的算法能抵抗各种常规的图像处理的攻击,具有较好的鲁棒性和透明性。     

基于神经网络的模糊自适应PID控制及其实现

提出一种基于BP神经网络的模糊自适应PID控制器，将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融于一体，形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点，硬件上采用数字信号处理器（DS）作为控制，运算单元，以提高系统实用性。对交流伺服系统的实验仿真结果表明，该控制器对模型、环境具有较好的适应能力与较强的鲁棒性。     

自适应神经PID在挤塑机温控系统中的应用

针对塑料挤出机的多段料筒温度控制,以及常规PID控制在非线性的、时变系统中控制效果的局限性,提出了一种基于BP神经网络整定的PID控制方法.给出了计算机控制系统设计及系统软件开发.由于神经网络具有强大的非线性映射能力,自学习、自适应等优势,通过对系统性能的学习来实现具有最佳组合的PID控制,建立比例、积分和微分三种参数自学习的PID控制器.对锥形双螺杆塑料挤出机的温度控制实验结果表明,用该方法整定的PID控制系统,逼近精度高、鲁棒性好.     

自适应模糊控制在电锅炉温控系统中的应用

基于PID控制方式和一般模糊控制方式在电锅炉温控系统中的不足,提出了一种具有自调整因子的自适应模糊控制器,实验结果显示其控制效果明显优于一般模糊控制。     

自适应模糊控制的新进展

回顾了自适应模糊控制的发展过程，着重介绍了近年来出现的一些新情况，最后，对自适应模糊控制研究领域中有待解决的研究课题进行了展望。     

基于神经网络的自适应模糊控制

阐述一种基于特殊梯度下降--短暂反向传播并通过自学习来获取被控对象的方法,是一种近似最优方式的控制策略,它能够处理以部分形式描述的被控对象,如差分方程、神经网络以及模糊模型等,这就增强了控制器的功能.     

基于自适应PID模糊控制的吊装系统研究

多台吊装机在空中通过吊装物件的缆绳相互联系、相互耦合，这既需要各架机器按控制系统平衡稳定控制指令实时地调整拉力大小和方向，以保证被吊装物件的平衡。本文以协调吊装系统平台控制系统设计为主要研究对象。设计了以AduC812单片机为主控器件的无线通讯控制系统。其中，主要包括以下工作：多机协调吊装控制系统的电路设计、底层控制程序编写以及通讯协议设计。     

基于自适应神经模糊推理系统的非线性系统控制

由于非线性系统具有模糊性、不确定性、非线性等特点,所以常常使用模糊控制来对其实现控制,但常规的模糊控制系统存在着一定的问题。该文把神经网络与模糊控制相结合,介绍了自适应神经元模糊推理系统ANFIS(Adaptive Neuro—Fuzzy Inference System)的基本结构,并将ANFIS用于典型的非线性系统控制中,仿真结果表明训练后的ANFIS能很好地控制实际的对象。     

自适应神经模糊控制器及其在炉温控制系统中的应用

将自适应模糊控制技术与神经网络技术相结合,提出了一种自适应神经模糊控制器的实现方法,并用一种改进的快速ＢＰ算法来训练网络。该方法和算法用于炉温控制系统,获得了满意的控制效果,验证了方法和算法的有效性。     

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。     

自适应机翼的神经网络控制系统设计与试验

随着自适应结构和机敏材料的发展,如何从结构设计角度来提高飞机的飞行效能受到了重视,其中的一个关键环节就是控制器的设计和开发.针对自适应机翼姿态控制的要求与物理特点,采用神经网络和自适应控制理论,设计了神经网络逆复合控制器,完成了相应的控制系统开发,进而进行了物理试验分析和研究.结果表明,系统能有效、准确、快速地在线满足设计目标跟踪和设计状态回归两项重要指标,系统的鲁棒性、收敛性和稳定性都得到明显地改善,具有良好的可靠性和工程实用性.     

迟滞非线性动态系统神经网络自适应控制

为了减轻非线性动态系统中未知迟滞(Hysteresis)的不良影响,该文提出了一类Backlash型迟滞模型。将有限数量不同宽度的Backlash(Matlab／Simulink)算子进行叠加,来仿真执行器中的迟滞非线性动态。用此模型,提出了基于径向基函数神经网络的自适应控制方案,以控制伴有未知迟滞的非线性动态系统。该方案采用了动态逆的思想及伪控制的概念。利用Lyapunov稳定理论,设计了两个鲁棒控制项,保证动态系统的稳定性、系统中所有信号有界和误差收敛到起点的领域内。通过Matlab／Simulink仿真实验,证明了所提出方案的有效性。     

基于数据融合的自适应神经网络模糊控制系统设计

基于数据融合的思想,提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数,简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明,自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况,为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.     

基于BP算法的自适应模糊控制系统研究*

在用模糊算法产生模糊规则的过程中，专家信息对算法是否收敛起到了很重要的作用。本文基于模糊控制器的一种解析结构，提出了用ＢＰ算法完善经验规则，加速非线性系统模糊控制过程的方法。     

基于最小二乘算法及神经网络的非线性离散系统的自适应控制

针对有关文献所设计的控制律，在一较弱的条件下，去掉了符号运算部分，证明该控制律可避免“零除”问题，提高了运算速度。对于这种基于神经网络和LS算法的自适应控制问题，证明了系统状态落入一紧集中，闭环系统的所有信号都是有界的，且系统输出和参考输出之间的跟踪误差收敛于以零为原点的某一有界球中。     

基于模糊自适应PID的温度控制系统的设计

针对锅炉温度系统,研究设计了一种自适应模糊PID控制器。其突出优点是应用模糊控制适应系统的不确定性,能够提高对象模型不确定时PID参数的自适应能力。很大程度上改善了系统的控制品质,提高了系统的鲁棒性。实际运行结果证明了该方法的有效性。     

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。     

一种模糊自适应温度控制系统的设计

介绍了一种以单片机为核心,采用变论域模糊控制算法的温度控制系统,并对模糊控制思想及系统的软、硬件设计进行了阐述。采用该控制系统,能较好地克服温度控制对象的纯滞后特性,控制响虚时间短,超调小,且适用范围广泛。