一种未知非线性系统的自适应神经网络控制方法

神经网络用于控制，主要是为了解决复杂的非线性、不确定、不确知系统的控制问题。由于神经网络具有学习能力和自适应性，使神经网络控制能对变化的环境有自适应性，且成为基本上不依赖于模型的一类控制，介绍了一种未知非线性系统的自适应神经网络控制方法。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

一种改进的神经网络自适应控制方法

本文提出了一种改进的神经网络的控制方法，该方法引入一个神经网络辨识器同时作了为神经网络控制器的输出层，从而可以直接通过系统的期望输出和实际输出之差来神经网络控制器的权值，更好地适应对象的非线性和变化。     

基于神经网络的二次逼近非线性自适应预测控制器

基于多个神经网络模型进行过程变量的向前多步预测，采用Ｄａｖｉｄｏｎ最小二乘法学习网络的权值，并用二次逼近的方法求解预测控制律，构成了一种非线性自适应预测控制器。     

基于最优控制的神经网络自适应飞行控制

针对非线性动态逆控制鲁棒性差的缺点,综合最优控制和神经网络控制,提出一种自适应非线性控制策略.首先采用非线性动态逆进行基本控制律设计,然后对由于建模误差或舵面故障等因素导致的动态逆误差,利用神经网络进行在线补偿,根据最优控制理论得到神经网络权值的自适应律,并基于Lyapunov直接法证明该自适应律的稳定性和收敛性.针对某飞机的仿真结果表明,在存在较大逆误差的情况下,所设计的控制系统具有良好的鲁棒性.     

基于神经网络的模型参考自适应控制

将神经网络应用于模型参考自适应控制系统中,组成模型参考神经网络自适应控制系统.利用神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统与传统的模型参考自适应控制系统比较,不仅能实现原系统的功能,而且该系统的稳定性和抗干扰性优于原系统.     

基于神经网络的一类非线性系统自适应反步控制

针对传统自适应控制需要满足匹配条件、激发信号存在以及逼近误差有界等条件,提出一种新的基于神经网络的一类非线性系统自适应反步控制器设计方案.使用三层神经网络逼近系统的非线性特性,通过网络权系数自适应调整来不断的在线估计未知的逼近误差上界,采用有σ修正项的自适应律以放松持续激励条件.给出了基于Lyapunov意义上的闭环系统稳定性分析,证明跟踪误差收敛于原点的一个ε领域内.仿真结果表明了所提反步控制器的正确性.     

一种广义预测自适应控制算法

广义预测控制是一种基于被控对象参数模型的控制算法,适用于复杂的、数学模型难以精确建立的控制系统。现研究了该算法,并对一个被控对象模型进行了仿真。结果表明,广义预测控制算法响应速度快,无超调,控制效果理想。     

基于神经网络的自适应控制应用现状及发展

通过神经网络与自适应控制的结合，提出了两种基于神经网络的自适应控制系统（MRAC和STC),主要从应用角度出发，介绍了神经网络自适应控制的研究现状及今后的发展，并与常规自适应控制进行比较，指出了利用神经网络的自身特点，应用于控制系统中的优越性和可行性。     

一种递归模糊神经网络自适应控制方法

构造了一种递归模糊神经网络(RFNN),该RFNN利用递归神经网络实现模糊推理,并通过在网络的第一层添加了反馈连接,使网络具有了动态信息处理能力.基于所设计的RFNN,提出了一种自适应控制方案,在该控制方案中,采用了两个RFNN分别用于对被控对象进行辨识和控制.将所提出的自适应控制方案应用于交流伺服系统,并给出了仿真实验结果,验证了所提方法的有效性.     

自适应神经网络的光电跟踪成像消旋控制系统

为解决机载光电跟踪系统在跟踪过程中由于工作平台框架的转动导致成像画面的旋转问题,提出了一种基于自适应神经网络的消旋控制方法。系统以消旋指令角作为给定位置信息,以光电编码器实测角度值前后两拍之差作为实测速度值,组成速度反馈内环;以陀螺仪测得的角度值作为位置反馈值,构成位置外环;校正算法采用二阶超前-滞后校正并加入了自适应神经网络算法对其控制参数进行自适应调整。实验结果表明,在消旋拍摄过程中,消旋速度满足设计要求,拍摄图片清晰,消旋精度(均方值)达到1.4’,比传统校正方法输出误差减少了46%。     

基于深度神经网络的自适应波束形成算法

阵列天线接收到的期望信号和干扰信号,其入射的到达角度(Angle of Arrival,AOA)总是快速变化的,而传统波束形成算法计算量大,无法实时计算。针对这一问题,提出了一种基于深度神经网络的自适应波束形成(Deep Neural Network Adaptive Beamforming,DNNABF)算法,用入射信号AOA组成的向量作为网络输入,网络输出逼近最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法求得的权矢量。仿真结果表明,卷积神经网络(Convolutional Neural Network,CNN)与DNNABF方法都能准确拟合MVDR算法权矢量,可在入射信号AOA快速变化时自适应地形成波束和零陷,但DNN计算速度相对MVDR有将近6.5倍的提升,训练模型时间也远低于CNN。     

三容水箱的单神经元自适应PID控制研究

针对一些过程控制的动态过程所具有的大惯性、大延时，及非现性问题，结合PID和人工神经元的特点，提出了一种改进的三容水箱单神经元自适应PID控制方法。该方法具有自学习和自适应能力，以及较强的鲁棒性。仿真结果表明该方法对三容水箱这种复杂对象具有好的控制效果，而且适合工程应用。     

自动巡航汽车自适应逆控制的建模与仿真

研究神经网络非线性系统的自适应建模和逆建模策略用于非线性的自动巡航系统的控制及可行性。通过对自适应逆控制方法与现行的反馈控制、模糊控制、PID控制进行对比,并在有干扰的情况下系统需要一定的收敛时间,通过运用Matlab软件进行仿真。根据仿真结果分析,当对象输出没有受到干扰时,其在线辨识对象模型和逆模型有十分好的效果;当对象输出存在一些干扰时,由于干扰的存在,需要一段时间来将两个辨识模型收敛。因此,基于动态神经网络的非线性自适应逆控制系统是十分可行的。     

基于BP神经网络的紫外光源自适应固化控制研究

为解决紫外光动态固化技术中的固化不充分或反固化反应等问题,提出一种基于BP算法的LED紫外光源多参数自适应控制方法.利用神经网络优异的非线性逼近能力,并结合优化后的BP算法构建一个3输入2输出的网络预测模型.通过与多元线性回归和多元非线性回归模型的对比显示,BP神经网络算法有更高的拟合度.最后将57组数据导入训练好的模...     

驾驶员自适应神经模糊推理模型的建立与仿真

提出了一类基于自适应神经模糊推理系统(ANFIS)的飞机驾驶员建模方法.首先建立了包含若干待定模糊规则参数的基本驾驶员Takagi-Sugeno模糊模型,将其转换成等效的ANFIS网络系统后,采用驾驶员实际操纵数据和自适应BP算法对模糊规则各个待定参数进行训练并建立最终的模型.进而对已建立的驾驶员模型进行人机闭环系统仿真,结果表明,较之传统的传递函数模型,ANFIS模型与驾驶员实际操作输出之间的拟合程度更加理想.     

输出不可量测非线性系统的神经模型参考自适应控制

该文针对被控对象输出不可量测的非线性系统,引入一个便于在线辨识的扩展神经网络模型,提出一种基于前馈-反馈结构的神经网络模型参考自适应控制方法。给出了具有全局收敛性的网络训练算法,并分析了控制系统的稳定性。仿真结果表明该控制方法是有效的,而且对网络初始权值的选取及被控对象特性参数的扰动都具有良好的鲁棒性。     

一种基于L-M算法的组合神经网络模糊控制器

提出了一种基于L-M算法的神经网络模糊控制器。用两个相同的三层前向神经网络①和②来生成E和EC的隶属度,用三层前向神经网络③来实现模糊控制规则并生成控制输出,经过研究和对比选择了对于这3个网络来说最好的训练算法Levenberg-Marquardt算法。仿真结果表明了该控制器极好的控制性能。     

一种基于回归神经网络的码本激励非线性预测话音编码算法

为改善预测类声码器中长时预测器特性，本文引入了一种全连接回归神经网络（ＦＲＮＮ）非线性预测器并将其应用于话音编码算法中。ＦＲＮＮ在隐层单元不仅有来自自身的反馈，也有来自输出单元的反馈，因此其预测性能好于常规预测器。将其应用于码本激励话音编码系统（ＣＥＬＰ）中，可得到较低的传输码率，同时亦可改善编码质量。     

基于自适应反步跟踪的反馈调整稳定性控制算法

当飞机在大回环飞行中,由于受到空气动力学的扰动较大,需要进行飞行姿态稳定性控制,传统方法采用分段线性化控制方法,在大扰动条件下,飞行过程中各段的控制误差不断方法,导致飞行稳定性不好。提出一种基于自适应反步跟踪的飞行器反馈调整稳定性控制算法。构建大回环飞行中的飞行稳定性控制的参量模型系统,考虑外界干扰的情况下,进行飞行器反馈调整稳定性控制目标函数构建,采用自适应反步跟踪方法拟合控制过程的状态误差响应,实现控制器优化设计。仿真结果表明,采用该算法进行飞行器的稳定性控制,系统误差受到外界扰动的影响较小,控制器的自适应收敛性较高,展示了较好的应用性能。