基于神经网络的动态系统逆模型辨识及闭环控制

本文提出一种动态线性或非线性系统的神经网络逆模型辨识结构，并引出两种ＰＩＤ与神经网络逆模型相结合的自适应控制方案，神经网络模型采用基于Ｕ－Ｄ分解卡尔曼滤波学习算法（ＵＤＫ）的动态前向多层网、仿真结果表明了所述辨识方案的有效性及特点 。     

基于神经网络的无人机滑模飞行控制设计

针对无人机受扰运动,基于Backstepping方法和非线性滑模控制提出了一种鲁棒神经网络飞行控制方案。对无人机姿态角速度层的系统不确定性项,采用径向基函数神经网络并对其权值进行在线调整,从而实现对其进行逼近。将回馈递推设计方法与滑模控制方法结合起来,基于神经网络的输出为无人机设计了一种回馈递推滑模飞行控制器。所设计的飞行控制器用于无人机的姿态控制,仿真结果表明所研究的无人机鲁棒神经网络飞行控制方案是有效的。     

基于神经网络的几种新的数据压缩方案

本文首先采用非统计的方法给出了基于神经网络的无损数据压缩新方案。基于神经网络的无损数据压缩新方案的特点是无损的、能压缩一些已用熵编码压缩过的数据，且在一些情况下压缩比接近2．58。然后把该新方案嵌入Huffman编码系统，获改进的无损数据压缩方法，提高了Huffmn编码系统的压缩比。最后把基于神经网络的无损数据压缩新方案嵌入一小波图像压缩系统得基于小波与神经网络的图像压缩方案，部分解决了小波图像压缩系统中‘高压缩比’与‘高保真’不能协调统一的矛盾。     

基于神经网络的手写数字识别

本文提出了一种采用BP神经网络方法来对无限制手写体数字进行识别的方案。通过图像预处理和数字特征提取,基于神经网络的判别方法,并结合使用Matlab工具箱中提供的人工神经网络函数设计了一种手写数字识别的新方法。实验表明,该方法可以获得较好的识别率。     

基于DSP的混沌BP神经网络的实现

文中介绍了一种将混沌和BP神经网络结合起来的算法,以解决由于采用梯度算法使得标准BP神经网络存在易陷入局部极小值的问题。并提出一种利用TI公司的TMS320C5410芯片实现混沌BP神经网络算法的软硬件方案。该方案具有运算能力强、实时性好的特点。     

基于神经网络的带补偿作用的机器人逆动力学控制

本文提出了一种新的基于神经网络的机器人逆动力学控制方案，不需要机器人的模型知识，利用神经网络实现外部扰动的补偿和闭环控制．该方法具有良好的跟踪精度和抗干扰性能．     

一种稳定的机器人神经网络控制器研究

研究一种稳定的机器人神经网络（ＮＮ）控制器，提出了由神经网络控制器和监督控制器构成的控制方案，给出了控制器的设计方法及ＮＮ学习自适应律，并基于Ｌｙａｐｕｎｏｖ方法证明了控制系统的稳定性和ＮＮ参数收敛性，仿真结果表明该控制方案具有良好的鲁棒性和参数收敛性，从而证明控制器的有效性。     

基于神经网络的带补偿作用的机器人逆动力学机制

本文提出了一种新的基于神经网络的机器人逆动力学控制方案，不需要机器人的模型知识，利用神经网络实现外部扰动的补偿和闭环控制。该方法具有良好的跟踪精度和抗干扰性能。     

前馈神经网络的混沌学习方法研究

采用混沌优化策略，提出一种前馈神经网络权参数的最优学习方案．由于BP算法优化神经网络权参数时存在收敛速度慢、自身参数选取困难、易陷入局部极小等缺陷．采用混沌变量优化神经网络权参数，具有全局性、快速性、并行性的特点．仿真实验表明采用该方案对强非线性问题的逼近具有精度较高、学习较快的优点．     

不确定性机器人的神经网络补偿控制

本文研究具有不确定性的机器人的轨迹跟踪控制问题。提出了一种由计算力矩控制器和神经网络补偿控制器构成的控制方案。探讨了一种用神经网络估计机器人系统不确定性的途径。给出了神经补偿控制器的设计方法，并证明了闭环系统的收敛性。仿真结构表明所提方案具有很好的鲁棒性和抗干扰能力。     

钻铣镗类加工中心的概念设计与方案评估研究

提出一种基于多色集合理论的机械产品概念设计的推理算法．采用一个有效的多目标方案评估算法，综合应用了层次分析法、模糊规则和神经网络，对满足需求的方案集进行评估和优化选择，得出满足需求的最优方案．以钻铣镗类加工中心的方案设计为例，用文中方法进行概念设计，得到了能满足需求的方案集和最优方案。     

基于RBF的神经网络的模糊控制在交流调速中的应用研究

针对现代的交流调速系统中存在的问题，充分利用神经网络的自学习自适应能力和快速计算能力，提出了一种用RBF神经网络来实现的具有在线自调整功能的模糊控制方案，并给出了把神经网络和模糊控制器相结合的基本设计方法。通过仿真实验表明，该控制方案与传统的PID控制相比，具有鲁棒性强、恢复时间断和超调量小等特点。     

具有时滞的不确定性系统神经网络模型自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法，模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整，将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效。     

基于混沌变量的神经网络自适应控制系统的优化设计

基于混沌变量，提出一种神经网络自适应控制系统的优化设计方案。采用混沌状态变量优化神经网络辨识器和控制器权参数，实现混沌粗搜索和局部细搜索相结合，搜索出控制系统参数的全局最优值,具有全局性、快速性、并行性。仿真实验表明采用该方案对强非线性对象的控制具有精度高、超调小、响应快、调节时间短等优点。     

显微细胞图像的识别方法研究

提出了一种自动识别显微细胞的方案.该方案首先采用二维阈值化和Canny算子分割方法对图像进行分割,并采用遗传算法将所得结果加以融合.分割之后,对每个细胞进行二值化处理,然后利用一种改进的区域增长法求出二值图像中黑色区域和白色区域的三个区域特征.最后用这些特征值训练BP神经网络,并使用训练好的神经网络来识别未知细胞.     

具有时滞的不确定性系统神经网络模糊自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法．模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整．将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效．     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

通过神经网络的最短路径来分割粘连的字符

以神经网络为基础识别打印字符的方法，其主要问题是，如何分割有粘连的字符。在此，本文提出一种混合处理方法，邓以神经网络为基础的延迟分割方案与传统的快速分割技术相结合的方法。在延迟分割过程中，利用神经网络把单个字符和复合字符区分开来。为了寻找可以分割一个复合字符合适原垂直切口，使用一种寻找损失最小的弯曲切口的最短路径算法。     

一种采用神经网络实现解扩的扩频系统

本文分析比较了目前常见的几种解扩方法的各自特点,提出了一种采神经网络解扩的直接序列扩频通信系统,并用ＭＡＴＬＡＢ提供的神经网络工相进行了仿真。仿真结果表明：文中提出的采用神经网络实现对直接序列扩频信号解扩的方案是鸽是可行的。而且这种方法可以通过训练和学习使系统具有很强的自适应性,以适应信道传输特性的变化,可以说是一种自适应解扩方法。     

基于状态全反馈的动态迟滞非线性系统自适应控制

该文针对不平滑、多映射动态迟滞非线性系统，提出了一种基于神经网络自适应控制方案。在该方案中，通过利用神经网络来逼近模型误差，避免了目前常用逆模型补偿方案中，需求取复杂逆模型的问题。应用Lyapnov稳定定理，证明了整个闭环系统的跟踪误差及神经网络权值将收敛到零点一个有界邻域内。仿真结果表明，所提出的控制方案能够有效补偿迟滞非线性对系统的影响。