基于神经网络的非线性预测控制的进一步研究

介绍了适于具有纯滞后对象的基于人工神经网络的非线性多步预测控制，提出了具有自补偿功能的非线性预测反馈校正方法。仿真实验证明此方法大大增强了非线性预测控制的鲁棒性，改善了控制系统的动态和静态性能。     

基于 BP神经网络的 X光图像畸变校正技术的研究 *

为解决基于图像导航的机器人辅助外科手术过程中 X光图像的畸变特性问题 ,提出了一种新型的基于 BP神经网络的 X光畸变图像校正方法。该方法首先从一个标准模板的 X光畸变图像中提取标定样本位置信息作为神经网络输入 ,以模板的标定样本真实位置信息为神经网络输出 ,构建 BP神经网络。该 BP神经网络能够实现畸变图像与真实模板之间的映射关系 ,从而达到图像畸变校正的目的。最后通过机器人辅助髓内钉锁孔实验对该方法进行了实验验证 ,证明了该方法的有效性。     

基于神经网络的多传感器系统误差校正方法

为提高传感器的准确度，减少传感器的研制成本，提出了基于神经网络多传感器误差补偿的方法。该方法利用BP网络较强的非线性映射能力，网络通过学习能实现对传感器系统误差的补偿。通过实例及仿真证明了该方法的有效性。     

基于阻尼最小二乘法的神经网络预测偏差补偿自校正控制器

本文提出一种神经网络预测偏差补偿自校正控 制器,用线性模型的预测控制去控制非线性系统,其预测偏差用神经网络进行补偿．线性模 型的辨识和神经网络的学习均采用阻尼最小二乘法．仿真结果表明,用这种控制器能有效地 控制非线性系统,并具有超调小,鲁棒性好的特点．     

一种基于反馈神经网络的异常检测方法

目前的入侵检测系统缺乏从先前所观察到的进攻进行概括并检测已知攻击的细微变化 的能力。描述了一种基于最小二乘估计(LS)模型的入侵检测算法,该算法利用神经网络的特点,具 有从先前观测到的行为进行概括进而判断将来可能发生的行为的能力。提出了一种在异常检测中用 反馈神经网络构建程序行为的特征轮廓的思想,给出了神经网络算法的选择和应用神经网络的设计 方案。实验表明在异常检测中利用反馈神经网络构建程序行为的特征轮廓,能够提高检测系统对偶 然事件和入侵变异的自适应性和异常检测的速度。     

球形移动机器人基于神经网络的反馈线性化运动控制研究与实验

实现了一种对球形移动机器人的滚动速度进行控制的方法.球形移动机器人的控制输入和状态输出间存在难以精确数学描述的非线性关系,本文采用径向基函数神经网络,以在线训练的方式建立了球形机器人输入与输出的非线性映射;然后采用反馈线性化方法,设计了球形机器人的速度控制器,该控制器由反馈线性化控制器和减小神经网络逼近误差的补偿控制器构成;给出了该控制器的实现步骤.多次实验结果表明,该方法可以实现球形移动机器人稳定的速度控制.     

基于遗传神经网络的传感器非线性校正研究

针对实际传感器的非线性问题,介绍了用神经网络进行传感器非线性校正的原理,提出了基于自适应遗传算法的神经网络传感器非线性校正模型、算法及实现方法。通过实验结果显示:此方法不但可以实现非线性校正和减少环境因素的影响,而且,校正后的精度也高于单一的神经网络模型。     

基于BP神经网络的畸变图像校正方法研究

针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正。实验结果表明该方法具有很高的精度。     

无刷直流电机神经网络自校正控制研究

针对无刷直流电机的非线性、强耦合、变参数等特点,利用多层神经网络对非线性函数的任意精度拟合性,提出了基于BP神经网络的无刷直流电机神经网络自校正控制。神经网络自校正控制不需要被控对象的准确数学模型,并可以通过在线学习来适应系统工作环境和系统本身参数的变化,给出了控制系统软硬件的具体实现方案。仿真和实验结果表明,神经网络自校正控制的速度跟随性、动态响应过程较之PI控制更好,具有很好的控制效果。     

Remarks on tracking method of neural network weight change for adaptive type neural network feedforward feedback controller

A cost function is useful for a confirmation of neural network controller learning performance, but, this confirmation may not be correct for neural networks. Previous papers proposed a tracking method of neural network weight change and simulated it on the application of both learning and adaptive type neural network direct controllers. This paper applies the tracking method to an adaptive type neural network feedforward feedback controller and simulates it. The simulation results confirm that a track of the neural network weight change is separated into two trajectories. They also discuss the relationship between the feedback gain of the feedback controller and the parameter determining the neural network learning speed. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

基于神经网络的力觉临场感系统的预测控制

针对力觉临场感系统传输通道中存在时交通讯时廷，造成系统不稳定和操作性能降低的问题，利用前向神经网络建立主机械手、从机械手和环境的模型，并通过神经网络模型预测主机械手速度和从机械手受力，以消除或减少通讯时廷对系统的影响。实验结果表明了该方法的有效性。     

基于神经网络理论的现场总线系统安全性评价的研究

本文在介绍神经网络基本原理的基础上，提出了BP神经网络的优化算法：BP-1算法。进而分析了神经网络应用于现场总线系统安全性评价的优点，提出了基于神经网络理论的现场总线系统安全性评价模型和实现方法。最后，以一个原型系统证明了该方法的有效性。     

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法 ,提出了基于BP神经网络传感器非线性误差校正及其模型、算法与实现技术。通过计算机仿真与应用 ,显示出这种逆模型不但可实现温度补偿和非线性校正 ,而且网络结构简单 ,准确度高     

基于神经网络的解耦控制方法

本文介绍了BP算法的基本原理及其实现步骤,并将BP算法应用于神经网络解耦器和PID神经网络的训练中,即本文中各个神经网络的训练算法均采用BP算法,提出了一种神经网络在线解耦控制算法,即将神经网络解耦和神经网络PID控制两者结合,对系统进行解耦控制。将解耦与控制结合,既避免了单独采用自适应PID控制时控制效果不佳的问题,又避免了单独采用解耦时原有控制器不能适应变化后的对象问题。最后对一组双输入双输出耦合系统进行了仿真研究。     

基于小波神经网络建立虚拟仪器非线性软校正模型

神经网络具有良好的学习特性,小波变换有良好的时频局部化性质,将二者结合在一起构成小波神经网络兼有神经网络和小波变换的优点。本文提出了解决虚拟仪器系统非线性校正问题的小波神经网络算法。最后通过一个应用实例表明,采用小波神经网络建立软校正模型,不仅可以使系统获得高精度,而且在相同的误差条件下,其收敛速度也要远远快于传统的BP神经网络。     

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线行校正。仿真实验结果表明:与传统的分段线性与BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.020%提高到现在的±0.130%,且易于动态调校。     

计算机网络安全评价中神经网络的应用研究

当前,科学技术快速发展,安全评价对安全生产以及管理具有重要的作用.事实证明,相关方法的选用对于安全评价的顺利进行十分重要,对于评价结果的客观性以及准确度都能够产生重要影响.在传统背景下,计算机网络安全评价方式存在较多问题,使得其对评价结果产生不利影响.为了应对这些方面的问题,将神经网络引入其安全评价之中,对于工作效率的提升具有重要的现实意义.     

一种简化的自适应神经网络输出反馈镇定

针对一类输出反馈非线性时滞系统,提出一种简化的自适应神经网络镇定算法.所设计的状态观测器和控制器不依赖于时滞.不同于现有的结果,系统的时滞项假定完全未知,仅采用一个神经网络补偿所有未知非线性函数,因此控制器设计更加简单,而且最终的闭环系统被证明是半全局渐近稳定的.仿真结果进一步验证了该控制方案的有效性.