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。     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。     

智能集成控制在大功率电弧炉系统中的应用研究

针对冶金行业大功率电弧炉的控制，提出了一种基于模糊控制、神经网络和多目标 优化决策相结合的智能集成控制方案．首先采用变结构模糊神经网络控制来设计温度外环控制器，给三相电极电流平衡内环提供电流指令信号，然后在内环控制中综合各种优化目标，构造优化目标函数，运用多目标模糊优化决策来实现整个系统的平衡．现场数据表明运用该控制方案的系统目前已在广东韶关冶炼厂成功运行．     

基于神经网络的火电机组负荷预见控制方法及其仿真研究

利用多个自适应神经元构造了火电单元机组负荷预见控制系统，研究了用神经网络实现多变量系统的预见协调控制，神经网络输入量应该怎样选取。仿真结果证明了这种控制方案的正确性。与原有的负荷最优预见控制方法相比，该方法不依赖于对象的精确模型，也不涉及权重矩阵的选取。     

硫化氢燃烧的神经网络PID控制及其仿真

讨论了传统的PID控制和基于神经网络的PID控制，给出了带有神经网络PID控制的系统控制方案和神经网络PID控制器算法设计，并将其应用于硫化氢制酸中的硫化氢燃烧。运行结果表明，神经网络PID控制比传统的PID控制表现出良好的动态和静态性能。     

基于状态全反馈的动态迟滞非线性系统

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.     

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。     

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。     

QFT与神经网络并行控制研究

阐述了定量反馈理论(Quantitative Feedback Theory，简称QFT)的基本原理及设计步骤，并给出了设计实例。在QFT的基础上，提出了一种QFT和神经网络并行控制的方案，以QFT为主控制器，神经网络进行动态误差补偿。QFT控制能克服对象的参数不确定性，保障系统的鲁棒性；神经网络可以进一步提高系统的跟踪精度。仿真表明，这种方法实现了QFT控制和神经网络控制的完美结合，很适合高精度伺服系统的鲁棒控制。     

基于Transputer的并行分布系统

讨论了一种神经网络模型－并行分处理在Ｔｒａｎｓｐｕｔｅｒ上实现的方案，主要研究了神经网络模型和Ｔｒａｎｓｐｕｔｅｒ的特点，结构，控制原理和通讯控制等。     

基于WinAC的70t LF钢包精炼炉电极控制系统设计及应用

针对70t LF钢包精炼炉，设计了基于WinAC电极计算机控制系统，并引入一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制算法对三相电极进行实时控制，应用结果证实了此控制方案较强的可靠性和鲁棒性。     

局部递归神经网络控制器及其应用

基于人工神经网络提出了一种局部递归神经网络控制器。在描述了带有输出反馈和激活反馈的网络控制器的结构组成并定义了作为设计目标的误差函数后，采用带有弹性的梯度下降法，获得适用于实时在线调整权值的修正公式，给出了所提的网络控制器的设计步骤及其控制策略。将所提出的网络控制器应用到典型的单级倒立摆的实验系统中，将实验所获得的结果与LQY方法的实验结果进行了对比。     

不确定性自由漂浮空间机器人神经自适应控制

针对具有模型不确定性以及外部干扰下的自由漂浮空间机器人,采用一种整体逼近的神经网络自适应控制方法。该方法采用RBF神经网络对不同重力环境下系统模型的不确定项进行整体逼近,对系统的不确定项进行在线自适应学习。神经网络的逼近误差以及外界干扰由鲁棒项进行消除。该方法不依赖于系统模型,简化了控制系统的结构,在考虑重力等不确定项的情况下不用改变控制器也能进行控制,并且根据李亚普诺夫理论证明了所设计控制器使系统渐进稳定。在不同重力环境下进行了仿真,验证了控制方案的有效性。     

基于改进BP神经网络的PID控制方法研究

针对最速下降法收敛速度慢和易陷入局部极小的缺点,提出一种新型的基于改进BP神经网络的PID控制方法,该方法将神经网络和PID控制策略相结合,既具有神经网络自学习、自适应及逼近任意函数的能力。又具有常规PID控制器结构简单的特点。该控制器的算法采用Fletcher—Reeves共轭梯度法,它可以避免网络陷入局部极小点,同时加快网络的训练速度。并用这种改进的共轭梯度法对神经网络PID控制器参数实现在线修正。最后给出了在Matlab平台上的实现算法。仿真结果表明该控制方法是有效的。     

交通信号公交优先控制策略及智能控制方法

针对公交优先交通信号控制问题,研究了公交优先的信号控制策略,提出了一种变论域模糊神经网络公交优先智能控制方法.提出了基于相位优先度值的公交优先相位选择方法,并给出了其数学描述.建立了绿灯时间的3层模糊控制模型,分别为红灯排队疏散时间、绿灯延长时间和论域调节因子模糊控制器,其中红灯排队疏散时间和绿灯延长时间两个模糊控制器的输出变量均采用变论域,论域的变化考虑混合交通、天气情况、车流转向等因素由论域调节因子模糊控制器确定.模糊控制器采用粒子群优化神经网络实现.仿真结果表明该方法具有较好的公交优先控制效果.     

机械压力机滑块位置的神经网络控制

分析了机械压力机的滑块在行程的任意位置停止的必要性，在此基础上，论 述了使滑块一次准确停止到位的科学性并建立了相应新型压力机滑块行程的计算机控制系统．明确指出应对滑块停止位置进行神经网络补偿控制，并解决了实施神经网络控制的关键技术问题．通过在JH23-63型机械压力机上的大量试验，验证了该控制方法的有效性．     

一种自适应CMAC在交流励磁水轮发电系统中仿真研究

在分析常规CMAC结构的基础上,针对一类非线性、参数时变和不确定的控制系统,提出了一种自适应CMAC神经网络的控制器．该控制器以系统动态误差和给定信号量作为CMAC的激励信号,并与自适应线性神经元网络相结合构成系统的复合控制．为了验证其有效性,将其应用到交流励磁水轮发电机系统的多变量非线性控制中,并与常规的PID控制效果进行了比较．仿真结果表明,该控制器具有较强鲁棒性和自适应能力,控制品质优良。     

Research on the controller of an arc welding process based on a PID neural network

A controller based on a PID neural network （PIDNN） is proposed for an arc welding power source whose output characteristic in responding to a given value is quickly and intelligently controlled in the welding process. The new method syncretizes the PID control strategy and neural network to control the welding process intelligently, so it has the merit of PID control rules and the trait of better information disposal ability of the neural network. The results of simulation show that the controller has the properties of quick response, low overshoot, quick convergence and good stable accuracy, which meet the requirements for control of the welding process.     

基于模糊专家模型的神经控制器及应用研究

针对具有严重非线性特性的pH中和过程,提出了一种基于模糊专家模型的神经控制策略,这种方法将神经网络逆控制器与神经元PID控制器相结合,并利用模糊专家模型所得到的预报结果来调整神经元PID的权值。仿真试验表明该方法能有效改善控制性能,所提出的方法实现了对pH过程的有效控制,并且有很强的适应性。     

一种基于模糊径向基函数神经网络的自学习控制器

提出了一种新型的基于模糊径向基函数 (RBF)的神经网络学习控制器 ,并应用于电液伺服系统 .由于RBF网络和模糊推理系统具有函数等价性 ,采用模糊经验值方法选取网络中心值和基函数数目 .与一般的神经网络自学习控制器不同 ,以系统动态误差作为网络输入量 ,RBF神经网络控制器学习的是整个系统的动态逆过程 ,因而控制性能明显提高 .对电液位置伺服系统的仿真和实验结果表明 ,该控制方案可以有效提高系统的控制精度和自适应能力