带钢纠偏系统的神经网络辨识

针对退火炉内连续带钢纠偏系统控制和改善纠偏系统性能领域建立准确系统动态模型的需要,建立一种回归神经网络辨识非线性水平摆动式带钢纠偏系统数学模型,研究具有内部状态反馈的神经网络和误差能量最小的网络权重训练算法.利用辨识实验获得输入/输出数据动态调整网络权值.辨识结果表明:神经网络描述的带钢纠偏系统数学模型有较高精度,权重...     

一种局部递归神经网络模型及其在动态系统辨识中的应用

提出了一种局部递归神经网络模型,利用误差回馈原理推导了其学习算法,针对动态系统辨识问题,建立了一个基于该网络的并联辨识方案,仿真结果表明,该网络及其辨识结构具有学习效率高,逼近速度快和不需要要辨识对象的先验知识等特点。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

神经网络在锅炉燃烧系统辨识中的应用

对典型的多输入多输出、非线性、动态、有时延的供暖锅炉进行了仿真研究,建立了基于动态BP网络和Elman网络的辨识模型,并对辨识结果进行了误差分析,结果表明：神经网络在锅炉燃烧系统具有比较高的辨识精度,有着广阔的应用前景。     

基于鲁棒稳定高阶动态神经网络的非线性系统的辨识

将高阶动态神经网络作为非线性系统的辨识模型,运用Lyapunov稳定性理论,提出一种有效的鲁棒稳定学习规则及相应的学习网络结构,从而确保在对非线性系统辨识时,即使存在建模偏差,辨识误差和动态神经网络的参数能一致最终有界(UUB)稳定,解决了动态神经网络的学习稳定性问题．仿真结果也证明了该辨识方法的有效性．     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制，但是传统的模糊神经网络是一种静态映射，不适用于动态系统的辨识，而现实工程中的控制对象反映的是系统的动态行为．为了提高动态系统的辨识精度，提出了一种新型的动态递归模糊神经网络，并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法．仿真结果表明：由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据，对动态系统的辨识，特别是对具有纯时间延迟动态系统的辨识，较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果．同时，确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度．     

非线性系统中自调整模糊神经网络控制方法的应用研究

针对难以解决的纯滞后非线性系统控制,提出一种基于自调整模糊神经网络控制的辨识Smith预估方法,采用模糊神经网络与PID控制动态复合,保持了模糊控制较强的鲁棒性和神经网络可以任意逼近非线性系统的能力以及PID调解器消除静态误差的优点.同时利用神经网络进行参数在线辨识以构成Smith预估器,适应了被控对象的实时变化.在热连轧中的仿真结果证明了该方法的有效性.     

非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

基于神经网络的非线性模型辨识

在分析了影响多层前馈神经网络泛化性能各项因素的基础上,应用BP网络对一个微型锅炉非线性对象进行了模型辨识,以建立该系统的预测模型.在辨识过程中注意采用泛化方法解决样本数据采集和网络结构确定方面的问题,利用贝叶斯正则化方法训练神经网络,以保证在满足训练精度的要求下,网络还具有较好的泛化性能.通过选取一组数据对辨识结果模型进行测试,结果表明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能.     

基于NN的一类非线性系统模型研究

针对惯导平台系统漂移误差高阶非线性动态系统的特点,利用神经网络任意逼近能力和自适应抽取系统动态信息的能力,提出基于神经网络(NN)的建模.首先建立惯导平台漂移误差模型,然后通过BP算法训练网络模型,系统获得了较为满意的模型辩识结果.     

基于RBF网络的模型参考自适应控制

针对一类非线性动态系统给出了一种基于RBF(径向基函数)神经网络的模型参考自适应控制算法,控制器的结构中使用RBF网络来动态的补偿系统的非线性性。基于Lyapnuov稳定性理论,给出了控制器参数的调整机制——σ-modification-type修正律,并根据神经网络的逼近误差给出了控制误差的估计,控制误差渐近收敛于0附近的一个紧集。仿真实例说明了所给出的算法切实可行。     

Inverse Control of Nonlinear Servo System Based on Neural Networks

ＩｎｖｅｒｓｅＣｏｎｔｒｏｌｏｆＮｏｎｌｉｎｅａｒＳｅｒｖｏＳｙｓｔｅｍＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓＷＡＮＧＣｈａｎｇｈｏｎｇＸＵＬｉｘｉｎＧＡＯＸｉａｏｚｈｉＺＨＵＡＮＧＸｉａｎｙｉ（王常虹）（徐立新）（高晓智）（庄显义）（Ｄｅｐｔ．...     

制粉系统球磨机的神经网络预测控制

通过对制粉系统球磨机这一非线性被控对象建立神经网络预测模型,提出了基于神经网络预测控制器的非线性预测控制方法。为了克服大多数非线性系统预测控制在线计算量大的问题,在预测控制性能指标约束下,采用非线性优化求解技术,得到当前工作点的最优预测控制量,用来训练神经网络预测控制器,最终实现非线性系统的神经网络直接预测控制。新的方法大大减少了在线计算量,仿真试验结果证实了所提方法的有效性。     

包装件非线性特性识别的进化神经网络混合方法

提出了一种将遗传算法和BP算法相结合的关于结构化神经网络的混合训练方法 ,并将其用于解决包装件缓冲垫层非线性特性识别问题。在该方法中 ,提出了一种新的自适应变异操作技术及将遗传算法与BP算法进行自适应切换的实施方案。用于两种典型的包装件缓冲垫层材料的模拟识别结果表明 :应用此方法可以有效地解决包装件缓冲垫层非线性特性识别的问题 ,同时也为神经网络的混合训练提供了一种新的可行的途径。     

Robust adaptive control for a class of uncertain non-affine nonlinear systems using neural state feedback compensation

A robust adaptive control is proposed for a class of uncertain nonlinear non-affine SISO systems. In order to approximate the unknown nonlinear function, an affine type neural network(ATNN) and neural state feedback compensation are used, and then to compensate the approximation error and external disturbance, a robust control term is employed. By Lyapunov stability analysis for the closed-loop system, it is proven that tracking errors asymptotically converge to zero. Moreover, an observer is designed to estimate the system states because all the states may not be available for measurements. Furthermore, the adaptation laws of neural networks and the robust controller are given based on the Lyapunov stability theory. Finally, two simulation examples are presented to demonstrate the effectiveness of the proposed control method. Finally, two simulation examples show that the proposed method exhibits strong robustness, fast response and small tracking error, even for the non-affine nonlinear system with external disturbance, which confirms the effectiveness of the proposed approach.     

非匹配不确定非线性系统的鲁棒输出跟踪

针对一类非匹配不确定非线性系统,提出一种鲁棒自适应渐近输出跟踪控制方法,该方法无须已知不确定性函数及其各阶导数上界。基于Lyapunov函数方法,给出了鲁棒自适应控制律以及GCMAC神经网络权值调整算法,通过后一个状态镇定前一个状态,最终达到了对期望输出的渐近跟踪,同时系统状态有界。应用于电液位置伺服系统的仿真结果表明该控制策略是有效的,对系统不确定性和未知干扰具有较强的鲁棒性。     

解一类非线性极大极小问题的神经网络

考虑了一类非线性极大极小问题，通过将其转化为等价非线性凸规划提出了求解它的一个神经网络模型，严格证明了新模型是Lyapunov稳定的，并且在有限时间内收敛到原问题的一个精确解。与已有模型相比，新模型结构简单，更适合硬件实现。数值实验表明，该模型不仅可行而且有效。     

神经网络非线性系统自适应控制的研究

提出了一种新的神经网络非线性系统自适应控制方法采用改进的ＢＰ算法，避免了选取学习速率的麻烦仿真结果表明：该方法对非线性系统及突加外干拢、参数突变具有较强的自适应能力