神经网络与模糊逻辑控制系统比较

神经网络与模糊逻辑控制具有许多相同的特性，它们可单独或组合起来对某过程实行控制．本文着重比较它们在控制系统应用中的不同之处，讨论将两者组合起来实现对某过程控制的优势，由它们所构成的组合控制系统的特点类似于带有敏感环节与认知环节的自适应控制系统．     

基于模糊神经网络的给水协调控制系统的仿真研究

针对直流锅炉多变量、非线性和强耦合的特点,为了提高其动态特性和解耦能力,根据模糊神经网络思想,提出了一种基于模糊神经网络解耦的分散解耦方法,并将其应用于直流锅炉水煤比控制系统中,仿真结果表明,解耦效果良好。     

基于BP神经网络模糊励磁控制器的研究

针对常规型PID作用下的控制器参数改变的不确定性,将BP-NN网络技术和Fuzzy模糊理论引进PID式控制器中,组成了BP神经网络技术的模糊规则的PID式控制器。经过对数学模型的仿真实例的对照和研究,发现基于BP神经网络和模糊技术的PID控制器能改善动态性能,控制效果好。     

基于神经网络的制冷模糊控制系统仿真与优化

针对制冷系统被控对象模型建立了一个基本模糊控制器,并给出一组较优量化因子,在此基础上建立和训练了一个模糊神经网络控制器,并在MATLAB仿真环境下对制冷模糊控制进行仿真和优化。根据得到的一系列仿真结果对所设计的制冷模糊控制系统性能进行了分析,探讨了神经网络训练样本数据对FNNC系统控制性能的影响,结果表明采用合理的样本数据可以优化模糊神经网络制冷控制系统。     

一种基于模糊神经网络的开放性智能控制体系结构

介绍一种由组织级、智能协调级和模糊神经控制级组成的加工过程递阶智能控制体系结构,该结构集多传感器信息融合、多种智能技术和人机协作于一体。     

基于粗集理论的模糊神经网络建模方法研究

智能控制研究发展到了模糊神经网络阶段,其中5层模糊神经网络结构的物理含义清晰,而Max-Min模糊神经网络反应快,实时性强。在分析两者优缺点的基础上,提出了基于粗糙集构建模糊神经网络的方法,并通过比较3种方法对同一个事例的建模,说明了基于粗糙集方法的优点。     

基于模糊神经网络的液压弯辊系统智能控制的研究

针对液压弯辊系统非线性和时变性等特点,提出了基于遗传算法和BP算法相结合的模糊神经网络智能控制系统,并应用于液压弯辊系统,改善了系统的超调量和过度时间。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于ARM9的微生物发酵模糊神经网络控制系统

详细介绍了基于ARM9和模糊神经网络开发的微生物发酵控制系统.软件设计中移植了Linux操作系统,采用多任务程序设计方法,大大降低了编写程序的复杂度.针对微生物发酵过程中的时变性、非线性、延时性、随机性等特点,提出采用模糊神经网络的控制算法来实现对系统的精确控制.在一定程度上解决了传统控制方法不易得到精确数学模型,难于对控制系统进行有效控制的不足.实践表明:系统设计可靠,具有较强的鲁棒性,能够达到预期的控制效果.     

一种基于模糊神经网络的开放性智能控制体系结构

介绍一种由组织级、智能协调级和模糊神经控制级组成的加工过程递阶智能控制体系结构,该结构集多传感器信息融合、多种智能技术和人机协作于一体     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

基于模糊神经网络 PID 的开关磁阻电机控制系统研究

针对开关磁阻电机存在的转矩脉动大、噪声大、速度不稳定等问题,对开关磁阻电机的启动、运行、调速等方面进行了研究,提出了一种基于模糊神经网络PID的控制方法,将模糊控制理论与BP神经网络相结合,构成了模糊BP神经网络,根据系统误差,误差的变化,以及误差变化的变化实时调整PID控制参数,使电机在整个转速范围内获得了最优的PID参数。实验采用DSP作为控制核心,不对称逆变桥作为功率变换器,驱动一台2 k W的开关磁阻电机运行。研究结果表明,该方法大大改善了开关磁阻电机控制系统的动、静态性能,控制精度高、转矩脉动小,对干扰有较高的鲁棒性。     

基于PSO的RBF神经网络的变频调速系统的研究

采用粒子群和RBF神经网络算法相结合的方法构造PSO-RBF神经网络PID控制器,利用S函数编写了MATLAB的PSO-RBF神经网络PID的M文件,并在SIMULINK环境下建立了基于PSO-BF神经网络PID的变频调速系统。仿真结果充分表明了该控制器具有良好的鲁棒性、跟随性和稳定性,而且改善了原系统的动态特性,证明了该方法在变频调速系统中的应用价值。     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。     

基于信息优化的加工过程神经网络控制

为了提高加工过程生产率和保证加工精度,以加工过程的恒切削力控制作为研究对象,将信息论原理和神经网络智能控制理论应用于加工过程控制,以信息熵作为加工过程智能控制系统的性能测度能统一各级性能指标,将神经网络作为加工过程控制输入和系统输出的信息传输通道,确定了神经网络基于信息优化的目标函数,推导出了信息优化的三层BP神经网络学习算法,提出了恒力切削过程中基于信息优化的神经网络控制系统框架.通过加工过程的仿真实例证明,与传统自适应神经网络控制方法相比,基于信息优化的神经网络控制方法收敛精确,速度快,振荡小,系统超调量小,具有较好的综合性能.研究结果为信息理论应用于加工过程控制提供了有效途径.     

相邻交叉路口神经网络模糊协调控制的研究

以城市相邻交叉路口为研究对象,提出了一种相邻交叉路口的神经网络模糊控制的方法.将相邻交叉路口看作一个大系统,第1级控制各个单交叉路口,调整各方向的绿信比;第2级协调单元利用各路口测得的交通流数据,确定相邻交叉路口的周期和相位差.应用MATLAB编写了仿真程序,仿真结果表明,该方法可以有效减少相邻交叉路口车辆的平均延误.     

基于神经网络与遗传算法的悬臂式掘进机智能控制系统

由于煤矿巷道内煤层的分布是不均匀的,并且是时时变化的,这就给高效开采带来了难度。悬臂式掘进机在巷道中作业时,会因为煤层分布的不确定性,导致所受的截割阻力不停地变化,因此,要求掘进机可以根据不同的工况,能够快速地、实时地调整悬臂的摆动速度。该文提出了基于神经网络与遗传算法的复合控制理论的悬臂式掘进机的控制模式。该控制系统能有效地提高生产效率,并且安全可靠。     

模糊神经网络在温控系统中的应用

文章首先介绍了温控系统的方案设计以及部分功能模块,然后介绍BP神经网络结构和模糊推理,在分析两者弊端的基础上提出将两者相结合的控制方法。本文还介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理,最后利用matlab神经网络工具箱作为平台,通过测试样本仿真和试验,本设计的应用为实现快速、精确的温控系统提供了一种功耗低、经济有效的解决方案。     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。