主从控制在双边剪夹送辊传动系统中的应用

讨论了利用SIEMENS 6RA70系列直流传动控制器的主从控制模式解决中板生产线上双边剪夹送辊传动系统的速度同步和负荷均衡问题的方法。采用该方法，可以有效地防止剪切过程中出现钢板跑偏及负荷不平衡等现象，从而大大降低故障时间，提高生产率。     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反主应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络,通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程,人工神经网络是一种有效的方法。     

BP神经网络在醋酸乙烯生产中的应用研究

介绍了醋酸乙烯合成反应器BP神经网络模型的建立及有关参数的选取;提出了采用LevenbergMarquart优化法来训练BP神经网络. 通过将BP神经网络用于醋酸乙烯合成反应器操作优化的研究表明,对于机理不明确或精确模型难于建立的过程, 人工神经网络是一种有效的方法.     

自适应模糊PID控制在烧结过程中的应用

烧结过程具有大时滞、参数不确定性等特性，仅利用常规PID控制很难使烧结过程中的各项性能指标满足工艺要求．针对这一情况，本文提出了一种参数白适应的模糊PID控制器．该控制器的参数调整采用确定性的模糊调整规则，不但使控制器的设计易于实现而且具有很强的适应性和鲁棒性．仿真结果表明，该控制器能够对烧结过程进行有效控制．     

模糊神经网络PID控制器在污水处理中的应用

为建立实时响应快、动态调节性能大、鲁棒性强的污水处理自动控制模型,结合模糊逻辑推理控制、神经网络控制及常规PID（Proportion Integration Differentiation）控制技术,设计了模糊神经网络Fuzzy-PID污水处理控制器。仿真结果和实际应用显示,采用该控制器后,整个控制系统的收敛性、鲁棒性以及动态响应性等均有了很大的改善,系统具有较强的稳定性和自适应性。     

基于多重模糊神经网络的PID温度控制算法

传统PID算法在控制具有大滞后、非线性、时变性等动态特性复杂的温度对象时,存在超调量大、参数无法自调节、模型自适应能力差、系统稳定性低等问题。为此,文章提出一种多重T-S型模糊神经网络PID温度控制算法。该算法根据PID算法的结构特点,利用T-S型模糊神经网络的单输出特性,建立能分别输出PID 3个参数的3重网络模型。MATLAB仿真实验结果表明,该算法与传统PID、BP神经网络PID,以及常规模糊神经网络PID等相比,超调量低,稳定性好,模型自适应性强,抗干扰能力强,综合性能指标好。     

模糊神经网络在冷连轧厚度控制中的应用

由于冷连轧厚度控制系统具有非线性、大时滞的特点,在冷连轧厚度的常规PID控制中,PID控制器的参数往往针对某一种情况进行整定,很难控制冷连轧厚度始终处于一个好的状态．为此,在分析了厚度控制原理的基础上,设计了用一个2-5-1结构的BP网络实现的模糊神经网络控制器（FNNC）,并将该FNNC控制器与积分作用相结合构成一个FNNC-I控制器．仿真结果表明,该FNNC-I控制器提高了系统的动态和稳态性能、抗干扰性以及鲁棒性,其控制效果优于常规PID控制器．     

模糊神经网络在压铸型浇注系统计算机辅助设计中的应用

在模糊联想记忆（ＦＡＭ）神经网络的基础上，构造了一个神经模糊控制器，论述了共Ｈｅｂｂ型相关学习过程，说明了它在浇注系统基本工艺参数设计中的预测作用结合献的结果给同了应用实例。     

模糊神经网络在股票市场预测中的应用

利用股票市场的理论和模糊神经网络来预测股票价格.运用技术指标和高木-关野模型,对所预测股票进行200多个交易日的数据量的训练,使得模型可靠,再对其10个交易日进行测试.从实验结果看,效果良好.     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

神经网络模糊控制在透镜抛光中的应用

构造了一种用于光学透镜磨抛加工控制的神经网络自适应模糊控制器，同时建立了用于动态估计透镜光圈数的磨抛机模型网络．控制器采用梯度下降学习算法，对网络权重和隶属函数参数进行自动调整，从而可以获得最优隶属函数．系统具有较好的自适应学习功能，仿真结果表明控制性能优于普通模糊控制．     

神经网络-模糊控制技术在电冰箱控制中的应用

介绍了神经网络-模糊控制技术在电冰箱控制中的应用,并讨论了电冰箱控制系统的组成和应用软件的开发.仿真结果表明,神经网络-模糊控制技术在电冰箱控制中的应用,进一步提高了电冰箱的智能化水平.     

模糊神经网络在非线性电站制粉控制系统中的应用

火电厂制粉系统是一个相互关联强耦合的复杂多输入多输出控制对象,运行时具有存滞后、大惯性和非线性的特点,其动态特性非常复杂,数学模型难以建立,并且数学模型随煤质、外部环境等因素变化较大.因此,提出一种基于模糊神经网络的2级控制方案,第一级采用神经网络控制,第二级采用模糊控制.该方案很好地解决了在多变量模糊控制系统中的控制规则多、维数灾难问题,在理论上为多变量、高维数非线性模糊控制系统提出了一种新的控制方案.实验室测试结果表明,如果将其应用到中储式制粉系统中,将提高电站制粉系统的自动化水平及经济运行指标.与传统的手动及PID定值控制比较,该方法大大改善了电站制粉系统的控制性能,是一种很有实用价值的控制方法.     

RBF神经网络自适应模糊控制在短期负荷预测中的应用

为了能够及时准确地进行电力系统短期负荷的预测,采用RBF神经网络和自适应模糊控制相结合的预测方法,首先通过RBF神经网络进行负荷预测,然后利用自适应模糊控制对预测结果进行在线修正,实验结果证明了该方法的正确性与可行性。     

模糊神经网络在火灾探测系统的应用

本文在单参数火灾探测系统中引入了模糊神经网络算法 ,通过教师信号对网络中权值的训练 ,完成基本状态隶属度函数的自动生成和模糊规则的自动提取 ,大大提高了系统的精度和智能化     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

噪声有源控制的模糊神经网络方法

使用Filter-X算法研究有源噪声控制问题，存在需要较高阶次的滤波器和当主噪声路径是非线性时控制效果不佳的缺陷，为此提出了一种基于模糊神经网络的非线性噪声有源自适应控制方法，并给出了一种基于误差梯度下降的学习算法，一个非线性的仿真例子表明，模糊神经网络控制方法对于非线性噪声控制效果明显。     

模糊神经网络在水环境保护中的应用综述

对模糊神经网络在水质评价、水负荷预测与污水处理等水环境保护方面的研究现状、发展趋势进行了综述,并通过实例分析得出:模糊神经网络用于水环境保护不但可行,而且适用性强,结果客观、合理,具有深入开发的研究价值和良好的应用前景.     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.