用模糊RBF神经网络简化模型设计多变量自适应模糊控制器

针对多变量系统实时性要求,提出模糊径向基神经网络结构的简化模型及相应算法,并对由此简化模型设计的多变量模糊控制器模糊规则的在线自学习算法进行分析,提出一种系统动态增益的处理方法和基于过程最优的改进方案,仿真实验结果表明该控制器可实时自自应控制,改进算法是有效的。     

神经网络自适应控制器的设计与实现

提出了一种神经网络自适应控制器，给出了控制器的结构形式和学习算法。基于MATLAB6.1/SIMULINK环境，利用SFUNCTION模块实现该控制器，给出了具体实现的一般方法，并针对三阶纯滞后、时变非线性对象进行仿真。仿真结果表明了该算法的有效性。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于输入输出线性化的自适应模糊滑模航迹控制

针对船舶直线航迹控制的非线性特性,设计一种基于输入输出线性化的自适应模糊滑模控制器,并利用Lyapunov理论,证明该系统在所设计控制器作用下全局渐近稳定,Simulink仿真结果表明,所设计控制器能够有效抑制常规滑模所固有的稳态抖振现象,且在参数摄动及风浪干扰下具有强鲁棒性,较好的实现了对设定航迹的跟踪。     

一种参数自适应模糊RID控制器的设计与记真

提出了一种参数自适应模糊PID控制器,利用模糊推理的方法实现对PID参数的在线自动鉴定。仿真结果表明,该控制器明显地改善了控制系统的动态性能,并且此方法计算量少,易于实现,便于工程应用。     

用B样条神经网络设计自适应模糊控制器*

本文提出一种可用于设计自适应模糊控制器的模化Ｂ样条神经网络，并给出了合适的训练算法。由于这种网络在每次训练时仅需对少量权重进行调整，因此构成的模糊控制器学习速率快，可应用于过程控制中。本文最后以电厂中过热汽温的控制为例，说明本文的设计方法是有效的。     

基于神经网络逆控制的自适应控制器设计

根据系统非线性,参数不确定性和时变性等特点,提出一种基于神经网络逆控制方法,并介绍其结构和特点,通过仿真实验表明此结构的有效性。     

自适应模糊神经网络在噪声消除中的应用

本文提出了一种基于模糊神经网络的噪声自适应消除方法,介绍了该方法的原理及实现算法,并利用特殊函数和一定的噪声作为样本信号,建立了基于模糊神经网络的自适应噪声消除模型。通过该模型对有用信号的参数进行了辨识,仿真结果表明该方法具有学习速度快、诊断精度高等优点,可用于通信线路及其他电子设备的噪声消除。     

应用单层神经网络设计多变量自适应模糊控制器

提出一种应用单层神经网络设计多变量自适应模糊控制器的方法。应用单层神经网络可以学习多变量模糊控制规则中的未知参数，还可由它来实现多变量模糊推理过程。该方法能解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。仿真试验表明，所设计的多变量模糊控制器不仅实时性好，而且可得到满意的控制效果。     

基于模糊神经网络的自适应控制系统的设计

自适应控制系统往往结合神经网络技术和模糊理论来实现规则节点和隶属度函数调整。但是这种系统的运行过程往往是顺序的,自适应过程慢。此外,在网络结构中往往存在冗余节点,加大了计算量,降低了控制反应速度。针对以上问题本文设计1个新的模糊神经网络控制系统(FNCC),FNCC在结构学习中引入了减少规则节点的操作,降低了由于过量计算所带来的时间滞后。同时,此系统的参数学习与网络结构学习同步进行,降低了由于顺序操作所带来的时间滞后。通过研究得出FNCC具有以下特点:(1)无需预知系统的模型,(2)无限制的结构设计。在研究中我们将此系统应用到一非线性系统上,通过仿真结果来验证FNNC的可行性和准确性。     

自适应B样条模糊神经网络控制器的设计

B样条具有最小局部支撑和易于实现的优点。文章利用多变量B样条网络在运算表达式上与模糊神经网络结构之间的对等关系,并通过对其权值的训练,设计出自适应B样条模糊神经网络控制器。应用于具有严重非线性摩擦力影响的速度跟踪系统的仿真实验表明,所设计的控制器完全等价于模糊神经网络控制器,同时在计算量和实现上具有明显的优势。     

基于线性化反馈的径向神经滑模控制器设计

针对非线性系统,采用径向神经网络逼近及自适应控制方法,利用线性化反馈技术,设计一种自适应神经滑模控制器。滑模变结构控制具有独特的鲁棒性能以及对匹配不确定性和外干扰的完全自适应等特点,但容易出现系统抖振问题,将神经网络应用于滑模变结构控制系统的设计中,系统抖振得到抑制。仿真结果也表明将神经网络与滑模控制相结合的方法是行之有效的。     

基于神经网络的一类非线性系统的稳定自适应控制器设计方法*

针对一类非线性连续时间系统,其中非线性函数未知,提出了一种基于神经网络的稳定自适应控制方案,由于控制律的选择基于Ｌｙａｐｕｎｏｖ稳定性理论,因此,该控制方案不仅能够解决这类非线性系统的跟踪问题。     

A Neural Network Adaptive Controller for End-effector Tracking of Redundant Robot Manipulators

In this paper we propose a neural network adaptive controller to achieve end-effector tracking of redundant robot manipulators. The controller is designed in Cartesian space to overcome the problem of motion planning which is closely related to the inverse kinematics problem. The unknown model of the system is approximated by a decomposed structure neural network. Each neural network approximates a separate element of the dynamical model. These approximations are used to derive an adaptive stable control law. The parameter adaptation algorithm is derived from the stability study of the closed loop system using Lyapunov approach with intrinsic properties of robot manipulators. Two control strategies are considered. First, the aim of the controller is to achieve good tracking of the end-effector regardless the robot configurations. Second, the controller is improved using augmented space strategy to ensure minimum displacements of the joint positions of the robot. Simulation examples are also presented to verify the effectiveness of the proposed approach.     

基于FNN的滑模自适应控制

研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成，通过平滑切换实现自适应控制策略。仿真结果表明，这种方法既有强鲁棒性，又能有效地消除高频颤动。     

机械手的神经网络稳定自适应控制

本文针对机械手轨迹跟随控制问题，提出了一种稳定的神经网络自适应控制器设计方法，这里机械的非线性动力学假设是未知的，提出方法是神经网络方法和扇区自适应变结构控制方法的集成，扇区变结构控制的作用有两个，其一是在系统神经网络控制失灵的情形下提供闭环系统的全局稳定性；其二是在神经网络的近似域内改进系统的跟随性能，本文采用李雅普诺夫稳定理论给出了的稳定性和跟随误差收敛性的证明，并且通过数字仿真验证了提出方法     

基于神经网络的非线性自适应控制*

本文对非线性自适应控制的一个新领域－基于神经网络的非线性自适应控制（以下简称ＮＮＢＮＡＣ）的研究进展进行了综述，讨论了这一领域中存在的几个重要问题，然后指出了与这些问题相关的未来的研究方向。     

非线性系统神经网络稳定自适应控制器的研究

提出一种利用神经网络逼近具有不确定性及随机干扰的仿射非线性系统新算法，采用自适应控制率在线调节网络权值，基于Ｈ∞控制选择控制量以削减噪声干扰，并从理论上证明了采用该算法后系统的全局稳定性。将该算法用于气动系统位置跟踪，仿真结果表明该算法具有跟踪精度高，收敛速度快的优点。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.