LabView控制步进电机

“软件就是仪器”，应用LabView实现仪器领域的新革命。可方便的实现对步进电机的数据采集，显示，数字输出，既可以控制单个步进电机,也可以把步进电机组成空间向量进行控制，而且结构简单，运行高效。本文主要讲了对单个步进电机的控制,通过和单片机控制的对比可以看出LabView的优势。     

一种改进的单个神经元控制算法

本文介绍了一种改进的单个神经元控制算法，此算法具有快速性和较强鲁棒性，对参数变化的控制对象，控制效果尤为突出。通过对具有代表性的工业控制对象的模型仿真，表明了这种算法的可行性和有效性。     

基于单个神经元的机器人自适应控制

本文提出了针对多关节机器人采用单个神经元的独立关节控制方案，控制器由ＰＩＤ反馈和ＰＤＤ＾２前馈补偿构成，关节之间的静态和动态耦合通过单个神经元控制器前馈补偿，对一个二自由度机器人采用这种控制策略进行仿真，仿真结果表明该控制器在有非线性耦合，非线性摩擦，负载变化，模型参数变化时仍能跟踪期望轨迹。     

基于单个神经元的摆式列车倾摆系统的自适应控制

摆式列车是当今铁路的高新技术，而倾摆控制技术是列车运行的关键，由于列车是一个时变的，具有诸多不确定因素的复杂非线性系统，所以采用传统的控制方法对摆式列车的倾摆进行控制不能满足要求。本系统采用单个神经元进行自适应控制，仿真研究表明可以满足其实时性及跟踪要求。     

基于SIP协议的网络用具设计和实现

随着家庭用具从具有单个任务的设备演变为具有多项任务的特殊设备，家庭用具的下一步将转换成网络用具，同时促进家庭自动化控制的发展。该文通过对会话初始化协议SIP中增加一种新的DO方法来实现对网络用具的控制。     

离散任务的PLC控制系统实现

对具有离散任务的控制系统提出了触摸屏和PLC控制联合应用的解决方法。离散任务经过分析后进行任务分组，各任务之间的切换和人机交互通过触摸屏组态工具来完成，单个任务的处理采用PLC控制。此方法应用于液压试验车中，取得了较好的效果。     

解耦分析磁悬浮列车的悬浮控制问题

磁悬浮列车作为一种新型地面交通工具，已经在实践中得到了成功的应用。对于电磁吸引悬浮系统，由于其系统具有的非线性和不稳定性，需要通过模拟控制器或数字控制器对其进行稳定控制。通过解耦，磁浮列车的悬浮控制问题可以简化为单个电磁铁的悬浮控制问题。这样，对单电磁铁悬浮控制系统的分析设计就变得十分关键了。     

柯马推出4轴SCARA机器人Rebel-S

近日，柯马宣布推出4轴SCARA机器人Rebel-S，这一系列共有5个不同型号，负载皆为6kg，有三种不同的工作半径。所有型号均由R1C19英寸机架式控制器控制，该控制器可集成在单个机柜中，控制整条生产线。另外这些机器人还提供openROBOTICS版本。该版本可以直接集成到由贝加莱技术控制的机器/产线自动化中。     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络，它的隐层单元包含比例（P）、积分（1）、微分（D）元，各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法，用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式，该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时，用单个PI神经网络分离；对输入3个混叠信号时，用单个PID神经网络分离；对输入更多的混叠信号时，可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法，能分离线性或后非线性混叠信号。     

单指令计算机体系结构

本文描述了仅仅采用半加器电路来实现单处理计算机系统的方法，在控制单元中仅仅使用一个单个的硬连线指令更可获得一般用途计算机的全部指令集，这样的系统有很多的优点。     

基于神经网络的自适应控制研究综述

神经网络与自适应控制相结合的研究,已成为智能控制的一个新的分支。自适应具有强鲁棒性,神经网络则具有良好的自学习功能和良好的容错能力,神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。该文综述了近年来神经网络自适应控制的研究现状,阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控触方案,并对神经网络自适应控制的应用作了介绍。在此基础上,对神经网络自适应控制存在的主要问题,如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后,展望了神经网络自适应控制未来的发展趋势,并指出了其研究方向。     

基于强化学习神经网络的车速跟踪控制

提出一种用于汽车排放试验中驾驶机器人对车速跟踪控制的新方法.该控制方法基于神经网络并结合强化学习的自适应能力,通过神经网络的在线学习对车速进行跟踪控制.利用试验汽车所获得的数据,首先开发出用于车速控制的神经网络模型.然后基于强化学习神经网络结构设计神经网络控制器以取得车速跟踪的自适应控制.在仿真研究中,使用神经网络车速控制模型替代实际汽车来训练初始控制器,并用开发与训练好的自学习神经网络控制器用于汽车车速跟踪控制.结果表明,所开发的神经网络控制器具有良好的车速跟踪性能,控制效果明显.     

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器,在引入了控制加权的目标函数下优化神经网络权值学习,因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性,并通过仿真验证了控制器的有效性。     

多变量非线性飞行控制系统的神经网络动态逆控制方法

针对多变量非线性飞行控制系统,从理论上对其逆系统的解析形式进行了详细推导,根据神经网络逼近逆系统的原理分析,提出了一种由静态神经网络和积分器组成的动态神经网络,构造了多变量非线性飞行控制系统的神经网络动态逆控制系统,并利用动力伞飞行控制系统进行了仿真验证,结果表明这种控制方法完全满足控制要求,具有较好的抗干扰能力和鲁棒性能。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

An approach to adaptive neural control of robot manipulators

An adaptive neural control scheme for mechanical manipulators is presented. The neural design has been developed basically following adaptive control design principles and taking into account a number of properties that adaptive schemes and neural controllers have in common. The control loop essentially consists of a neural network for learning the robot's inverse dynamics and online generation of the control signal. Some simulation results are provided to evaluate the design.     

Neural networks for control systems—A survey

This paper focuses on the promise of artificial neural networks in the realm of modelling, identification and control of nonlinear systems. The basic ideas and techniques of artificial neural networks are presented in language and notation familiar to control engineers. Applications of a variety of neural network architectures in control are surveyed. We explore the links between the fields of control science and neural networks in a unified presentation and identify key areas for future research.     

Nonlinear one-step-ahead control using neural networks: Control strategy and stability design

A nonlinear one-step-ahead control strategy based on a neural network model is proposed for nonlinear SISO processes. The neural network used for controller design is a feedforward network with external recurrent terms. The training of the neural network model is implemented by using a recursive least-squares (RLS)-based algorithm. Considering the case of the nonlinear processes with time delay, the extension of the mentioned neural control scheme to d-step-ahead predictive neural control is proposed to compensate the influence of the time-delay. Then the stability analysis of the neural-network-based one-step-ahead control system is presented based on Lyapunov theory. From the stability investigation, the stability condition for the neural control system is obtained. The method is illustrated with some simulated examples, including the control of a continuous stirred tank reactor (CSTR).     

基于神经网络与PID控制的挠性结构的混合控制研究

利用CMAC神经网络与PID控制算法，提出了一种针对飞行器挠性结构振动的混合控制方法．首先在给出系统动力学方程的基础上，利用CMAC神经网络的具体特点，给出了神经网络算法；进而将PID控制算法引入控制系统，形成了一种混合控制方法，该方法具有CMAC神经网络与PID控制算法两者的优点．最后针对复杂的飞行器挠性结构振动问题进行了实例仿真，说明了算法的有效性．