人工神经网络——模糊控制研究近况

本文综述了人工神经网络－－模糊控制在近期的一些研究成果。     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

人工神经网络在解耦控制中的应用

针对强耦合带延时输入输出（MIMO）非线性离散系统难以实现解耦的问题,提出了用人工神经网络对未知非线性函数具有学习和逼近的能力,并与逆系统相结合,以构造逆系统函数来实现对不满足条件非线性离散系统线性化解耦。该人工神经网络系统由单个静态的神经网络和若干个时延因子构成,其神经网络仅用来逼近系统的静态函数,时延因子用来表征逆系统的动力学特征。这种逆系统可使系统结构简单,具有连好的动态性能,并以仿真实例给予了验证。     

人工神经网络在导弹控制系统中的应用

利用神经网络设计了导弹滚动通道控制系统———人工神经网络 (BP网络 )模型参考控制系统 .通过MATLAB进行了仿真 ,得到的结果说明人工神经网络控制器能够跟踪参考模型的输出 ,实现对滚动通道的控制     

基于RBF人工神经网络的水质评价

以RBF网络建立水质评价模型,网络的输入为某水样中参与评价的n种水质指标实测值的集合,输出为该水样的水质级别。问题关键集中在网络结构的选择、可调参数的优化方法,以及学习样本的代表性上。将n个样本划分成c个类的划分序列。只要在一定水平时样本被归入同一类后,在进行更高水平的划分时,确定类数即确定分类结果。     

系统辨识理论与BP算法数学原理

在人工神经网络理论中，ＢＰ网络是一个重要的人工神经网络，它在非线性分类和高维非线性映射等方面都有着广泛的应用。本文从系统辨识理论入手，即清晰又通欲地阐明了ＢＰ算法的数学原理，不失为了解人工神经网络理论及加强其它学科理论与人工神经网络理论相互联系的好方法。     

人工神经网络在合金铸铁腐蚀深度预测中的应用研究

通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。     

基于人工神经网络的多模引信磁探测信号处理

简述了多模引信磁探测系统的概念、原理及目标特性。对比了BP神经网络、径向基(RBF)神经网络在多模引信磁探测系统信号处理中的优缺点，并对其进行了改进，通过计算机仿真得到了很好的结果。     

多层前馈人工神经网络在装备故障诊断中的应用

多层前馈人工神经网络在装备故障诊断中的应用含设备运行状态特征值设定和故障判定.并建立神经网络样本、确定网络结构、训练网络等.同时,将状态特征值作为输入样本,得出网络的输出,作为故障类型特征值,最后选定故障决策阈值,根据神经网络输出来判定装备是否出现某种故障.     

基于人工神经网络BP算法的倒立摆控制研究

基于人工种经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构．输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度．隐含层单元数16个．输出层设置为1个输出单元．输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数．用Matlab6．5数值计算软件对模型进行学习训练，并与模糊控制逻辑算法对比，表明倒立摆控制BP算法精度高、收敛快，在非线性控制、鲁捧控制等领域具有良好的应用前景。     

人工神经网络技术用于发动机点火和喷油联合控制

针对传统的“查表—插值”控制方法的局限性 ,研究了基于BP模型神经网络的控制策略 ,着重讨论了合适网络结构的确定、合理算法的选取 ,并应用神经网络技术实现了点火和喷油的联合控制 .试验结果表明 ,该方法能满足实时控制的要求     

采用TMS320F240的运动控制实验平台

以TMS320F240数字信号处理器(DSP)为核心的运动控制实验平台,采用三项交-直-交逆变电路和检测电路及相应外围电路构成三项变频器,其上位机使用PC.变频器与感应电机和电机负载结合,构成了一个完整的交流调速系统.逆变器的主开关器件,选用智能功率模块(IPM).DSP控制器以TMS320F240为核心的SEED-F240 DEMO版为基础开发,包括信号的A/D转换和接口等.负载使用5K38UN270Q三项感应伺服电机所带磁粉离合器,对称空间矢量脉宽调制波由TMS320F240的通用定时器1与3个全比较单元配合产生,采用M/T法测量转速.只要遵循该实验平台的接口协议,设计所需控制软件,即可实现其运动控制,并已成功地用于异步电机无速度传感器的矢量控制、直接转矩控制、V/F恒定调速控制等项目.     

航向角BP神经网络自整定PID控制算法仿真

设计了基于BP神经网络的自整定PID控制算法,此控制算法不需要被控对象的数学模型,先由BP神经网络对被控对象进行辨识,给出PID控制所需要的3个参数,再由PID控制算法进行有效的控制,最后用MATLAB对某水下机器人的航向角模型进行了仿真验证。     

飞行器航迹控制的神经网络方案

针对用动态逆方法设计飞行器轨迹控制系统所遇到的完全非线性问题，提出了一种以神经网络为核心的解决方案，其中用一个前向神经网络逼近完全非线性的近似逆；非在分析了系统误差的基础上，用一个适应动态神经网络代偿系统的近似逆误差和前向神经网络的映射误差。文中给出了前向神经网络的拓朴结构及动态神经网络的自适应修正律，仿结果表明该方案具有良好的指令跟踪能力。     

应用神经网络的飞行器动力学自适应控制

针对具有未知参数的飞行器系统提出了一种基于模型的神经网络预测控制策略．目的是通过一个优化程序以自适应控制律来稳定未知系统．由于能够描述动态函数关系的特性和具有反馈处理结构，回归神经网络以一个期望状态值的自适应估计器得到应用．神经网络的训练是通过动态顺序递归反向传播学习算法来执行的．这表明所提出的神经网络学习算法拥有设计飞行控制系统的潜在能力，所设计的飞行系统能在大范围飞行条件下和其它不确定因素下补偿飞行器动力学不可预测的变化．     

混沌模糊神经网络在导弹故障诊断中的应用

在某型导弹测试设备故障诊断神经网络知识库的组建过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,将混沌机制引入常规模糊神经网络算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题.通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中,并可方便地应用于其它方面.     

基于BP 神经网络的转筒式称量系统的称量效率预测

摘要：为解决普通数理方法难以进行转筒式称量效率预测的问题,基于BP 神经网络,建立人工神经网络算法 模型。对模型输入项进行分析,找出影响称重效率的重点关联因素,研究在5 种输入层因素下,模型称量效率的预 测精度,并进行仿真分析。结果表明：该模型能有效预测转筒式称量方式的称量效率,且预测精度较高。     

基于人工神经网络的核素识别方法

针对传统核素识别方法不具有强适应性导致识别率降低的问题,建立基于反向传播(back propagation,BP) 神经网络的核素识别预测模型。以镅、镉、钚、氡、钯、钴、铯7 种核素的实测信号为例进行仿真模拟,建立核素 识别模型。结果表明：该模型能快速准确地识别上述核素,应用前景广泛。     

基于神经网络的模型参考自适应控制方法

针对传统基于模糊神经网络的模型参考自适应控制方法的一些不足,提出了一种基于BP神经网络的模型参考自适应控制结构,并对所使用的BP网络学习算法进行了分析改进。对比分析采用传统自适应方法和改进的自适应方法时,不同的控制仿真结果表明,改进后的方法可以有效地抑制神经网络的“过学习”现象,减小了对神经网络辨识器精度的依赖程度,改进效果显著。     

基于ANN的汽车磁力悬架系统参数优化

该文通过分析永磁弹性元件的特性,建立了采用永磁弹性元件的1/4汽车非线性动力学模型,然后运用人工神经网络对其悬架参数进行了优化.优化实例结果表明,优化后的参数较好的改善了汽车的行驶平顺性.