基于Hopfield网络的多变量动态矩阵控制及其在精馏塔系统中的应用

利用Hopfield网络的优化计算功能求解有约束多变量动态知阵控制问题,算法简单,收敛性好,即或以用硬件实时实现,也可用数值积分求解,对Wood-Berry精馏塔的仿真表明了算法的有效性。     

用连续Hopfield网络实现无限时域上的最优控制

为避免直接采用Riccati方程求解时变系统无限域最优控制问题时的计算困难,本文提出一种基于时间连续状态连续型Hopfield网络(CTCSHNN)实现无限域动态最优控制的方法．该方法通过建立CTCSHNN能量函数与移动域控制指标间的等价关系,可在线构建CTCSHNN．理论分析表明,依据该方法设计的CTCSHNN具有稳定性,而且移动域控制量可由网络稳态输出直接产生．将该方法与滚动优化策略相结合,可实现无限时域上的闭环最优控制．仿真实验验证了理论设计的正确性与采用基于CTCSHNN的移动域控制实现无限域闭环最优控制的可行性．     

多变量离散时间系统的自适应LQ控制

考虑了多变量离散系统的自适应ＬＱ（线性二次）控制问题,利用ＬＳ（最小二乘）算法和ＷＬＳ（加权最小二乘）算法的自收敛性和随机正则化的思想「１」,证明了修改的估计模型是几乎处处自收敛的、一致可控和一致可观的,基于上面的估计,提出了两种自适应ＬＱ控制律,证明了闭环系统是稳定的和最优的。     

基于连续Hopfield网络的物流路径优化研究与仿真

路径优化问题一直是智能控制领域中一个重要的研究对象.针对连续Hopfield神经网络和离散Hopfield神经网络的优缺点,设计了一种基于连续Hopfield网络的物流路径规划方案.首先对网络的结构进行了阐述,同时引入了能量函数的概念,对网络的稳定性进行了证明.根据实际问题的描述,将路径行程映射为换位矩阵,将路径优化的目标函数映射为网络的能量函数,设计出目标函数的动态方程,方程的最小值就为路径规划的最优值.最终通过软件仿真,求得最优解,证明了网络的可行性.     

基于连续Hopfield网络求解TSP的新方法

当连续Hopfield网络及其能量函数同时具有自反馈或不具有自反馈时,称之为一致连续Hopfield网络．在分析了一致连续Hopfield网络能量稳定性的基础上,进一步研究了当网络有自反馈,而其能量函数无自反馈的情况下,网络能量变化的性质,分别给出了使能量函数上升、下降和不变的条件．利用这一理论,可以克服由于梯度下降法所导致的网络能量函数总是下降,从而使网络陷入局部极小值或不可行解的现象．最后在这个理论的基础上我们给出了一种新的求解TSP(traveling salesman problem)的方法,仿真研究表明此方法对于求解TSP问题是很有效的．     

用改进的差分式Hopfield网络实现线性二次型最优控制

为解决差分式Hopfield网络能量函数的局部极小问题,本文对之改进得到一种具有迭代学习功能的线性差分式Hopfield网络.理论分析表明,该网络具有稳定性,且稳定状态使其能量函数达到唯一极小值.基于线性差分式Hopfield网络稳定性与其能量函数收敛特性的关系,本文将该网络用于求解多变量时变系统的线性二次型最优控制问题.网络的理论设计方法表明,网络的稳态输出就是欲求的最优控制向量.数字仿真取得了与理论分析一致的实验结果.     

基于Hopfield神经网络的双线性离散系统最优控制

将基于二次型性能指标的离散双线性系统最优控制问题转化为动态规划问题，并用Hopfield神经网络（HNN）求解．该方法具有结构简单、易于硬件实现、求解速度快且能求得精确最优解等特点．在复杂系统的实时优化与控制等方面具有广阔的应用前景．     

多变量系统模糊解耦自适应控制

对象模型难以确定的系统，采用经典控制方法难以实现解耦控制，作者应用模糊控制理论，研究了一种无需对象模型的模糊解耦自适应控制方法。本文介绍了这一方法，导出实现模糊解耦自适应控制的充要条件，并给出了仿真结果。     

基于Hopfield网络的系统参数领域辨识方法

本文综合利用频谱分析技术和Ｈｏｐｆｉｅｌｄ网络的神经计算能力，提出一种基于Ｈｏｐｆｉｅｌｄ网络的系统参数频域辨识方法，并进行仿真验算，结果表明了方法实现的可行性及在克服噪声影响方面的有效性。     

基于RBF神经网络的改进多变量预测控制

针对一类多输入多输出非线性被控对象,提出一种基于单神经网络的预测控制算法,应用RBF神经网络对非线性系统进行辨识,并计算被控系统多步预测输出值.该方法通过对传统预测目标函数加以改进,给出一种带微分项的多步预测目标函数,通过迭代寻优实时给出优化控制量.该方法实时性好,简化了传统预测控制算法,加快了滚动寻优的速度,有效地抑制了系统惯性和输入时滞所带来的超调,减小了模型误差、干扰及不确定性对控制器的影响.仿真及应用结果表明了该方法的有效性.     

求解非线性方程的一种改进Hopfield神经网络

本文提出一种改进的ＨｏｐｆｉｅＩｄ神经网络来求解非线性方程。文中给出了这种网络的结构，讨论了网络平衡点与非线性方程解之间的关系，证明了网络的稳定性。这种网络的结构较为简单，易于编程及硬件实现。     

连续Hopfield神经网络图像复原算法的改进

分析了状态连续变化的Hopfield神经网络模型及其收敛性。提出以最大正确转移概率作为更新神经元的选择准则．理论分析表明，该准则能增加神经元状态向提高复原图像信噪比方向转移的概率。利用该准则，提出了串行和并行两种算法进行图像复原．并与连续Hopfield网络复原算法进行比较，发现复原图像的信噪比得到进一步提高。     

连续Hopfield神经网络图像复原算法的改进

分析了状态连续变化的Hopfield神经网络模型及其收敛性。提出以最大正确转移概率作为更新神经元的选择准则,理论分析表明,该准则能增加神经元状态向提高复原图像信噪比方向转移的概率。利用该准则,提出了串行和并行两种算法进行图像复原,并与连续Hopfield网络复原算法进行比较,发现复原图像的信噪比得到进一步提高。     

Hopfield Neural Networks for Parametric Identification of Dynamical Systems

In this work, a novel method, based upon Hopfield neural networks, is proposed for parameter estimation, in the context of system identification. The equation of the neural estimator stems from the applicability of Hopfield networks to optimization problems, but the weights and the biases of the resulting network are time-varying, since the target function also varies with time. Hence the stability of the method cannot be taken for granted. In order to compare the novel technique and the classical gradient method, simulations have been carried out for a linearly parameterized system, and results show that the Hopfield network is more efficient than the gradient estimator, obtaining lower error and less oscillations. Thus the neural method is validated as an on-line estimator of the time-varying parameters appearing in the model of a nonlinear physical system.     

多变量模糊神经网络控制器的研究

提出一种MIMO系统的模糊神经网络控制器结构,阐述了基本设计思想和具体算法过程。应用实例仿真结果表明,它可用于控制强耦合带时延多变量系统,并使系统具有良好的动态和静态性能。     

基于BP神经网络的多变量PID解耦控制

基于神经网络的智能PID控制策略，以经典的PID控制理论为基础，并通过具有多变量解耦控制自学习功能的神经网络参数整定来实现。本文给出了网络的结构和算法，示出了一组二元变量强耦合时变系统的实时仿真结果。通过计算机仿真证明，基于神经网络的PID控制具有良好的自学习和自适应解耦控制能力。该系统融解耦器和控制器于一体，易于实现，适用于非线性多变量系统的解耦控制。它使解耦后的系统具有较好的动态和静态性能，特别是当根据BP控制规律确定了网络连接权系数的初值时，还能使系统参数快速收敛。     

PID神经元网络对强耦合带时延多变量系统的解耦控制

提出了一种新的神经元网络－ＰＩＤ神经元网络，它是由比例元、积分元和微分元构成的多层神经元网络，它可以用于控制强耦合带时延多变量系统，并使系统具有良好的动态和静态性能。     

基于连续函数的自反馈Hopfield神经网络图像复原算法

在分析图像复原的Hopfield神经网络恢复算法的基础上,提出了一种基于连续函数的全并行自反馈改进算法,利用该算法对匀速直线运动模糊图像进行复原,并与Paik方法得到的复原图像进行比较,发现该方法得到的复原图像信噪比提高显著,且恢复过程加快。