冲击噪声的有源控制方法综述

给出了冲击噪声的特性,概述了现存的冲击噪声有源控制方法,从计算量、稳定性、收敛性和消噪效果等方面对各方法的优缺点进行了分析。给出了有关冲击噪声未来的研究内容及方向。     

一维噪声的有源控制

传统的无源吸振技术难以解决低频噪声控制问题,有源噪声控制（ＡＮＣ）是解决低频噪声控制问题的有效方法。有源噪声控制（ＡＮＣ）通过引入可以控制的次级声源使其和主噪声源干涉相消而达到的降噪的目的。介绍了常用的几种有源噪声控制（ＡＮＣ）算法,对常用ＡＮＣ算法的性能进行了分析,并结合仿真结果对常用的ＡＮＣ算法进行了评价。最后对算法的选择提出了建议,并对ＡＮＣ的未来发展进行了展望。     

非线性系统的模糊神经网络辨识方法

根据一种模糊动力学模型,提出一种非线性系统的模糊神经网络辨识方法。这种模型具有与线性系统ＤＡＲＭＡ模型类似的结构,证明了辨识算法的收敛性。最后结合实例进行了仿真。     

噪声有源变结构控制

研究有源噪声控制（ＡＮＣ）问题,将滑模变结构技术引入有源噪声控制领域。提出了一种基于滑模变结构技术的噪声有源自适应控制方法,给出了一种在线参数自适应学习算法,证明了闭环控制系统在Ｌｙａｐｕｎｏｖ意义下的稳定性。仿真结果表明,基于滑模变结构技术的噪声有源自适应控制比传统的Ｆｉｌｔｅｒ－Ｘ控制更为有效。     

基于遗传算法的非线性多变量系统模糊神经网络控制

针对一类非线性多变量系统的解耦控制，提出了采用基于模糊神经网络（FNN）的模型参考模糊控制结构，并且为了提高ENN的收敛速度采用了遗传算法。仿真结果表明了该种控制策略的有效性。     

基于模糊神经网络的水下潜器多变量解耦控制研究

潜器在水下进行特殊作业时，需保持空间六自由度的定位姿态，对定位的控制存在叉影响，因而给潜器的精确控制带来困难。针对这一控制非线性系统，提出了一种基于模糊神经网络(DFN)控制方法，该方法对非线性多变量动态系统具有较强的处理能力；它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构，预估补偿器方法是通过预定试验的离线学习，获得耦合的预估知识，然后在线完成补偿，仿真结果显示该方法具有很好的鲁棒性。     

一种基于非线性变换的脉冲噪声有源控制算法

由于脉冲噪声的冲击特性,经典的有源噪声控制算法的性能显著降低。针对对称α稳定分布的脉冲噪声,提出了一种基于Sigmoid函数的非线性变换算法,解决了因脉冲噪声幅值过大所引起的稳定性问题,并对该算法的收敛条件进行了分析。在理论分析的基础上,对该算法进行了仿真研究。仿真结果表明,对于不同的α值,该算法均能取得较好的降噪效果。     

管道噪声有源控制研究

提出了双初级传声器加分频器的单次级声源的噪声有源控制新系统,从理论上分析了该系统对管道噪声有源控制的可能性．用该系统对单频声、多频声和某风井的宽频带噪声进行了消声试验,分别取得了２５～３０ｄＢ,１５．８ｄＢ和１１．３ｄＢ的降噪量,试验证明了所提出的控制系统对管道噪声有源控制是可行和有效的     

模糊系统与神经网络的融合一类模糊神经网络的应用研究

本文简要提脑模糊系统及神经网络的特怀，在分析模糊系统和神经网络关系的基础上，探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论，并以简单的实例说明了应用的可行性及有效性。     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

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.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

汽车半主动空气悬架自适应模糊神经网络控制

考虑空气悬架弹簧刚度可调的特性,建立了车辆5自由度的半主动悬架非线性动力学模型.提出了一种基于自适应模糊神经网络系统结构的模型,参考自适应控制方法来研究汽车半主动空气悬架的非线性控制问题,并考虑半车模型前后悬架的输入时滞,对其进行了仿真分析.研究结果表明:该控制方法能够使人体垂直加速度、车身垂直加速度和俯仰角加速度都得到很大的衰减,可在一定程度上减少路面对车身的振动冲击,提高汽车的行驶平顺性.     

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.     

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。     

一种模糊神经网络及其应用

本文将模糊运算引入常规的Ｐｉ－ｓｉｇｍａ神经网络，大大增强了神经网络处理非线性和不确定性映射的能力，通过对Ｚａｄｅｈ模糊算子的等价变换，使模糊运算成为连续可微的函数，从而实现用梯度法对网络权值的更新，本文的结果显示，这种混合型神经网络在非线性建模和模糊建模等方面有重要的应用价值。     

基于CMAC的有源噪声控制研究

提出一种神经自适应噪声有源控制的方法，把小脑模型关联控制器用于对噪声进行有源控制。对三维空间传播的宽频带噪声，利用小脑模型关联控制器实现有源噪声控制获得了良好的降噪效果。     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案．在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器．该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力，改善了控制系统的性能．     

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。     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中,将模糊控制技术与神经元网络技术相结合,构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点,既具有模糊控制器简单和有效的非线性控制作用,又具有神经元网络自学习和自适应能力,改善了控制系统的性能.