汽车半主动悬架的神经网络控制及仿真

基于 1 /2汽车非线性模型和对角回归神经网络模型 ,应用模型参考自适应控制对半主动悬架系统进行了离线辨识 ,构成了非线性神经网络控制器 ,在线训练了神经网络控制器 ,并对半主动悬架进行了控制仿真 ,对仿真结果进行了分析、总结。     

模糊神经网络在夹送辊同步控制中的应用

针对滚切式双边剪在钢板剪切过程中的跑偏问题以及夹送辊在输送钢板过程中不同步所造成的钢板跑偏现象,研究了基于模糊神经网络的模型参考自适应控制算法及其在中厚板生产线上双边剪夹送辊传动系统中的应用.利用模糊神经网络的自学习能力整定PID控制器参数,以实现有效的非线性控制.基于此方法进行夹送辊同步控制,以防止钢板跑偏.通过仿真实验,证明了该算法的有效性,说明了模糊神经网络的模型参考自适应控制器在系统参数时变时的控制效果优于传统的PID调节器.     

基于神经网络的铸坯凝固过程自适应控制

对铸坯冷却过程模型进行了改进，同时采用最小方差自适应控制策略和多层前馈神经网络技术，设计了一种铸坯表面温度自适应控制器，该方法克服了传统的拉速配水和根据传热学模型控制喷水的不足，具有一定的实用价值。     

基于单步预测的模型参考自适应逆控制

针对非线性系统,提出一种基于单步预测的模型参考自适应逆控制方案.该方案将预测思想引入自适应逆控制中,采用Elman网络作为模型辩识器,利用它建立非线性系统输出的预测模型;采用模糊神经网络作为自适应逆控制器,由预测误差进行参数的在线自适应寻优.仿真结果表明,该方案具有很好的跟踪效果和较强的鲁棒性.     

神经网络自适应控制技术在空调系统中的应用

目的采用神经网络自适应控制方法，来解决中央空调系统大惯性、大时滞问题，提高控制效果．方法利用两个BP神经网络NNC和NNI，分别做控制器和辨识器，神经网络辨识器通过采集相关的输出量，监控系统的工作状态，并通过实时调整神经网络控制器参数．结果实现中央空调智能控制，仿真结果验证有良好的动态性能和稳态性能．结论神经网络自适应控制器优于常规控制器．调节速度快，超调小，具有良好的控制性能．     

不确定随机非线性时滞系统的自适应神经网络跟踪控制

针对一类具有严格反馈形式的随机非线性时变时滞系统的自适应神经跟踪控制问题,本文利用神经网络参数化和反推（backstepping）方法,构造出一类自适应神经网络状态反馈控制器。仿真结果表明,这种自适应控制器保证闭环系统的所有变量概率意义下有界,并使系统的输出跟踪参考信号,跟踪误差收敛到原点的一个充分小的邻域之内,仿真验证了该方法的有效性。     

一种基于神经网络的直接自适应控制器

对于具有不确定因素的非线性系统 ,通过校正神经网络的预报输出 ,应用最优化及网络辩识器模型局部线性化的思想 ,提出一种鲁棒自适应神经网络控制器 ,仿真研究证明该控制器具有较强的抗干扰能力     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器,该控制器能通过自学习进行适应性控制,且结构简单,易于实现。其主要特点是能够提供一个跟踪网络来辩识系统模型,进而确定控制器的网络参数,实现间接自适应神经网络控制。经过对大量非线性系统的仿真研究,证明其具有良好的控制性能。     

基于模糊神经网络的电液位置伺服系统控制

采用将T-S模型与RBF神经网络相结合的网络结构,提出一种复合式控制方案,以解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性系统的高精确度输出跟踪控制;通过引入运行监控器,克服模糊神经网络控制方法通常存在的实时性差的问题;同时,利用一个鲁棒反馈控制器,来保证模糊神经网络模型学习初期闭环系统...     

气动机械手伺服控制策略研究

讨论了传统PID控制和神经网络模型参考自适应控制器的结构、控制算法,并探讨了系统参数发生变化对控制效果的影响.在理论分析的基础上对气动位置伺服系统的响应特性进行了研究,证明了本文提出的控制策略对气动位置伺服系统是适合的,控制系统具有良好的动态和静态特性,而且控制算法的实现比较简单,适合在实际中应用.     

Adaptive Control by Using Neural Networks

ＡｄａｐｔｉｖｅＣｏｎｔｒｏｌｂｙＵｓｉｎｇＮｅｕｒａｌＮｅｔｗｏｒｋｓ￥（郝继红）（吕强）（段运波）（许耀铭）ＨＡＯＪｉｈｏｎｇ；ＬＵＱｉａｎｇ；ＤＵＡＮＹｕｎｂｏ；ＸＵＹａｏｍｉｎｇ（Ｄｅｐｔ．ｏｆＰｏｗｅｒＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎｉ...     

神经网络在气动PWM位置伺服系统中的应用

将递归神经网络对于阶未知的非线性对象或具有未知延迟的系统辨识能力与ＰＩＤ控制的有效性相结合，构成了一种基于递归神经网络的自适应ＰＩＤ控制系统，对气动脉宽调制位置伺服系统进行控制，使系统获得了一定的在线自我调整能力，提高了系统的性能。     

BP神经网络在织物风格评价中的应用

探索人工神经网络在织物风格评价中的应用,基于反向传播神经网络模型（BP）建立了四层网络系统基于算是 物风格信号,实验表明,经过学习训练,系统具有较强的自适应模式识 能力,可以有效解决织物风格评定问题。     

Compensation for secondary uncertainty in electro-hydraulic servo system by gain adaptive sliding mode variable structure control

Based on consideration of the differential relations between the immeasurable variables and measurable variables in electro-hydraulic servo system, adaptive dynamic recurrent fuzzy neural networks（ADRFNNs） were employed to identify the primary uncertainty and the mathematic model of the system was turned into an equivalent linear model with terms of secondary uncertainty. At the same time, gain adaptive sliding mode variable structure control（GASMVSC） was employed to synthesize the control effort. The results show that the unrealization problem caused by some system＇s immeasurable state variables in traditional fuzzy neural networks（TFNN） taking all state variables as its inputs is overcome. On the other hand, the identification by the ADRFNNs online with high accuracy and the adaptive function of the correction term＇s gain in the GASMVSC make the system possess strong robustness and improved steady accuracy, and the chattering phenomenon of the control effort is also suppressed effectively.     

基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

有源消声的混合自适应控制系统及试验研究

为有效提高有源噪声控制的消声性能,针对线性控制和非线性控制方法的优缺点,基于模型参考神经网络直接自适应控制原理,提出了一种模型参考混合直接自适应控制策略,利用FLMs和非线性BP网络混合构建自适应控制系统,通过系统误差确定2种网络的加权系数,使控制器训练初期以FLMs为主提高收敛速度,后期以非线性BP网络为主提高系统控制精度．混合控制策略在保持原有非线性控制策略优点的同时,提高了系统的收敛速度．试验结果表明．该控制策略优于神经网络自适应控制．     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...     

基于互信息自适应估计的说话人确认方法

为了更准确地度量特征间的关系,提出了一种基于互信息自适应估计的目标函数表示方法。将具有自适应特性的度量方法引入到目标函数中,该目标函数以最大化类内相似度、最小化类间相似度为目标,并能根据深层特征的真实分布情况对相似度进行动态的调整,从而使深度神经网络朝着区分性更强的方向进行优化。此自适应度量方式还被用于特征筛选,其能够根据特征的特点进行有针对性的参数更新,使得选取的特征具有典型性,提升目标函数对于深度神经网络优化方向的指导能力。实验结果表明,相比于其他深度神经网络方法,该方法的相对等错误率最多降低了28%,显著提升了说话人确认系统的性能。