神经网络滑模变结构控制研究综述

综述了近年来将人工神经网络控制和滑模变结构控制相结合的研究工作．从神经网络在滑模变结构控制中不同的应用方式出发，论述了神经网络在提高和改善滑模变结构系统性能方面的理论和方法，分析了它们各自的特点与相互之间的联系．最后展望了该领域未来的研究方向．     

模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

神经网络变结构控制算法

针对智能工业仪表的特点,将神经网络理论与变结构控制理论结合起来,提出一种神经网络变结构控制算法,运用于一般二阶温度系统,取得较好的控制品质与精度.     

多输出非线性系统神经网络变结构控制的算法及其实现

在变结构控制系统中，切换函数的实际值与理想值之差反映了模型与实际系统的差别，引入神经网络的目的是在线辨识出这种差别。方法实现了对输入多输出非线性系统轨迹踊跃的控制，且对摄动具有很强的鲁棒性，大大减小了系统在切换面上的抖动。     

非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

采用模糊控制的感应电动机解耦变结构系统的研究

感应电动机的解耦变结构控制是一种新型的交流控制系统,但解耦变结构控制在实际系统中会引起抖振问题,从而影响了控制系统的性能.将模糊控制引入感应电动机解耦变结构系统可以有效地抑制抖振,从而提出了采用模糊控制的感应电动机解耦变结构控制系统.     

动态模糊神经网络控制器在伺服系统中的应用

通过在ANFIS的归一化层与输出层之间加入递归,层提出了一种新型的动态模糊神经网络（DFNN）,将模糊推理系统、神经网络和Ⅲ型控制有机地结合起来。给出DFNN的网络结构,为基于收缩间距隶属函数和BP算法提供了参数调整方法。系统实验表明,DFNN控制器比PID＋前馈控制具有更好的动、静态响应,尤其在前馈信号难以取得的情况下具有更明显的优势。     

基于神经网络变结构控制的PMSM系统研究

针对交流永磁同步电机伺服系统中，变结构控制策略存在的抖动，采用递归神经网络来调节变结构控制器参数，有效的削弱了变结构控制固有的抖动特性。仿真结果表明，该方案不仅具有良好的动态性能，而且对系统参数变化和负载扰动具有很强的鲁棒性。     

变结构神经网络及其应用

本文提出了变结构神经网络模型及其学习和工作算法。变结构神经网络可以有教师学习，也可以无教师学习，其学习过程没有迭代循环，权值一次确定，学习精度为０。数值仿真表明：对于非平稳环境，变结构神经网络皆有容错和弹性应变能力。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温一主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

T-S模糊神经网络应用于变参数系统的控制研究

针对基于模型的传统控制策略在线性时变系统中的应用受到系统的时变性和不确定性限制,通常难以获得理想的控制性能这一问题,提出了线性时变系统的一种变参数系统模型。该模型具有有界性和不确定性特点,利用模糊神经网络具有的自学习能力强、模型依赖性小以及鲁棒性强的优点,提出一种基于遗传算法的T-S模糊神经网络控制器对其进行控制研究,并通过仿真实验证明了该模糊神经网络控制器对变参数系统控制的可行性与有效性,为线性时变系统的控制问题提供了一种新思路。     

基于模糊B 样条基函数神经网络控制的交流伺服系统

采用Ｂ样条函数八为模糊隶属函数,利用神经网络实现模糊推理,提出一种模糊Ｂ样条基品数神网络,并将其用于交流伺服系统的控制。仿真结果表明,该控制方法响应速度快,鲁棒性强,是一种有效的控制方法。     

神经网络模糊控制在交流调速系统中的应用研究

研究交流调速系统的控制方法,利用神经网络来实现交流调速系统的模糊控制。通过实际交流变频调速系统的实验表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。     

变结构神经网络

针对神经网络结构、性能不佳的普通状况,本文提出变结构的神经网络。先后研究了神经网络单隐层和多隐层的变化情况。仿真试验结果证明是有效的。     

基于模糊神经网络的多变量解耦控制

针对焦炉集气管压力这类多变量非线性系统，提出了一种基于PID神经网络和RBF模糊神经网络的多变量解耦控制方案，RBF模糊神经网络对多变量对象解耦，PID神经网络控制器控制过程的动态特性。工程应用表明，提出的控制策略有效地解决了集气管压力这类复杂对象的过程控制问题。     

滑模变结构理论在交流伺服系统中的应用

介绍了滑模变结构理论及其在交流伺服系统中的应用现状 ,分析了其控制思想及优、缺点。并介绍了滑模变结构控制和其它集成控制策略 ,指出集成控制策略是获得高性能控制的有效途径。     

智能变结构控制方法综述及其应用

介绍了智能变结构控制的当前发展状况,指出了智能变结构控制能够有效地解决传统变结构控制中存在的缺陷,而且也继承了变结构控制固有的优点,是一种很有发展前途的控制方式.结合实际,简要地介绍了几种流行的智能变结构控制理论,重点介绍了目前比较成熟的模糊理论和神经网络理论同变结构控制的结合,同时也指出当前智能变结构控制的理论还在完善之中,因此在实际工程应用当中需要进一步地研究.