基于动态神经网络在线辨识的PID控制

针对工业控制领域中复杂非线性时变系统和传统RBF神经网络辨识PID控制的不足,提出了一种基于聚类结合算法的动态RBF神经网络在线辨识PID自适应控制方法.通过优化的动态RBF辨识神经网络更好地描述了控制对象的动态行为,获得PID参数在线调整信息,实现系统的智能控制.仿真结果表明,与常规RBF神经网络辨识的PID控制方法相比该方法具有较高的控制精度,较快的系统响应,较强的适应性和鲁棒性.     

基于预报误差法的神经网络辩识

针对传统系统辨识存在的缺点,提出了基于预报误差法的神经网络辨识方法,将神经网络的预报误差法应用于系统辨识中,通过调节神经网络连接权值可使网络输出逼近系统输出。神经网络作为实际系统的辨识模型,可以用于在线控制。仿真实例表明其收敛速度快于BP算法。     

不确定蔡氏电路混沌系统的神经网络优化控制

该文研究了不确定非线性蔡氏电路混沌系统的动态神经网络在线辨识和跟踪控制问题.利用无源技术得出梯度下降算法调整神经网络辨识器权值的稳定性定理,然后在辨识模型基础上设计局部优化控制器,将蔡氏混沌系统镇定到期望目标轨迹,并保证跟踪误差有界.数值仿真结果表明了所提出方法的有效性.     

基于神经网络改进的系统辨识方法

本文介绍了系统辨识的内容和步骤,通过对神经网络中有噪声干扰的二阶系统模型辨识的问题,提出了改进的神经网络MBP模型辨识方法,并仿真验证,证明了BP网络具有较全面的系统辨识能力,功能强大,适用面广,泛化能力优良。     

神经网络在系统辨识中的应用研究

系统辨识在工业方面应用广泛，用神经网络进行系统辨识适用于线性系统和非线性系统。对系统辨识及神经网络均作了较为详细的介绍，并以BP网络为例介绍了网络的初始化、训练和仿真函数，给出了网络结构的设计和辨识结果的输出。     

基于WNN-PID的直流电机位置跟踪控制

提出了一种新颖的小波基神经网络的网络拓朴结构.通过该网络对对象进行在线辨识,得到其Jacobian信息,使用神经网络与模糊算法共同在线调整PID参数的方法,实现直流力矩电机位置的准确跟踪,仿真和实验表明:使用该方法能够实现电机位置的准确跟踪;基本克服了一般神经网络控制对初始权值的依赖,大大提高了对象的辨识精度,增强了系统的动态响应品质,并具有很强的鲁棒性.     

基于循环神经网络的关键输电线路辨识及预测方法

超前地辨识电网关键输电线路对于预防大停电和电网的调控具有重要意义。目前,对于关键输电线路的研究思路主要是基于当前潮流状态,通过多种辨识指标进行识别,而没有研究超前时刻关键输电线路的预测问题。对此,在前人研究工作的基础上,提出了基于长短期记忆网络的关键输电线路预测方法。首先,给出了电力系统输电线路运行圆的基本理论;在此基础上,提出了有功、无功、复功率深度广度的关键输电线路辨识指标;第三,推导了有功、无功、复功率深度广度辨识指标的求解方法;第四,基于循环神经网络方法,结合复功率深度广度辨识指标,提出了关键输电线路的预测方法;最后,通过对实际系统的仿真验证,表明了所提方法的有效性。     

一种基于模糊神经网络的非线性系统模型辨识方法

该文提出一种非线性系统的模型辨识方法。通过结构的辨识(学习)和参数的辨识(学习),构造了一个模糊神经网络,经调整网络的权值,获得一个精确的模糊模型。对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

基于自组织模糊神经网络的污水处理出水水质预测建模

提出了一种新的自组织模糊神经网络算法,该算法能够基于输入数据自动进行神经网络结构辨识和参数辨识。首先采用一种自组织聚类方法得到神经网络的结构和网络参数初值,然后采用监督学习来优化网络参数。以某污水处理厂的运行数据为对象,应用该自组织模糊神经网络建立了活性污泥污水处理系统出水水质预测模型。仿真结果表明,该模型能够对污水处理系统出水水质进行较好的预测。     

基于观测器的复杂网络辨识新方法研究

充分考虑复杂网络中只有部分状态变量可测量的特点,提出了辨识复杂网络拓扑结构的新方法.针对复杂网络中存在部分不可测状态变量的问题,在系统具有多输出的情况下,提出了一种利用降维观测器辨识网络拓扑的方法;进一步实现了仅利用输出变量就能辨识网络拓扑.根据Lyapunov稳定性理论,推导出了设计观测器的条件和拓扑辨识方法.与现有基于观测器的复杂网络辨识方法相比,该方法更加简单实用.最后利用该方法对复杂网络的拓扑结构进行辨识仿真,效果良好.