基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。     

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器,在引入了控制加权的目标函数下优化神经网络权值学习,因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性,并通过仿真验证了控制器的有效性。     

具有辅助调节功能的递归神经网络自适应PID控制

本文指出并修正了对角递归神经网络算法中存在的不足,针对逆动力学模型控制器稳 定性差的缺点,构造了基于递归神经网络的自适应PID控制系统,并给出了辅助调节算法． 数学分析及仿真结果表明,本文所做的修正是合理的,所构造的系统可以对复杂和不确定性 动力学系统实现良好的自适应控制,具有较高的控制精度和较强的鲁棒性．     

基于递归神经网络的一类非线性无模型系统的自适应控制

给出了基于递归神经网络非线性无模型的自适应控制方案，它具有灵活、简单、方法等特点，可以处理传统方法和非线性无模型系统自适应控制方法不能控制或控制效果不理想的非线性对象。理论分析和仿真结果证明了这种方法的优越性。     

基于FXAFA算法的有源噪声消除系统

自适应介绍了基于TI公司提供的DSP芯片TMS320VC5402的自适应有源噪声控制（active noise control，ANC）系统，给出了系统的工作原理及其硬件结构，并详细说明了基于平均的FXAFA（Filtered-x Adaptive Filtering with Averaging）算法，给出了程序流程图和实验结果。通过实验证明，该系统有较好的降噪效果。     

直接自适应动态递归模糊神经网络控制及其应用

针对某些仿射非线性系统中各状态变量间呈微分关系的特点,本文提出仅取某些可测状态变量 作为动态递归模糊神经网络(dynamic recurrent fuzzy neural network, DRFNN) 的输入,而由DRFNN 的反馈矩阵 描述系统内部动态关系的直接自适应DRFNN 控制算法,克服了将系统所有变量作为输入的传统模糊神经网 络(traditioanl fuzzy neural network, TFNN) 因某些不可测状态变量所导致的不可实现问题．在电液伺服系统中的 应用结果表明：直接自适应DRFNN 控制算法相对于TFNN 控制算法对系统稳态特性的改善具有较大的优越 性．     

一类递归RBF神经网络模型的稳定性讨论

在径向基函数神经网络（RBFNN）和递归神经网络（RNN）的基础上,提出了一类新的递归径向基函数神经网络（RRBFNN）模型,它具有两种网络模型的优点。文中对它的渐近稳定性和学习算法进行了研究,并给出相关的定理和公式。仿真结果表明了该神经网络模型在控制不稳定非线性系统（如小车－倒摆系统）具有巨大潜力。     

对一种递归神经网络算法的修正

本文指出了Ｃｈａｏ－ｃｈｅｅ Ｋｕ等人提出的对角递归神经网络算法中存在的不足，并给出了修正算法，数学分析及仿真结果表明，本文所做的修正是合理的。     

一种补偿递归模糊神经网络及其学习算法

文中在系统研究各种模糊神经网络的基础上,通过在传统的模糊神经网络中引入递归环节和补偿环节,提出了一种新型的补偿递归模糊神经网络(CRFNN)。在此基础上,进一步提出了一种序贯学习策略对网络进行结构辨识,可有效确定模糊规则的条数及相关参数的初始值。文中还针对CRFNN的特点,通过改进BP算法,对CRFNN网络的结构参数进行学习。通过对典型非线性系统的建模计算,结果表明:文中的CRFNN具有优良的动态响应特性和很强的学习能力。     

Design of Adaptive Robot Control System Using Recurrent Neural Network

The use of a new Recurrent Neural Network (RNN) for controlling a robot manipulator is presented in this paper. The RNN is a modification of Elman network. In order to solve load uncertainties, a fast-load adaptive identification is also employed in a control system. The weight parameters of the network are updated using the standard Back-Propagation (BP) learning algorithm. The proposed control system is consisted of a NN controller, fast-load adaptation and PID-Robust controller. A general feedforward neural network (FNN) and a Diagonal Recurrent Network (DRN) are utilised for comparison with the proposed RNN. A two-link planar robot manipulator is used to evaluate and compare performance of the proposed NN and the control scheme. The convergence and accuracy of the proposed control scheme is proved.     

基于DRNN的传感器的建模研究

针对传感器受温度影响的复杂非线性输入输出特性,利用对角递归神经网络（DRNN）建模,并实现了温度补偿和非线性校正。对于权值的训练采用LM算法,克服了BP算法收敛慢的缺陷,使其在保证收敛的前提下,提高了收敛速度。实验表明：应用DRNN对传感器建模是一种行之有效的方法。     

基于动态对角递归网络的变压器故障诊断

本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。同时,将动态对角递归网络引入到电力变压器的故障诊断中,通过改良三比值方法来实现故障诊断,提高了神经网络故障诊断收敛性及增量学习能力。最后,仿真诊断实例表明了应用这种方法实现的变压器故障诊断系统的有效性。     

基于动态对角递归网络的变压器故障诊断

本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。同时,将动态对角递归网络引入到电力变压器的故障诊断中,通过改良三比值方法来实现故障诊断,提高了神经网络故障诊断收敛性及增量学习能力。最后,仿真诊断实例表明了应用这种方法实现的变压器故障诊断系统的有效性。     

一种基于PSO的自适应神经网络预测控制

针对非线性系统,提出了一种基于微粒群优化(PSO)的自适应神经网络预测控制方法.采用对角递归网络(DRNN)对非线性系统进行建模,并利用扩展卡尔曼滤波(EKF)递推估计算法在线计算网络模型参数的Jacobian矩阵以实现模型参数的自适应.利用PSO算法在线优化求解非线性系统的预测控制律,以克服传统基于梯度法的非线性规划方法求解预测控制律时对初始条件非常敏感的缺点.生化发酵过程的仿真结果表明,所提出的控制方法具有良好的跟踪能力和抗干扰能力.     

Using a New Model of Recurrent Neural Network for Control

This paper shows the results obtained in controlling a mobile robot by means of local recurrent neural networks based on a radial basis function (RBF) type architecture. The model used has a Finite Impulse Response (FIR) filter feeding back each neuron's output to its own input, while using another FIR filter as a synaptic connection. The network parameters (coefficients of both filters) are adjusted by means of the gradient descent technique, thus obtaining the stability conditions of the process. As a practical application the system has been successfully used for controlling a wheelchair, using an architecture made up by a neurocontroller and a neuroidentifier. The role of the latter, connected up in parallel with the wheelchair, is to propagate the control error to the neurocontroller, thus cutting down the control error in each working cycle.     

气动人工肌肉手臂的神经网络Smith预估控制

针对含时滞d的1关节气动人工肌肉(PAM)手臂,用三层递归神经网络(RNN),建立PAM手臂包含时滞的模型(即非线性Smith预估器),并超前d步预测PAM手臂的输出角度.将此超前d步的预测值作为反馈量,与设定值相比较得到的误差作为PID控制器输入量,实现Smith预估PID控制.同时每一步都用RNN模型当前时刻的输出值与PAM手臂当前时刻实际输出值之差的平方做为RNN权值的在线调整准则对RNN预测模型的权值进行在线调整,以自适应PAM手臂的不确定性和时变性.使用Matlab通过串口和研华亚当模块对实物PAM手臂进行控制,控制效果表明所提出的Smith预估PID控制算法比常规PID控制算法的性能有显著提高,证明所提出的算法是有效的和切实可行的.