基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

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,并给出了该算法的认真与分析结果,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。     

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.     

神经网络自适应模糊IDSS系统研究

提出了采用神经网线络与模糊控制相结合的方法来设计自适应ＩＤＳＳ。阐述了神经网络控制器的设计原则及其算法，给出了神经网络自适应ＩＤＳＳ的总体设计和系统结构。     

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。     

神经网络辅助动态GPS卡尔曼滤波算法研究

由于传统卡尔曼滤波导航定位的方法定位精度不高，因此本文提出了用前向神经网络来辅助调节卡尔曼滤波器，其中自适应的体现则是利用了神经网络的BP算法。使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准的卡尔曼滤波器。     

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BP神经网络的模糊PID风量控制

针对煤矿主风机通风系统多变量、非线性、时变滞后性等问题,提出一种基于BP神经网络的模糊PID算法。该算法综合神经网络、模糊控制与PID调节的各自优点,既具有神经网络的自学习和自适应能力,又具有模糊控制的非线性控制作用,同时兼备PID调节的广泛性。仿真结果表明,该算法的响应速度、稳态精度均优于传统的PID调节,取得比较理想的控制效果。     

神经网络模糊控制在透镜抛光中的应用

构造了一种用于光学透镜磨抛加工控制的神经网络自适应模糊控制器，同时建立了用于动态估计透镜光圈数的磨抛机模型网络．控制器采用梯度下降学习算法，对网络权重和隶属函数参数进行自动调整，从而可以获得最优隶属函数．系统具有较好的自适应学习功能，仿真结果表明控制性能优于普通模糊控制．     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

基于HCMAC神经网络的控制研究

利用HCMAC神经网络与模糊控制算法近似的特性，以偏差和偏差的变化率作为：HCMAC神经网络控制器的输入，构造一新型HCMAC神经网络控制器，克服模糊控制中模糊规则难以准确确定的缺陷。通过仿真实例看出，HCMAC神经网络控制器与常规PID控制器相比具有很好的跟踪控制精度，在时变、非线性的复杂系统中具有一定的应用价值。     

模糊控制的发展和现状

介绍了目前模糊控制技术的发展及其研究现状 ,着重讨论了自适应模糊控制及模糊控制与智能控制中其它方法———神经网络和遗传算法相结合来解决模糊控制中隶属度函数的确定及控制规则的建立与完善的新发展 ,它们使模糊控制具有更大的活力和重大的应用价值     

模糊控制的发展和现状

介绍了目前模糊控制技术的发展及其研究现状,着重讨论了自适应模糊控制及模糊控制与智能控制中其它方法－神经网络和遗传算法相结合来解决模糊控制中隶属度函数的确定及控制规则的建立与完善的新发展,它们使模糊控制具有更大的活力和重大的应用价值。     

基于减法聚类的自适应模糊神经网络的短期负荷预测

论述了基于减法聚类的自适应模糊神经网络（ANFIS：adaptive neuro—fuzzy inference system）的短期负荷预测方法．利用减法聚类的方法确定了自适应模糊神经网络的结构,再结合最小二乘估计法和反向传播算法对参数进行训练．向训练好的自适应模糊神经网络输人相关的影响因素数据进行预测．预测结果显示,自适应模糊神经网络能比人工神经网络获得更高的预测精度和耗费更少的训练时间,所以有更好的使用价值．     

基于小波基神经网络PID的直流电机伺服控制

通过一种新颖的小波基神经网络对未知数学模型的对象进行在线辨识,得到对象的数学模型———Jacob ian信息,并提出了神经网络与模糊控制算法共同在线调整PID参数的方法,从而实现电机位置的准确、快速、实时地跟踪.通过仿真和实验表明:使用该自适应控制方法,能够对位置准确跟踪,基本克服了一般神经网络控制对初始权值的依赖,大大提高了对未知模型的辨识精度,改善了系统的动态响应品质,增强了系统的鲁棒性.     

基于模糊—神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学     

不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

BP神经网络自学习PID算法在PLC的实现

目前神经网络自适应PID算法在理论研究方面的成果已经较多,在实际生产过程中的应用较少。以水箱控制为被控对象,利用神经网络在线调节PID控制器参数来增强系统的自适应能力,并采用PLC编程语言完成算法实现,将其应用于实际的液位控制系统中。实际运行结果表明,该系统运行稳定可靠,调节时间和上升时间提高了30％。     

“灵巧手指”的位置／力模糊控制算法研究

为了使“灵巧手指”位置／力控制具有良好的控制性能,在力控制器的设计中应用了模糊控制、神经网络等方法,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明：这两种控制方法与常规PID控制相比,控制性能得到明显改善。     

“灵巧手指”的位置/力模糊控制算法研究

为了使“灵巧手指”位置 /力控制具有良好的控制性能 ,在力控制器的设计中应用了模糊控制、神经网络等方法 ,提出了模糊控制、基于神经网络带积分环节的模糊控制两种算法。仿真结果表明 :这两种控制方法与常规 PID控制相比 ,控制性能得到明显改善。