用于非线性动力系统控制问题的自组织神经网络自适应方法

本文提出一种用自组织自学习适应思想解决非线性动力系统控制问题的新方法。在每个小区域感受野,可以把非线性系统近似展开为线性,由神经元执行控制。各神经元的凝视点,感受野和功能由自组织自学习自适应方法进行调节。大量仿真结果验证了本方法的正确性和实用性。     

半主动悬架神经网络自适应控制研究

本文针对半主动空气悬架这种时变的、非线性复杂系统,提出基于神经网络的自适应控制策略,设计了神经网络辨识器和控制器.通过仿真计算和分析验证了其可行性和有效性.     

一种用于非线性控制的神经网络模糊自组织控制器

本文提出一种神经网络自组织控制器，并应用于非线性跟踪控制中，为了加快模糊控制器的在线学习，文中给出了一种变的最速梯度下降学习算法，仿真结果表明，该控制是有效的。     

神经网络控制系统研究

本文讨论了两种基于BP网络的自适应控制方法,给出了仿真结果,取得了较好的控制效果,显示了神经网络用于控制系统的优越性和巨大潜力,最后提出几点值得进一步探讨和研究的问题。     

AGC系统的神经网络自适应控制

针对板带轧制过程厚度自动控制（ＡＧＣ）问题，提出逆动态自适应神经网络ＡＧＣ（ＶＡＮＮ－ＡＧＣ）系统，并给出适于过程控制的网络激励函数和改进的ＢＰ网络训练方法。仿真结果表明：ＶＡＮＮ－ＡＧＣ系统可自适应地实现快速跟随响应和抗扰调节；新的网络激励函数和训练方法适用于过程控制的需要；系统稳态厚差精度达到±５μｍ。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

基于神经网络的多变量非线性自适应解耦控制研究

提出神经网络前馈自适应解耦控制算法．该算法将多变量非线性系统在平衡点处利用Taylor公式展开．分为线性部分和高阶非线性部分。这样．将高阶非线性部分的影响视为可测干扰，采用前馈补偿的方法加以消除．就可以借助多变量线性系统的自适应解耦控制算法．实现多变量非线性系统的自适应解耦控制．这种方法可以取消被解耦系统为最小相位的限制。     

应用自组织特征映射神经网络技术实现分布式入侵检测

文中描述了一种应用自组织特征映射神经网络技术构建的分布式入侵检测系统模型，介绍了自组织特征映射神经网络的学习算法、训练过程以及在线检测流程，具有良好的自组织、自适应的能力，为网络安全运行提供了一种入侵检测手段。     

基于神经网络的鲁棒自适应控制

考虑摩擦及外界干扰的情况下，针对具有不确定性参数的机器人系统，提出一种基于神经网络动态补偿的鲁棒自适应控制策略，采用神经网络在线补偿控制器以克服系统的外部扰动，未建模动力学部分等非参数不定性带来的影响，从而提高了系统的动态性能和稳态精度，并对闭环系统稳定性进行了证明，仿真结果表明，所提方法具有良好的跟踪性能和较强的鲁棒性。     

神经网络在控制系统中的应用

本文综述了神经网络在控制系统中的应用情况,并指出了今后可能的研究方向。     

Neural and Neurofuzzy FELA Adaptive Robot Control Using Feedforward and Counterpropagation Networks

In this paper, the application of neural networks and neurofuzzy systems to the control of robotic manipulators is examined. Two main control structures are presented in a comparative manner. The first is a Counter Propagation Network-based Fuzzy Controller (CPN-FC) which is able to self-organize and correct on-line its rule base. The self-tuning capability of the fuzzy logic controller is attained by taking advantage of the structural equivalence between the fuzzy logic controller and a counterpropagation network. The second control structure is a more familiar neural adaptive controller based on a feedforward (MLP) network. The neural controller learns the inverse dynamics of the robot joints, and gradually eliminates the model uncertainties and disturbances. Both schemes cooperate with the computed torque control algorithm, and in that way the reduction of their complexity is achieved. The ability of adaptive fuzzy systems to compete with neural networks in difficult control problems is demonstrated. A sufficient set of numerical results is included.     

基于神经网络的非线性自适应控制*

本文对非线性自适应控制的一个新领域－基于神经网络的非线性自适应控制（以下简称ＮＮＢＮＡＣ）的研究进展进行了综述，讨论了这一领域中存在的几个重要问题，然后指出了与这些问题相关的未来的研究方向。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

基于神经网络的反馈式自适应逆控制系统

由于在建立非线性逆模型时采用带有复杂非线性函数的滤波器来完成,而由此带来了结构复杂、运算量大等缺点,在实际运用上受到了很多限制.为此,采用较为简单的线性逆控制方式与单层神经网络相结合构成逆控制结构,其良好的非线性特性使系统具有逼近任何非线性模型的能力,且结构简单实用.应用举例表明这种方法在运算量和控制性能上均取得了非常好的效果.     

基于神经网络的运动控制系统算法研究

文章研究了神经网络控制算法在运动控制系统中的应用,以典型的运动控制系统为例,基于神经网络内模自适应控制方法设计速度环控制器。采用递归神经网络的ANNI用于充分逼近被控对象的动态模型,前向反馈神经网络ANNC用作控制器,在网络拓扑结构的设计及训练算法的选择上,进行探讨,提供了解决方法并获得了一些有意义的结论。实时仿真结果表明了基于神经网络的控制系统有很强的自适应能力和抗负载扰动能力,在系统的性能上优于传统的控制算法,为类似运动控制系统的设计与研究提供了新的方法。     

改进型B样条模糊神经网络

提出了一种改进型B样条模糊神经网络,用以增加B样条函数在作为模糊神经网络控制器实际应用中的抗干扰能力,通过指出常规B 样条模糊隶属函数构造中存在的不足,提出了针对性的改进措施,从而既满足了B样条本身的性质,又从理论设计上避免了使系统不稳定的因素,在实际电机速度控制系统的对比实验中证明了所提改进方法的有效性和实用性,文中给出了改进型B样条网络的设计过程及实验结果。     

基于自组织神经网络的燃烧诊断研究

自组织神经网络原理被尝试应用到燃烧诊断系统中，网络的输入是从稳定和非稳定燃烧工况下获取的火焰辐射信号的频谱估计值。经过自组织训练后，网络对不同燃烧工况下的输入具有明显不同的输出，通过验证证实了这种方法能检测到的燃烧火焰信号进行有效的处理，从而获取燃烧状态稳定与否的信息。