模糊比例控制器在温度控制系统中的应用

针对常规PID控制器对于非线性、时变系统难以达到控制要求的不足 ,采用了模糊比例双模分段控制器设计温度控制系统。仿真表明该系统具有良好的精度和鲁棒性。     

模糊控制技术在温度控制实验中的应用

提出了一种把模糊控制技术运用到温度对象控制实验的方法，并给出了系统实施方案及实验结果．     

基于多重模糊神经网络的PID温度控制算法

传统PID算法在控制具有大滞后、非线性、时变性等动态特性复杂的温度对象时,存在超调量大、参数无法自调节、模型自适应能力差、系统稳定性低等问题。为此,文章提出一种多重T-S型模糊神经网络PID温度控制算法。该算法根据PID算法的结构特点,利用T-S型模糊神经网络的单输出特性,建立能分别输出PID 3个参数的3重网络模型。MATLAB仿真实验结果表明,该算法与传统PID、BP神经网络PID,以及常规模糊神经网络PID等相比,超调量低,稳定性好,模型自适应性强,抗干扰能力强,综合性能指标好。     

一种模糊神经网络及其应用

本文将模糊运算引入常规的Ｐｉ－ｓｉｇｍａ神经网络，大大增强了神经网络处理非线性和不确定性映射的能力，通过对Ｚａｄｅｈ模糊算子的等价变换，使模糊运算成为连续可微的函数，从而实现用梯度法对网络权值的更新，本文的结果显示，这种混合型神经网络在非线性建模和模糊建模等方面有重要的应用价值。     

模糊神经网络及其在智能控制中的应用

本介绍了一门新兴学科——模糊神经网络，给出了其在智能控制中的几种应用，指出了今后研究中有待解决的许多问题，并对模糊神经网络将来的发展与应用作了展望。     

CMAC神经网络与PID复合控制在温度控制中的应用

介绍了小脑模型神经网络原理,提出了神经网络与PID的复合控制算法.将该算法应用于温度控制中,对各个控制器的输出进行了仿真跟踪,并研究了其抗干扰性能,以及改变被控对象参数时的系统响应特性.仿真结果表明,神经网络CMAC与PID复合控制的输出误差小、实时性好、鲁棒性强,抗干扰能力较好.     

模糊系统与神经网络的融合一类模糊神经网络的应用研究

本文简要提脑模糊系统及神经网络的特怀，在分析模糊系统和神经网络关系的基础上，探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论，并以简单的实例说明了应用的可行性及有效性。     

非线性系统的模糊神经网络辨识方法

根据一种模糊动力学模型,提出一种非线性系统的模糊神经网络辨识方法。这种模型具有与线性系统ＤＡＲＭＡ模型类似的结构,证明了辨识算法的收敛性。最后结合实例进行了仿真。     

基于预测控制的神经网络在热分散温度控制中的应用

针对废纸浆造纸生产过程的热分散温度控制特点及工艺要求,提出了对热分散温度控制的改进方案,采用神经网络算法,并结合预测思想的PID对系统进行了有效控制.改进后的控制方案在河北某纸厂的废纸浆造纸热分散控制系统中得到了运用,达到了提高纸浆胶粘物的分散效率和耐破因子的目的,取得了较好的控制效果.     

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。     

基于模糊RBF神经网络的主汽温控制系统

本文主要研究应用模糊神经网络实现主汽温控制系统,采用神经网络的学习能力来优化权值,在不同负荷下都取得了较好的控制效果.     

一种基于遗传神经元网络的模糊控制系统

针对常用的基于BP网络的模糊控制器对模糊控制规则的学习难以达到理想效果的缺陷,采用遗传算法生成前向神经元网络,可同时对网络的极值与结构进行学习,基于此基础的神经网络模型控制系统具有良好的自适应特性。     

基于神经网络实现模糊控制的方法

介绍了一般模糊控制器的结构和主要组成部分的工作原理，介绍了实现模糊控制的查表法，硬件表用模糊控制器和软件模糊推理法的特点。     

基于模糊神经网络的焊缝跟踪算法

将智能控制应用到焊缝跟踪系统中,采用模糊神经网络实现模糊控制的功能,提出了一种基于模糊神经网络的焊缝跟踪算法．实验结果表明,基于模糊神经网络的焊缝跟踪系统对于直线焊缝和平滑过渡的弯曲焊缝轨迹跟踪效果令人满意．     

模糊神经网络在机器人控制中的应用

为克服机器人控制过程中存在的许多不确定因素的影响,构造了一种新型模型神经网络结构,提出了一新算法,并将其应用于机器人控制,取得了满意的仿真效果,表明有极强的鲁棒性。     

基于PID神经元的温度控制系统研究

应用神经网络控制理论和方法，对传统温度控制系统进行控制，可以得到无静差，无超调的优良性能，这对于传统工业改造具有实际意义。     

基于T—S模型模糊神经网络预测的退火炉温度控制

目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性．方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T—S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温．并通过仿真与传统的模糊PID控制方案进行对比分析．结果T—S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点．结论T—S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制．     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

一种基于模糊神经网络的城市道路交叉口可变相序控制

在结合模糊控制和神经网络各自优点的基础上,提出一种城市道路交叉口可变相序自适应控制算法.算法根据通行权转移度设计出相位转移模块和绿灯延时模块,并分别为之建立模糊控制器,每个控制器都通过多层BP神经网络来实现.仿真结果表明,该方法能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.     

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能、抗干扰性能和鲁棒性能