递阶结构智能控制系统的控制器设计

本文提出一种基于人工神经元网络控制的递阶智能控制结构，整个控制系统由上层的智能控制器和下层的常规控制系统组成，上层神经网络控制器通过不断调整常规控制系统的参考输入来改善整修控制系统的性能，在这种控制系统中，由于常规控制器的参数与结构不受上层控制器的影响，帮可实现一些高级控制算法，文中对递阶智能控制系统的基本思想，设计方法，系统的稳定性等进行了讨论与分析，同时给出了仿真结果与结论。     

基于神经元网络的模型算法控制

本文提出了一种利用人工神经元网络来实现的模型算法控制，克服了ＭＡＣ不能用于非最小相位系统和单步ＭＡＣ也不能用于纯延迟过程的缺点，通过ＢＰ网络的自学习产生预测偏差，并由智能控制单元进行控制，仿真表明，该控制方法具有良好的控制，特性和鲁棒性，并且适用于非线性系统。     

BP算法的改进及用模拟电路实现的神经网络分类器

基于用模拟电路实现神经网络分类器的目的，对多层静态前馈神经网络的ＢＰ算法做了改进，采用线性限幅函数代替Ｓｉｇｍｏｉｄ函数作为神经元的激活函数，给出了改进的ＢＰ算法。对该算法性能的实验研究表明：这种改进算法不但方便了用线性模拟集成运算放大电路实现神经网络，而且具有学习速度快，映射能力强等优点。根据本文算法设计的神经网络分类器，无论是计算机仿真，还是模拟电路实现，都得到了比较高的识别率。     

大型回转机械故障的神经网络分类器

建立邦联类型的自动识别系统是机械设备诊断学的发展方向。神经网络理论的兴起和发展为邦联类型的自动识别开辟了一条崭新的道路。本文产生了这一现象的原因，并利用组合网络来克服单一网络对组合故障分类精度不够高的缺陷，取得了令人满意的结果。     

基于DCS的联合制碱过程控制系统

针对联合制碱的工艺过程,对不同工段建立了不同的控制模型.采用软测量技术、神经网络控制技术和模糊控制技术相结合的控制策略,通过合理优化与反演计算不同控制量的给定值,达到了各工艺参数设定指标要求的目的,实现了以生产为目标的复杂工业过程给定值优化的自动控制,达到了降低生产成本的效果.     

基于人工神经网络的水洞试验装置的PID自动控制系统

在水洞试验中，通过水泵及收缩段的形状控制水洞的运行过程，以保证水洞的稳定运行，并保证所进行的各种试验的质量。PID调节是最常见的一种。文章给出了一种基于人工神经网络实现自学习PID控制方法。利用该方法可以较好地实现水洞的控制。     

振动力场作用下聚合物挤出制品结构与性能的质量控制与优化

利用实验数据，分析与研究振动场振动参数对聚合物挤出制品质量的影响，对聚合物挤出制品的熔体流动速率，微晶结构，拉伸强度等主要性能质量指标，建立以振动频率为主要控制变量的神经网络模型，并引入信息分配模型，探讨了一个网络输入节点下神经网络学习样本的特征提取与优化。实验结果表明，经过信息预处理的学习样本，可以使网络有更好的收敛效果。