一类非线性系统的模糊神经网络内模控制

针对一类开环稳定的非线性系统,提出了一种基于模糊神经网络的非线性内模控制方案.通过理论分析指出模糊神经网络模型可视为一类特殊的线性时变系统,其模型的解析逆可以直接获得,从而简化了非线性内模控制的设计.为了研究建模误差对闭环系统稳定性的影响,将建模误差转换为结构性不确定,采用μ方法分析了闭环系统的鲁棒稳定性.仿真结果验证了该方法的有效性.     

单神经元模糊自适应内模控制器

利用单个神经元在线调整常规模糊控制查询表 ,并将该方法应用于调整内模控制器的滤波器参数 f,以增强系统的鲁棒性 .研究结果表明 ,用这种模糊单神经元控制器调节内模控制器参数的效果要优于常规的模糊控制器     

利用RBF神经网络实现聚合反应的内模控制

文中研究基于径向基(RBF)神经网络算法的内模控制策略在苯乙烯本体聚合反应相对分子质量分布控制领域的应用。利用神经网络对非线性系统的逼近能力，把内模控制推广到聚合反应过程质量指标控制这一非线性系统中。针对建模过程中存在的稳态误差，在训练数据中增加了部分静态数据，有效的提高了模型的验证精度，大大改善了由神经网络构成的内模控制器的控制精度，消除了系统余差。仿真结果证明，基于神经网络算法的内模控制策略达到了较好的控制质量。     

跳汰机床层松散状况递归神经网络内模控制

该文提出一种基于对角递归神经网络的内模控制系统 ,并以跳汰生产过程床层松散状况为对象进行了研究。仿真结果表明 ,该系统具有很好的动态响应 ,而且对外部扰动和模型误差具有良好的鲁棒性     

一种基于神经网络的内模控制方法及其应用

根据具有非线性、强耦合、不确定性过程的控制需要，提出了一种基于神经网络的内模控制方法，该方法充分利用神经 自学习及非线性逼近能力，建立非线性、强耦合、不确定性过程的动态模型及逆模型，采用这种方法对冷轧过程中带材全局板形进行仿真实验控制，取得了理想的控制效果。     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

基于动态神经网络解耦线性化的内模控制

采用动态神经网络对一类多变量仿射非线性系统进行建模，利用解析求得的模型动态逆，将非线性对象近似输入输出解耦线性化。针对复合后的伪线性系统采用内模控制，分析了存在建模误差的情况下闭环系统的鲁棒稳定性。仿真表明了所提方法的有效性。     

分片线性神经网络逆系统方法的内模控制

为提高传统逆系统方法的跟踪精度和抗干扰能力,提出了基于连续分片线性神经网络α阶逆系统方法的非线性内模控制方法.利用标准连续分片神经网络逼近非线性系统的α阶逆模型,将它串连在原系统之前,得到复合的伪线性系统,对该伪线性系统应用内模控制策略进行控制,并分析了闭环系统的性能.仿真结果表明:该方法跟踪效果好、抑制干扰能力强,且设计简单,是解决非线性系统控制的一种可行的方法.     

基于神经网络内模的热解反应器温度控制

针对生物质热解反应器温控系统大惯性、大时滞以及非线性等特点,提出基于神经网络的内模控制方法,以提高温控系统的控制性能.利用内模控制算法提高系统的鲁棒性,采用神经网络设计出内模控制结构中的被控对象模型和内模控制器,与传统比例积分微分控制器(proportional integral derivative control,...     

两层模糊神经网络交通信号控制模型

交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。     

基于神经网络模糊控制的单交叉口信号控制

在分析城市交通信号控制研究现状的基础上,提出一种基于神经网络模糊控制的单路口交通信号灯控制方法,通过检测当前相位的排队长度和下一相位的排队长度得出当前相位以及下一相位的车流密度,进而判断是否进行相位变换.以每个周期内交叉口的车辆平均延误作为控制指标,来判断该控制器的控制性能.计算机仿真结果表明,该方法能够降低车辆在交叉路口的平均延误.     

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型，以6层的前向神经网络实现模糊过程使系统具有自学习和自适应能力，能根据列车的实际溜放情况自动调整减速器出口速度。     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于神经网络逆模型的污水pH值内模控制策略

针对污水处理中和反应过程pH值控制具有强干扰和模型参数易变等特点,利用内模控制方法的设定值响应和干扰响应之间相互独立的优点,提出一种基于内模控制和神经网络逆模型相结合的pH值优化控制策略。通过在系统中插入低通滤波器,并采用RBF神经网络在线辨识被控对象的逆模型,提高污水处理pH值控制的鲁棒性和抗干扰能力,有效解决中和反应pH值控制过程中模型参数易变的问题。MATLAB仿真结果表明：与常规PID控制和不带滤波器的神经内模控制策略相比,提出的优化控制策略超调量最多降低17.4%,调节时间最多减少113.6 s,有效提高了系统鲁棒性和抗干扰能力。工程应用表明：使用所提策略后,pH值控制偏差在±0.2以内,系统的控制精度和稳定性显著提高。     

基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

PID神经网络内模控制在湿法烟气脱硫中的应用

该文针对石灰石/石膏湿法烟气脱硫工艺中吸收塔浆液pH值变化过程的高度非线性、时滞性以及各种不确定性、常规P ID控制难以达到满意的控制效果,提出了一种基于改进P ID神经网络的内模控制方案,对浆液pH值变化过程进行辨识和控制。仿真结果表明,在改进P ID-NN的内模控制下,吸收塔浆液pH值很好地跟踪了系统的设定输入及其变化,体现了高度的自适应性。同时系统超调量小,稳态精度高,优于常规P ID控制。满足实时控制的要求。     

基于神经网络广义逆的感应电机变频系统内模控制

为提高感应电机变频调速系统的鲁棒性和抗干扰能力,提出了基于神经网络广义逆系统的内模控制方法.在分析原系统可逆性的基础上,先用动态神经网络逼近原系统的广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的线性化与开环稳定,有利于系统的综合.再对广义伪线性系统引入内模控制,保证系统的鲁棒稳定性.采用该系统进行了阶跃响应和跟踪效果试验.结果表明,该方法能够成功地实现系统的线性化,并且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制.