机器人逆模神经控制及其应用

提出了一种机器人的神经控制方法，把神经网络和ＰＩＤ控制相结合构成一种混合性的机器人逆模学习控制方案，分析了神经控制系统的稳定性与学习算法的收敛性．此外，还提出了一种启发式学习算法，并用于机器人的神经控制．最后给出两关节机器人的仿真结果．其结果表明所提出的逆模学习神经控制具有较快的收敛速度和较高的精度，能够满足实时控制要求，是一种有效的控制方法．     

非线性结构振动的神经控制

首次对非线性结构振动的神经控制进行了概括性癖结,对神经模拟器和神经控制器进行了分类,然后主要总结了近几年来国内外研究者在频域内的研究,最后指出其发展趋势。     

遗传算法与神经控制的融合算法

针对神经控制器和遗传算法二者各自的优缺点,提出了遗传算法和神经控制的融合算法——将遗传算法应用于神经控制器的学习和训练,使控制器兼有二者的优点从而提高控制系统的性能。运用该方法对电加热炉温度控制系统进行的Matlab仿真,结果表明采用遗传神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量。     

遗传算法与神经控制的融合算法研究

遗传算法和神经控制是现代智能控制常用的两种方法,它们具有各自的优点和不足。将遗传算法用于前向神经网络的可能性进行了研究,阐明了遗传算法和神经网络结合的必要性。针对遗传算法和神经控制各自的优缺点,设计了二者的融合算法,将遗传算法应用于神经网络控制器的学习和训练,从而使建立的控制器兼有二者的优点,具有神经网络的广泛映射能力和遗传算法快速全局收敛以及增强式学习等性能,继而提高控制系统的性能。运用该方法对电加热炉温度控制系统进行的仿真实验,实验结果体现了良好的控制效果,证明了融合算法的优越性。     

非线性系统神经模糊自适应控制的问题与策略

针对具有未知动力学的机械臂系统 ,提出一系列神经模糊自适应控制方法。提出神经模糊动态逆稳定自适应控制方法 ,该方法使用动态神经模糊系统逼近非线性动态系统 ,设计的动态逆控制器可以通过参数的设定保证闭环系统在初始控制段的动态性能 ,而无需事先要求机械臂状态位于某一紧集的假设。结合延时神经模糊网络 ,引入降维观测器估计输出重定义后机械手的速度矢量 ,从而建立了非线性系统的控制器观测器设计的新方法。采用了动态逆和“Back-stepping(后退 )”的技术 ,将以上方法成功推广到了考虑执行电机动力学特性的柔性连杆机械臂问题上     

卫星姿态再励学习的模糊神经控制

将再励学习的模糊神经控制引入卫星姿态控制中，给出详尽的实现方法，推导了模糊神经控制器的自学习算法．直接利用再励信号，对控制器的参数进行在线调节，不需要控制器的学习样本．仿真结果表明该控制算法能有效地克服卫星的不确定性，具有较强的鲁棒性，可实现较高精度的卫星姿态控制．     

基于ANFIS的汽车ESP控制方法研究

文章采用自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)研究车辆ESP的反馈控制,设计了基于横摆角速度的神经模糊推理系统;考虑车辆的转向特性,建立了车辆的轮胎模型和二自由度参考模型,并在Simulink下进行仿真;仿真结果证明了自适应神经模糊控制对车辆横摆角速度和质心侧偏角的控制是有效的,提高了车辆的侧向稳定性。     

针刺神经影像学研究的质量控制影响因素概述

脑功能成像技术在针刺机理研究中的运用为科学阐释针刺效应的中枢机制提供了无创性、可视化的研究手段,但是由于脑功能成像和针刺操作的复杂性,针刺神经影像学研究的质量控制显得尤为重要,就针刺神经影像学研究中样本量、受试者纳入和针刺操作等方面讨论其质量控制的影响因素,研究提出参考。     

基于磁流变阻尼器的汽车半主动悬架的神经模糊控制

为了抑制由路面不平引起的车辆振动,该文采用磁流变(MR)阻尼器和神经模糊控制算法实现对车辆悬架系统的半主动控制,并在四分之一汽车的两自由度模型上进行了仿真计算.采用的神经模糊控制器能通过反馈的车身加速度,经过计算输出一个恰当的电压到MR阻尼器实时连续地改变其阻尼特性,实现对车辆悬架系统半主动振动控制.仿真结果表明:和被动悬架相比,基于MR阻尼器和神经模糊控制算法的半主动悬架系统对由路面不平引起的车辆振动有明显的控制效果,具有良好的应用前景.     

一类模糊神经元及其应用

在假定人脑是这样一种结构,它的“硬件”是神经网络,而它的“软件”是模糊思维的基础上,提出了一类模糊神经元.模糊神经元是对 McCulloch-Pitts 神经元扩展而得到的,即将神经元的2个状态(0 or 1)扩展到[0,1]的连续区间上.这类模糊神经元能将神经网络与模糊逻辑很好地结合起来.最成功的例子就是用它进行模糊神经控制.这样的控制是模糊控制,柔性较强,但它们的结构却是神经网络结构,因而具有双方的优点.Mamdani 模型、真值流推理等均可以用这类模糊神经元构成的模糊神经网络很容易地实现.     

一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用

把HCMA（Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来，形成FHCMAC（Fuzzy HCMAC)，它便于从输入输出数据中提取模糊规则，直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统，兼有HCMAC神经网络和模糊逻辑两者的优点，即可以较容易表达定性或模糊的经验知识，又具有很好的学习性能，应用仿真实例验证了其有效性，该方法可应用于难以获取模糊规则的吻合。     

倒立摆系统的模糊控制方法

阐述了基于二级倒立摆的两种模糊控制方法，即模糊逻辑控制方法和分层模糊控制方法．模糊逻辑控制方法是将二级倒立摆系统的6个状态变量加权变化为两个参变量，再用模糊控制器实现稳定控制．而分层模糊控制是将状态变量分解为子系统，设计下层模糊控制器对其控制，上层模糊控制器负责整个系统的协调和管理，实现稳定控制．实验结果表明：分层模糊控制较模糊逻辑控制具有更好的控制效果．     

基于反馈控制理论的模糊控制数学模型

模糊数学和模糊理论描述了比精确数学更为广泛的世界。在基于反馈的控制理论和技术应用领域中，许多控制对象和过程借助于模糊数学，可以将“模糊”和“精确”相互转换，使得系统内部是模糊的，而其输入和输出则是精确的，文中给出了恒温控制的模糊控制数学模型。     

Fuzzy的自学习控制

针对常规模糊控制器的弱点,提出一种模糊自学习控制器,论述了结构的设计方法,是一种基于模糊的自学习控制器。     

不同模糊逻辑下模糊控制器的解析结构

证明了具有线性控制规则、三角形隶属函数和不同模糊逻辑的模糊控制器是相同的二维多级继电器和增益不同的局部PI控制器之和,并分析比较了各控制器的特性。     

模糊可靠控制研究综述

现代工业控制系统正朝着复杂化、大型化的方向发展,由于实际中的各种复杂因素,控制系统往往不可避免的会存在故障。一旦系统出现故障,可能造成很大的经济损失,提高现代系统的安全性与可靠性是控制领域中的重要问题。可靠控制作为智能控制的重要组成部分,是一种处理复杂系统的有效方法。模糊控制是以模糊集合论、模糊逻辑推理和模糊语言变量为基础的一种计算机数字控制,对于无法建立或难以建立数学模型的场合,可用模糊控制技术来解决。因此模糊控制与可靠控制的结合具有十分重大的理论意义以及实际意义。回顾模糊控制和可靠控制的发展历程,概述模糊控制及可靠控制目前的研究现状,说明模糊可靠控制的特点,并介绍国内外学者在该领域做出的重要成果,最后展望这一研究领域的研究方向。     

提高模糊控制器稳态精度的研究

为了提高模糊控制器的稳态精度,对模糊推理算子进行了研究,利用概率算子所推得的模糊控制表控制精度较高。在Mathematic环境下,实现了模糊推理的程序化,为模糊控制的研究提供了条件,并给出了增加量化论域的典型模糊控制器的制表。最后,研究了隶属函数的分布对控制的影响,发现均匀分布的隶属函数所推得的控制表控制效果较好。仿真结果表明,模糊量化论域的稳态控制精度明显提高。     

模糊预测控制的实现形式

对模糊预测控制的实现形式进行了论述和分析。指出预测控制和模糊控制是复杂系统的两种控制策略,预测和模糊集合理论结合在一起,相互促进,可以进一步提高性能,文末对模糊预测控制进行了展望。     

基于粒函数的模糊控制系统设计与仿真

模糊控制是基于模糊数学思想和理论建立的控制方法,在控制领域特别适用于一些无法用精确模型进行数学建模的控制系统.但对于模糊控制系统,模糊控制器的运算复杂和由于规则太多引起的规则爆炸问题始终没有很好地解决.通过引入粒函数,简化了模糊控制系统和解决了规则爆炸问题,并且将粒函数方法应用于单容水箱模糊控制系统中进行仿真.实验结果显示,粒函数方法不仅可以简化模糊控制系统的复杂性和解决规则爆炸问题,并且证明在理论和实际中粒函数器完全可以等效模糊控制器.粒函数方法适用于众多模糊控制系统中,通过示例,可以举一反三,将粒函数方法复制到其他应用场合.     

加工过程的智能模糊控制研究

研究加工过程的三种模糊控制技术：直接模糊控制、FLC＋PID综合模糊控制和分级智能模糊控制，结果表明FLC＋PID和分级智能模糊控制能更有效地控制加工过程，然而FLC＋PID的控制性能在很大程度上受PID参数的影响，而分级智能模糊控制具有更好的适应性。