多机电力系统汽门开度自适应动态面控制

针对多机电力系统汽门开度控制问题提出了基于自适应动态面算法的控制方案,所设计控制律仅反馈本地量,实现了完全分散控制。控制器设计过程中未对系统进行任何线性化,保留了电力系统非线性特性。文章采用神经网络逼近系统中存在的未知项和非线性关联项,同时用动态面方法克服传统反推法中存在的"微分爆炸"问题,简化控制律的设计。最后稳定性分析证明,闭环系统的所有信号半全局一致有界。在两机系统中的仿真结果进一步验证了所设计控制器的有效性。     

中间再热式汽轮发电机组汽门开度全程非线性控制

针对强非线性的再热式汽轮发电机组汽门控制 ,提出了一种多变量逆系统全程非线性控制方案 ,以改善电力系统的暂态稳定性。在考虑汽门开度的限幅效应的前提下 ,对单机无穷大系统进行的仿真实验表明 :这种控制方案改善了电力系统暂态稳定的动态过程 ,并且设计过程简明直观。     

一种改进型的粗糙-神经网络PID控制器设计

针对一般的神经网络PID控制器难于得到系统预测输出值的缺陷。提出一种改进型的粗糙集神经网络PID控制器，阐述了其设计原理；对串级过热汽温控制系统的仿真结果表明，与普通神经网络PID建模方法相比，该控制器抗干扰和鲁棒性强。     

模糊神经网络自适应控制

为实现复杂生产过程的自适应控制，设计了一类基于模糊神经网络控制器的自适应控制策略，仿真结果表明，该算法对复杂动态过程的控制具有良好的适应性。     

神经网络自适应控制器设计

对前馈神经网络用于动态系统的辨识、自适应控制进行了分析和数学推导，给出了自适应神经网络控制器的设计方法．最后通过仿真实例进行了说明．     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

基于Hopfield神经网络的机器人规划控制器设计

针对非线性、强耦合的机器人系统,首先给出了利用Hopfield神经网络的单调性极值搜索能力搜寻机器人单调到达期望位置的最优动态过程的具体方法,并采用机器人动力学方程设计了满足该动态过程的控制器,然后分析了该控制器的收敛性．仿真与实验均表明了该方法的有效性．     

一种用于交流伺服系统的智能速度控制器

提出了一种基于产生式规则的智能速度控制器，并以它为核心对带有智能速控制器的同步电机调速度系统进行了仿真分析和设计，仿真结果表明该系统具有良好的动态和静态性能     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于多聚合过程神经元网络的宁东大气污染物浓度预测研究

已有的基于人工神经网络对大气环境质量预测的研究大多只考虑空间特性,因此,无法准确刻画大气环境中污染物浓度随时间的动态变化规律,更不能实现影响污染物浓度诸因子在时间维上的有效预测。鉴于此,主要在时间、空间上对多聚合过程神经元网络模型进行多次训练与学习,并将训练好的模型对宁东能源化工基地大气环境中污染物SO2的浓度进行预测。仿真实验表明:多聚合过程神经元网络对于大气环境中SO2浓度具有较好的预测能力。     

基于动态神经网络的一类非线性组合系统自适应控制

针对一类非线性组合大系统,提出一种用动态神经网络逼近组合大系统的新型设计方法·首先由动态神经网络辨识非线性组合大系统,也就是利用动态神经网络逼近系统的未知项和互联项,其次设计控制器使实际系统的状态来跟踪参考模型的轨迹·利用Lyapunov稳定性理论保证跟踪误差和其他信号是最终一致有界的·通过一个非线性系统例子的仿真证明这种设计方法的可行性·这种设计方法能够解决大系统中最为复杂的互联项问题,得出基于神经网络的自适应控制律·     

基于Gasa-BPNN的水轮机系统辨识与预测控制

Based on the characteristics of nonlinearity, multi-case, and multi-disturbance, it is difficult to establish an accurate parameter model on the hydraulic turbine system which is limited by the degree of fitting between parametric model and actual model, and the design of control algorithm has a certain degree of limitation. Aiming at the modeling and control problems of hydraulic turbine system, this paper proposes hydraulic turbine system identification and predictive control based on genetic algorithm-simulate anneal and back propagation neural network (GASA–BPNN), and the output value predicted by GASA–BPNN model is fed back to the nonlinear optimizer to output the control quantity. The results show that the output speed of the traditional control system increases greatly and the speed of regulation is slow, while the speed of GASA–BPNN predictive control system increases little and the regulation speed is obviously faster than that of the traditional control system. Compared with the output response of the traditional control of the hydraulic turbine governing system, the neural network predictive controller used in this paper has better effect and stronger robustness, solves the problem of poor generalization ability and identification accuracy of the turbine system under variable conditions, and achieves better control effect.     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性     

基于神经网络的过程软测量

以神经网络实现对某厂萃取精馏塔产品成分的实时估计，神经网络选用多层前馈网络，具有６个输入结点、１个输出结点、单隐层结构、１０个隐结点。所点数据全部取自生产现场，共取１８组样本数据，其中１５组用于网络的学习，３组用于网络的检验，结构分析表明，年建立的社会网络可以所映实际对象。     

神经模糊网络自适应模糊控制研究

提出了一种由样品辨识、模糊推理和控制处理 3个子网模块构成的基于知识的多层神经网络 .这种网络由各子网分别构成并按照最初的模糊控制结构适当连接而建立 ,具有明确区分各组成子网功能及其知识流结构 .由于综合了模糊逻辑的推理过程及神经网络的学习能力 ,使它能够在其结构中以模糊规则的形式引入语言知识并通过网络的训练及自学习对这些知识进行加工 ,从而实现了真正意义上的自适应模糊控制器 .最后还讨论了这种 NFN网络在动态过程控制中的应用     

基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

小波神经网络的构造及其算法的鲁棒性分析

研究了用于非线性函数逼近的小波神经网络的结构设计方法；证明了在存在噪声干扰及网络设计误差的情况下，网络训练过程具有指数收敛性和鲁棒平稳性。     

某型航空发动机涡轮盘的可靠性灵敏度设计

航空发动机涡轮盘结构比较复杂,无法直接获得极限状态方程的显示表达式.针对这一问题,提出了涡轮盘可靠性灵敏度设计的Monte Carlo-随机有限元法与神经网络技术相结合的方法.考虑了涡轮盘结构的几何尺寸、材料性能特性和环境载荷的随机性,利用神经网络的非线性映射功能,模拟得到随机响应与随机参数的关系表达式,采用一次二阶矩法进行可靠性设计;通过对涡轮盘的可靠性灵敏度设计,得到了各参数均值和方差对涡轮盘可靠性的影响情况.利用结构可靠性分析软件NESSUS验证了所提方法的正确性,为涡轮盘可靠性灵敏度设计提供了理论参考.