基于自学习模式下的网络流量控制研究

在对ATM网络中交换机内部输出缓冲区队列长度的影响因素进行分析的基础上，提出一种基于自学习方式的流量控制方法．运用自学习的理论调节速率达到流量控制的目的，并比较分析一些新型网络流量智能控制方法．仿真结果表明，该方法具有很好的稳定性、瞬态性以及稳态性能，而且在动态响应方面优于模糊控制．通过这种流量控制可避免和缓解拥塞，提高网络性能，有效利用网络资源．     

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。     

基于神经网络的模糊控制器

提出一种基于神经网络的模糊控制器。它可以把模糊控制的控制规则转化为多层前向神经网络的一对输入、输出样本。用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法对网络进行训练,使得网络记忆这些样本,并将这些样本以权值矩阵的形式存储的网络中。网络以”联想记忆“的形式来使用获得的经验对对象实施控制。知道了被控对象少量的定性知识,就可以用这种方法控制对象的行为,这种控制方案可用于对受控对象缺乏精确的数学描述或具有时滞     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

基于遗传算法的模糊控制规则优化的研究

模糊控制规则的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果．针对传统的获取控制规则方法的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其模糊控制规则,从而使经过优化所获得的控制规则更加合理．最后对优化后的模糊控制器进行仿真比较研究,并将其应用于温室,实现温室温度的模糊控制．结果表明模糊控制规则经过优化后的模糊控制器的控制品质有较大的改善和提高．     

基于时间最优控制的模糊控制优化方法

讨论了二次积分系统的时间最优控制．考虑到系统的鲁棒性和抗扰动能力，对其参数设计方法进行了改进．理论分析和仿真表明，这种基于时间最优控制的非线性设计方法具有很好的控制效果和鲁棒性，适用于一类二阶系统的控制．通过二阶系统的模糊控制和时间最优控制的对比发现，一类二阶系统或可近似为二阶系统的模糊控制实际上是对二阶系统最优控制的一种近似．在此基础上，指出了模糊控制规则设计中一种常见的错误，并提出了基于时间最优控制的模糊控制规则的制定和优化方法     

径向基神经网络和模糊PID控制器在矿井输送机中的应用

矿井输送机运行过程中,由于被控对象具有时变、非线性等因素,传统自适应PID控制算法难以满足控制要求．针对这一问题,采用径向基神经网络和模糊控制策略优化PID控制器参数,从而对矿井输送机进行控制。在MATLAB上进行试验仿真实验结果表明,这种PID控制器在矿井输送机中起到了很好的效果,     

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．     

根据参考轨迹学习模糊控制规则

给出了在线调整模糊控制规则即控制查询表的简便方法．在建立了期望输出轨迹的基础上，通过与该期望输出轨迹的比较，对当前控制效果进行评价，并根据评价结果实时地修正直接导致当前状态输出的控制作用，使过程输出性能逐步改善．通过动态调整期望输出轨迹，可以使模糊控制器迅速适应过程环境的变化，保持良好的控制质量     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

一种新型智能温室温度控制系统的算法设计与仿真研究

为了更好地实现对温室温度的控制,文章提出了一种模糊神经网络PID控制算法,该算法可以有效地解决普通PID控制器依赖于对象数学模型的不足,可实现控制系统的在线自适应调整,可满足实时控制的要求,仿真结果表明：基于模糊神经网络的PID控制器具有良好的自学习和自适应性,动态性能好,具有一定的应用价值和推广价值。     

温室零浓度差CO2施肥与送风耦合法对番茄生长的影响

 CO₂匮缺与低风速是温室存在的普遍现象,即使在温室通风状态下也不例外。在温室通风时,为减少CO₂逸散、提高CO₂利用效率,采用零浓度差CO₂施肥法同时进行室内送风,并对试验温室与对照温室内番茄冠层净光合速率、CO₂利用效率、番茄冠层蒸腾速率进行调查。结果表明,当太阳辐射强度从383.5 W·m^-2增加到940.1 W·m^-2时,试验温室番茄冠层净光合速率从1.9 g·m^-2·h^-1升高到5.3 g·m^-2·h^-1,比对照温室番茄冠层净光合速率高出1.3~1.6 倍;而试验温室番茄冠层蒸腾速率从0.17kg·m^-2·h^-1升高到0.56 kg·m^-2·h^-1,比对照温室番茄冠层蒸腾速率高出1.2~1.4 倍;CO₂利用效率近似于1。研究表明,在温室通风状态下采用零浓度差CO₂施肥法同时进行室内送风是设施栽培增产的有效途径。     

改进神经网络自适应滑模控制的机器人轨迹跟踪控制

为了提高机器人轨迹跟踪控制性能,在神经网络滑模控制方法的基础上,提出了一种改进型神经网络自适应滑模控制方法.该方法将神经网络作为控制器,利用其非线性映射能力来逼近各种未知非线性,同时通过在控制律中加入鲁棒项来消除逼近误差.考虑到隐含层单元数和网络结构参数对神经网络映射有效性的影响,将降低抖振作为优化目标,采用粒子群优化算法对网络结构参数进行优化.最后在Matlab/Simulink环境下进行了仿真实验,并与其他控制方法进行了对比分析.仿真结果表明,基于该方法所设计的控制系统具有良好的鲁棒性和控制精确度,同时有效地削弱了抖振.     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性,提出了一种基于神经网络的通用模型控制方法,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线,由于径向基函数网络具有许多优点,该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

基于一类GA-RBF神经网络的转炉炼钢静态模型控制

讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题.针对传统的控制方法控制效果差、精度不高,难以达到期望结果的问题,结合RBF神经网络的特点,提出用基于混合编码方式的混合遗传算法训练的RBF神经网络,同时优化网络的结构和参数,并利用RBF神经网络建立转炉炼钢静态模型.仿真结果表明,该模型具有在线调整和学习的功能,比传统模型具有更好的计算精度和适应能力,为提高转炉冶炼过程的控制精度给出了一个有效的方法.     

日光温室中土壤—空气换热器作用下热湿环境的研究

土壤-空气换热器对日光温室内空气温湿度调节具有良好的效果。为了研究日光温室中土壤-空气换热器作用下日光温室内热湿分布特性,建立了土壤-空气换热器作用下日光温室热湿环境数值模拟模型。该模型基于计算流体力学(computational fluid dynamics,CFD)方法,利用FLUENT15.0进行了稳态和非稳态的数值求解;采用组分运输模型和DO模型分别对湿度和太阳辐射进行了三维数值模拟。结果表明:模型能够对土壤-空气换热器作用下日光温室内热湿环境特性进行较准确的研究。在距日光温室地面0.5~2.5 m处,土壤-空气换热器对日光温室内空气温湿度处理具有良好的效果。     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

基于RBF人工神经网络的生活污水处理软测量方法

为实现城市生活污水处理的在线控制,提出了基于RBF人工神经网络的软测量方法.运用大量实测数据对RBF神经网络进行了训练和仿真.结果表明,基于RBF神经网络的软测量模型对污水处理指标BOD的实时控制具有实用价值.     

神经网络PID控制

以工业ＰＩＤ控制中控制器参数调整困难为背景，在分析神经网络特性的基础上，提出神经网络控制方法，设计了具有自适应性的神经网络ＰＩＤ控制器，在描述了神经网络的学习机理的基础上，给出了控制器控制算法。通过２个实例验证了神经网络在线控制的可行性。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。