交流变频调速系统的神经网络自适应控制

针对交流变频调速系统模型未知情况,提出一种改进的神经网络自适应控制方案．该方法采用双神经网络结构,通过引入一个神经网络辨识器来逼近系统的动力学特性以代替真实系统,另一神经网络作为自适应控制器以改善控制性能．系统仿真实验表明,该控制方法具有很强的鲁棒性和抗干扰能力,特别对于系统结构不确定、参数时变或含非线性因素的交流调速系统是一种有效的控制策略．     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合，提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略．当过程模型缺乏足够的先验知识时，所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能．仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性．克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点．     

模糊神经网络技术用于结构主动控制的研究

提出了一种基于神经网络调整规范化因子的模糊神经网络控制策略，并以表面布置压电片的梁结构为控制对象进行了仿真．实验结果表明，该控制策略适用于不精确被控对象模型和非线性系统的控制．     

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

一类非线性多变量系统的模糊神经网络自适应控制

针对一类数学模型不完全确知并包含外部扰动的非线性多变量系统，提出一种模糊神经网络(FNN)自适应控制策略．用FNN模型在线辨识非线性系统的未知动态，并根据误差系统的Riccati方程，设计H∞控制，有效抑制系统的外部扰动，该控制律采用Lyapunov设计方法来保证控制系统的稳定．FNN自适应控制策略解决了传统非线性控制器理论结果形式过于复杂，实用性差的问题，拓宽了非线性理论的应用范围．     

定位平台非线性摩擦的神经网络补偿

提出了一种基于BP神经网络的机械伺服系统非线性摩擦的补偿方法，根据方法设计出一种将经典的PD控制与神经网络控制相结合的控制器，该控制器既有PD控制的优点，又能神经网络逼近非线性函数的能力，较好地补偿了系统中的非线性摩擦和外部扰动，应用Lyapunov稳定性定理，证明了系统的稳定性，并得到系统跟踪差的边界值，采用刚毛摩擦动力学模型，对X－Y定位平台进行仿真和实验，结果表明该控制器能够补偿系统的非线性因素，保证了系统的稳定，减少了跟踪误差，该方案控制效果明显优于PD控制，可用于工业设备的控制中。     

模糊-神经网络技术及其用于结构主动控制的仿真研究

提出了一种基于神经网络调整规范化因子的模糊一神经网络控制策略，并以表面布置压电片的梁结构为控制对象进行了仿真．实验结果表明，该控制策略适用于不精确被控对象模型和非线性系统的控制．模糊-神经网络技术及其用于结构主动控制的仿真研究@蒋式勤@陈海洪     

磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论，给出了磁悬浮开关磁阻电动机径向力与位置的模型．针对模型具有非线性和强耦合的特点，对该模型进行可逆性分析，从而证明该系统可逆．应用神经网络逆系统方法。设计其非线性控制器，将原来非线性强耦合的多变量系统解耦，转变成2个位置彼此无耦合的线性子系统，应用线性系统理论容易对这2个子系统进行控制．仿真表明，系统具有良好的静动态性能．     

基于结构的神经网络在液压缓冲器建模中的应用

分析了液压缓冲器的结构及其动态工作过程，介绍了基于结构的神经网络建模方法．该建模方法根据系统结构组成特点将复杂系统分解为相互关联的简单子系统，用函数链神经元分别建立子系统模型，然后根据子系统间固有的连接关系将子系统神经元模型连接成一个网络，所得网络模型即为原系统模型．应用该方法建立了52SFZ—140—207B液压缓冲器的动态模型．结果表明，基于结构的神经网络建模方法对复杂非线性系统建模是有效的．     

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。     

基于径基网络的水处理系统模型

水处理系统是一个非线性的系统 ,很难建立其精确的数学模型。本文用径基网络对其建模 ,介绍网络模型的学习算法 ,最后给出实验仿真过程 ,证明该方法切实可行     

以奇偶校验位为标识的分布式计算机系统

实际应用中主从结构简单 ,在分布式计算机系统中经常使用。本文介绍了以PC机为主机、以其奇偶校验位为多机通讯标志位、以 80 3 1单片机为从机的主从分布式计算机系统。文中还介绍了有关通讯协议等方面的问题     

非监督图象分割的神经网络方法的研究

本文提出了一种新的神经网络模型UMAN,以实现非监督的图象分割。该神经网络采用广义信息熵作为描述系统稳定和收敛的定量判据,克服了广义能量函数的缺陷;改进的Kohonen非线性映射结构,既突出了分类信息又减少了信息冗余;网络内部层和结点数由系统内部动态地确定,不需人工干预和先验知识;非监督自学习功能反映了低层次视觉信息处理的特点,可处理一般的图象,具有较强的适应性.实验结果表明该模型及算法是有效和实用的,具有一定的鲁棒性.     

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

系统非线性组合预测方法及在黄河凌汛预测中应用

为了提高预测的精度，尤其是冰凌中长期预测的精度，基于工程模糊集、人工神经网络、遗传算法与组合预测理论，提出了系统非线性组合预测方法，给出了黄河内蒙段冰凌三种单一预测模型的非线性组合预测值．结果表明，所建立的非线性组合预测方法物理意义明确，数学推导过程严谨，预测精度高于任意单一预测模型．     

区域综合货运枢纽布局优化模型研究

区域综合货运枢纽布局优化是区域综合运输体系规划的重要内容之一。首先,基于区域货运系统运输费用最小,建立了区域综合货运枢纽布局优化模型。然后,提出了基于联合运输的区域货物综合运输网络构建方法,并在一般联合运输路径概念的基础上,提出了货物联合运输合理可行路径的三个约束条件,即合理的方式序列、合理的运距和合理的换装次数。其次,提出了基于超级网络和遗传算法的模型求解方法,并在枢纽之间增加了虚拟专用路径。最后,通过算例对模型及求解方法进行了验证。     

递归神经网络的学习算法

本文提出采用组合神经网络方法,对一类非线性控制对象进行学习以实现最优控制,仿真实验表明,这种方法对于复杂非线性系统的研究是有效的。     

基于RBF神经网络模型的高校教育资源利用绩效评价决策支持系统

高校教育资源利用绩效评价的数学模型是一个高度非线性的黑箱模型,由于RBF神经网络收敛速度快,具有良好的非线性拟合能力,因此采用RBF神经网络模型进行高校教育资源利用绩效评价.研究了XML数据库的结构及功能实现方式,利用其方便、通用性强、文档结构明晰的优点来进行训练样本的存储;利用Matlab构建RBF神经网络,将神经网络与XML数据库相结合,开发出高校教育资源利用绩效评价决策支持系统.运行结果表明,通过这种方式搭建的高校教育资源利用绩效评价决策支持系统通用性高,泛化能力强.     

非线性船舶的多模型智能控制

针对非线性船舶控制的困难,提出采用多模型智能控制的思想方法.非线性船舶模型可以在其关键工作点线性化,例如:N个工作点.这样就得到N个简单的线性模型.这N个线性模型能够很好地近似原非线性模型.辨识非线性系统的真实工作点是多模型智能控制的第一步,也就是选择正确模型.根据选定的正确模型,模仿专家控制实施一种次优化控制策略.同时,针对舵机和船舶航向控制节能的实际需求,还提出次优化控制策略的性能指标.对多模型智能控制的第一步进行了仿真研究.结果表明该方法不仅可应用于船舶控制,而且,还适用于很多工业过程控制系统.     

一种可分非线性系统的自校正广义预测

对一类可分非线性系统,采用Hammerstein模型的基本框架,用神经网络对非线性部分建模,线性部分采用受控自回归积分滑动平均模型。对此模型的线性部分设计广义预测控制器,得出线性部分的控制量。根据此控制量,引入一逆神经网络,结合原来的神经网络模型,通过对逆神经网络权值的调整,使神经网络模型的输出为线性部分的控制量,同时得到逆神经网络的输出,即非线性系统的控制量。克服了Hammerstein模型中非线性部分的反函数存在性和惟一性的问题。仿真结果验证了该设计的有效性。