基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

三角形式非线性离散系统自适应神经网络控制

针对一类控制输入为三角形式的多输入多输出离散非线性系统,提出了基于反步法的自适应神经网络控制方法.由于该系统的控制输入为非仿射形式,不能采用反馈线性化的方法设计控制系统;因此,首先采用隐函数定理证实了能够使系统输出跟踪期望轨迹的理想控制输入的存在性,并构造了理想的控制输入.利用高阶神经网络估计这些控制输入,提出了基于反步法的自适应神经网络控制方法.证明了所提出的控制方法能够保证闭环系统的所有信号半全局一致最终有界,并通过仿真验证了该方法的有效性.     

基于神经网络的潜艇水面航向控制研究

针对水面航行的潜艇易受到风浪高频干扰而产生频繁操舵的问题,提出了采用直接模型参考的神经网络自适应控制方法.在潜艇航向的离线辨识中引入了参考模型,通过参考模型的输出和潜艇模型的实际输出的比较来调整RBF神经网络的权值,以达到潜艇水面航向的自适应控制,并且针对风浪干扰设计了切比雪夫II型滤波器.仿真结果表明:结合切比雪夫II型滤波算法和直接模型参考神经网络自适应控制算法,能够很好地解决潜艇航向控制在海浪干扰下的无效操舵问题.     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.     

基于模型参考自适应的直线电机转速辨识

针对直线永磁同步电动机全闭环控制系统易受干扰、降低系统性能指标、存在不稳定因素等问题,提出了基于模型参考的自适应模糊神经网络在线辨识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,给出了模糊神经网络控制器的设计方法.仿真和实验结果表明:该方法提高了速度检测装置的分辨率和动态响应能力,系统具有很强的鲁棒性.     

主动四轮转向系统对高速汽车侧风稳定性的控制研究

建立了考虑侧风作用的汽车三自由度非线性动力学模型,应用基于BP神经网络的模型,参考自适应控制方法设计了主动四轮转向控制系统,并对非线性汽车模型进行了控制仿真.仿真结果表明,主动四轮转向系统能够有效的减小侧风对高速行驶汽车运动状态的影响,提高侧风稳定性.     

基于遗传Hopfield混合神经网络的多轴控制系统设计与实现

采用ASIC核心的PCI多轴控制器,通过对步进电机的运动控制及状态反馈,设计完成了八轴控制系统.在汉字雕刻路径问题上,结合遗传算法和Hopfield神经网络算法的优点,提出遗传Hopfield混合神经网络算法对汉字雕刻路径进行优化,较好地解决了雕刻过程混乱、雕刻总路径过长的问题.给出了该系统的硬件结构以及遗传Hopfield混合神经网络优化算法和仿真结果.实际应用表明,该多轴运动控制系统具有很好的稳定性和控制精度.     

模糊神经网络的极点配置自校正滤波器

将模糊Hopfield神经网络应用于间接自校正滤波器设计,提出用一阶Taylor逼近神经元输出作为参数估计的方法．将模糊Hopfield神经网络应用于自校正滤波中,并将该滤波器设计方法应用于图像去噪,得到了较满意的滤波结果．表明使用模糊Hopfield网络极点配制自校正控制方法的滤波器设计有较好的实用性．     

前向神经网络在自适应控制中应用的研究

论述了前向神经网络自适应控制系统，论证了基于逆向建模的前向神经网络自适应控制方案的可行性，研究提出由该控制方案构成的控制系统不仅结构简单，易于实现，而且具有满意的动态指标．文中还通过一个水槽温度控制系统，进行了神经网络自适应控制仿真，给出了上述神经网络自适应控制方案的具体实现步骤并得出一些结论     

一种暂态混沌神经网络及其应用

讨论了Hopfield神经网络算法在优化计算中的应用,提出了一种暂态混沌神经网络模型,把混沌动力学与收敛动力学相结合,使网络逐渐由混沌神经网络向Hopfield网络过渡,达到控制混沌的目的,并且提供一个在全局最优解附近的初值,然后用Hopfield网络得到最优解,有效地解决了Hopfield网络的局部极值问题.仿真结果表明算法对于初始值是稳健的,并且具有很强的克服陷入局部极小能力.     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

神经网络余数制系统

研究了神经网络余数制信号处理系统，提出求余运算的逐位比较模型，以非对称Ｈｏｐ－ｆｉｅｌｄ网络为基础，构造了求余运算神经网络；将此网络用于求解中国余数定理，构造了实现务＋转换的一种全新方案。计算机仿真结果证实了这个新方案的高速和有效性。     

DCT编码的一种神经网络方法

提出了一种求非完全DCT逆矩阵的神经网络方法,并将它用于编码图像的重建.文中对Hopfield神经网络的选代规则进行了修改,保证了网络在宽松的条件下仍能稳定地收敛.另外,针对Hopfield神经网络的局部极小问题,提出了一种扰动算法,使网络的迭代避开局部极小点,接近全局最小点.最后,给出了计算机模拟实验结果,并与传统的神经网络方法进行了比较.     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

多目标优化控制在中药提取中的应用

针对中药生产提取工段控制量多、耦合强的特点，以减小提取罐中药液温度稳定时间、提高挥发油的回收量、减小能源消耗总量和增加有效药液提取量4个指标作为优化目标，提出一种利用神经网络对控制器进行多目标优化的设计方案，神经网络的权值和结构分别用遗传算法和变结构算法训练。实践结果表明，设计出的中药生产提取工段的控制器具有良好的综合性能：缩短了药液温度达到稳定值的时间，提高了药液和挥发油的产量，降低了总能耗，很好地完成了多项目标的优化。     

纠双错神经网络非线性码的研究

本文献在文［１］、［２］的基础上，设计了一种离散型Ｈｏｐｆｉｅｌｄ自反馈神经网络，其权值矩阵仍具有较强的规律性。将这种网络应用于编码技术，得到了纠双错的非线性（ＤＥＣ－ＴＥＤ）码，同时对非线性码的旋转平移性进行了研究。这种网络原理简单，译码复杂性低，所得码具有一定的规律性。     

神经网络SNC无刷柴油发电机励磁控制器

设计一种基于BP神经网络的监督学习控制器（SNC）,在线性最优励磁控制的基础上,得用3层BP神经网络对柴油发电机的控制过程进行监督学习,通过对网络的训练,使得网络能够达到实时控制的目的,仿真结果表明,所设计的SNC在系统运行方式较大的变化范围内,都能提供很好的控制性能,并有较强的鲁棒性和适应能力。