基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制器的方法,主要包括基于神经网络的非线性系统的在线直接自校正和间接自校正控制和满足局部能控一般非线性系统的神经网络自校正控制。从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性。所提供的控制器都可在线实现     

基于神经网络的非线性系统在线自校正控制及其应用

利用神经网络给出了设计非线性控制系统自适应控制的方法,主要包括基于神经网络的非线性系统的在线直接自校正和满足局部能控一般非线性系统的神经网络自校正控制,从研究结果可以看出,由于神经网络的权系数的可调性以及神经网络对非线性的逼近性,利用神经网络所设计的自适应（或自校正）控制器,其闭环控制系统具有良好的动态与静态响应特性,所提供控制器都可在线实现。     

非线性离散系统变结构神经自校正控制器

针对仿射非线性离散系统,设计了一种变结构神经自校正控制器;自校正控制器采用变结构神经网络BP优化算法来设计控制器;控制器通过动态地修改神经网络权值,从而使控制的效果更加理想。     

非线性系统的神经网络自学习控制

提出了一种对非线性系统的神经网络自学习控制方法,基于逆动力学控制的思想,构造了神经网络结构一致的控制器和辩识器。辨识器采用多层前向网络结构和广义Ｄｅｌｔａ学习规则算法实现了对系统逆动力学模型的动态辨识,并通过在线动态传递权值给神经网络控制器的方法实现了神经网络辨识器的神经网络控制器的有机结合,从而使整个控制系统具有很强的自适应和自学习能力,所提出的控制方案可适用于不含滞后环节和包含滞后环节的非线性     

基于神经网络的发动机空燃比自校正控制系统

将神经网络同自校正控制相结合,提出了一种基于神经网络的自校正喷油控制系统,它由一个自校正控制器和一个能够在线辨识的神经网络辨识器组成。该系统适用于以汽油作为燃料的发动机系统在不同工况下对空燃比的控制要求。实验结果表明,该神经网络自校正喷油控制系统具有很好的自适应性、鲁棒性和快速性,它可以克服由于制造、磨损以及参数变化所造成的各种误差,且结构简单,占用内存少,在线训练时间短,运算速度快,学习能力强,可无差跟踪系统的目标设定值。     

基于神经网络的多变量非线性系统的广义预测控制

为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器。     

基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

带神经网络补偿的Smith预估极点配置自校正控制

用一个常规线性模型对被控对象进行辨识,线性模型辨识的余差用一个神经网络进行补偿,线性模型和神经网络共同构成对象的辨识模型·基于这一模型对大滞后对象提出了带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正控制和带神经网络补偿的Ｓｍｉｔｈ预估极点配置自校正ＰＩＤ控制·这些方法适用于非线性对象,具有较强的鲁棒性和较好的控制精度·     

带中间状态反馈的多变量非线性预测控制

给出了基于神经网络的多变量非线性预测控制算法,提出了带中间状态反馈校正的基于神经网络的多变量非线性预测控制,以及反馈校正矩阵的设计方法．仿真结果表明,此算法大大地增强了系统的抗干扰能力,是一种有效和实用的控制方法．     

神经元PID控制的陶瓷烧成炉

神经网络控制或神经控制是在控制系统中，应用网络技术，对难以精确建模的复杂非线性对象进行神经网络模型辩识或作为控制品，或进行优化计算，或进行推理，或进行故障诊断，或同时兼有上述多种功能。这样的系统称为基于神经网络的控制系统。     

工业控制系统和测量系统非线性校正的研究

介绍了工业控制系统和测量系统非线性校正的基本原理和方法,重点论述了在控制系统和数据采集系统中非线性校正的实际应用.实践证明采用最小二乘法曲线拟合矫正能较好地解决非线性环节控制和测量系统中的精度问题.     

基于神经网络的模糊控制规则校正方法研究

对由模糊控制器构成的集散控制系统，现场模糊控制器的控制规则的校正是一个关键问题。若使其自身具有自校正功能，对于基于数字单片机开发的模糊控制器来说，采用神经网络构成在线自校正方式，存在一定的困难。为了提高控制器的性能，规则校正又是必需的，为此，本文提出了一种由监控机对每台现场控制器进行分时校正规则的方法，该方法是“半在线式”校正。     

淬火炉温度的自适应神经PID控制

以淬火炉温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发.由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制.实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好.     

交直流并联输电系统自校正控制

以非线性模型为基础,在线递推辩识为手段,提出了一种交直流并联输电系统的自适应控制方法。利用直流系统调节速度迅速的特点,结合广义最小方差自校正控制律,显著地改善了系统的动态品质。同时本方法以单输入单输出形式,使控制系统的实施非常简单。通过对一实例的自校正控制系统设计、仿真及分析,展示了自校正控制策略在交直流并联输电系统中的广阔应用前景。     

自适应神经PID在软胶囊生产过程温控系统中的应用

以软胶囊生产过程温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发．由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制．实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好．     

摆式客车倾摆控制系统神经网络预测控制

考虑伺服电机及机械系统的非线性对车体倾摆的影响，并包括伺服电机的饱和非线性特性的影响在内，采用神经网络方法对非线性特性的动态系统的输入输出关系进行辨识研究，建立摆式客车伺服系统神经网络非线性模型；提出在摆式客车中运用神经网络预测控制结合鲁棒控制的复合控制系统，解决这类非线性系统的控制问题，即应用神经网络进行辨识及预测控制．研究表明，从理论及工程应用角度看神经网络预测控制都是切实可行的，为在摆式客车倾摆控制系统中应用神经网络预测方法提供了一个新的方向．     

基于RBF自适应观测器的转台伺服系统的滑模控制

针对转台伺服系统中的难以精确建模、易受摩擦和外界不确定干扰的影响等问题,提出了一种基于RBF神经网络的观测器,利用RBF神经可以逼近任意非线性连续函数的特性,逼近模型未知非线性函数f(?)和g(?),并利用观测器得到转速信号,结合滑模控制提高了系统的鲁棒性,实现了无需建模信息和速度测量的滑模控制系统。仿真结果表明,该方法可以实现高精度的位置和速度跟踪,同时也证明了该方法的鲁棒性和有效性,值得在其他非线性系统中推广。     

污水处理过程的模糊参数自校正控制器设计

针对城市污水生物处理过程存在的本质的非线性特性,采用了基于神经网络的模糊自校正方法的控制策略,同时为了提高控制的精度,比较了各种不同的隶属度函数对控制误差的影响。仿真实验结果表明,通过本方法设计的控制器可以获得满意的控制效果。     

一种基于小波神经网络的自适应控制方法

提出了一种基于小波神经网络的自适应控制方法,该方法利用两个小波神经网络作为自适应系统的辩识器和控制器来构成自适应控制系统。由于小波函数具有紧支性以及神经网络的非线性映射能力,因而在所构成的控制系统中,辨识器能更准确地近似具有较强非线性被控对象的动态特性,控制器能产生较为复杂的控制规律。仿真结果表明,该系统比一般神经网络控制系统具有调节速度快和超调小等更好的控制效果。     

一种基于神经网络的内模控制方法及其应用

根据具有非线性、强耦合、不确定性过程的控制需要，提出了一种基于神经网络的内模控制方法，该方法充分利用神经 自学习及非线性逼近能力，建立非线性、强耦合、不确定性过程的动态模型及逆模型，采用这种方法对冷轧过程中带材全局板形进行仿真实验控制，取得了理想的控制效果。