基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

基于RBF神经网络的免疫控制器结构

从T细胞介导的免疫过程出发，通过对其数学模型的简化，利用RBF神经网络构造了一种基于生物系统免疫反馈机理的控制器．该控制器以正反馈模拟免疫激励，提高了系统的快速性；以负反馈模拟免疫抑制，增强了系统的稳定性和鲁棒性．文中对于一类仿射非线性系统证明了其作为控制器时的系统闭环稳定性．仿真实验表明，该控制器对系统的噪声具有很好的抑制能力．     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

模糊反向传播神经网络的函数逼近能力研究

研究了模糊反向传播神经网络的函数逼近能力.研究结果给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.     

基于模糊PID的火焰钎焊气体压力控制器设计

工业生产中火焰钎焊工艺广泛运用,焊接过程中可燃气体（煤气）和助燃气体（氧气）压力的稳定性对焊接温度和效果影响很大．本文针对火焰焊接设备在生产中出现的可燃和助燃气体压力波动问题,运用模糊PID算法对气体进行恒压拉制,并增加了生产过程中的故障信号报警功能．实际运行结果表明,控制效果良好,运行稳定可靠．     

船舶操纵的神经网络自组织模糊控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种神经网络的自组织模糊控制方法,给出了这种模糊神经网络的结构、知识表达。仿真结果表明些方法控制性能良好。     

基于模糊自整定PID控制的磁悬浮轴承控制器

将模糊控制与PID控制相结合,研制了以AT89C55为核心的磁悬浮轴承控制器,并用C51编制了相应的数控软件.通过实验证明系统具有良好的控制效果.     

基于MATLAB仿真的数控工作台PID控制器设计

普通机床改装数控工作台,准确设定控制参数,不仅可以保证数控系统工作的稳定性,而且可以满足数控加工对工作台快速响应的精确度要求。模糊PID控制系统在数控工作台的控制过程中不仅具有稳定、快速、准确的优点,而且具有模糊控制器原有控制优势,满足机床数控工作台改装的性能要求。     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

基于在线训练RBF神经网络的混沌系统辨识研究

讨论混沌系统的在线辨识问题,给出了RBF神经网络的一种在线训练算法,对这种在线训练算法所涉及到的各个方面进行了分析,并把这种在线训练算法用在混沌系统的辨识中.仿真表明该算法是非常有效的.     

基于神经网络的肌电信号的数据融合技术研究

肌电信号作为智能化假肢、康复机器人的驱动源,是目前热点研究方向之一。针对多通道肌电信号的时变、非线性、相互关联耦合的特性,选择了基于神经网络的数据融合技术。完成了CMAC神经网络方法的数学建模,为实现肌电信号的数据融合技术,作了重要的准备。     

基于RBF神经网络的结构可靠度分析方法

蒙特卡罗模拟是目前结构可靠度分析中最准确有效的方法,但因其计算量太大、效率低而受到很大的限制,特别是对于大型复杂结构的功能函数不能被明确表达的情况.鉴于此,在蒙特卡罗重要抽样方法的基础上,提出了利用RBF神经网络替代原结构功能函数的RBF-蒙特卡罗方法,以提高工作效率.RBF神经网络训练样本的选取则由均匀试验设计确定,以提高样本的代表性并大幅减少样本数量,从而加快网络的训练过程,加强网络的逼近能力.算例分析表明,该方法不但能最大限度地减少结构有限元分析次数,而且有满意的计算精度,具有实际应用价值.     

改进的RBF网络在宁德市综合需水预测中的应用

需水预测涉及多种因素,需对多因素进行综合评估．根据RBF神经网络算法,建立人工神经网络需水预测模型,选取影响研究需水量的主要因子,以此作为输入样本,将神经网络模型应用到宁德市需水预测的实例研究中,并运用Matlab神经网络工具箱进行模拟计算,预测精度较高．实例表明RBF神经网络模型用于城市需水量预测是可行的．     

Smith自适应模糊PID控制算法的研究及仿真

针对常规PID控制器在控制具有时变、大滞后等特性的实际被控对象效果不理想的问题,综合Smith预估控制和自适应模糊PID控制的优点,提出了一种新的控制器-Smith自适应模糊PID控制器．介绍了组成原理,分析了在控制时变、大滞后对象时的优点,给出了该控制器的具体设计方法．仿真结果表明,所设计的控制系统超调量小、调节时间短、响应速度快、动、稳态性能好,适用于参数变化的大时滞工业过程．