神经网络在变结构控制系统中的应用

本文提出了一种用模拟器件实现神经网络的方法．它能以很高的精度实现一个被训练好的神经网络的功能。作为一个例子，本文把神经网络应用于变结构系统中，并取得了很好的控制效果．     

模糊神经网络的结构分析

在模糊信息处理过程中,模糊神经网络的性能在很大程度上受限于网络结构。近年来,各种新的模糊神经网络模型的提出以及与之相适应的学习算法的研究不仅加速了模糊神经网络理论的完善,而且在实际中得到了广泛应用。就近年来新型的模糊神经网络结构进行了研究分析。     

神经网络自适应控制系统

提出了一种基于神经网络和自适应控制系统，其中一神经网络用辩识非线性系统，另一神经网络作为控制器，依据本文推出的自适应算法得出了满意的仿真的结果。     

微粒群优化神经网络算法的研究

介绍了微粒群算法的基本原理、特点,分析了常用的BP网络结构,提出了微粒群优化神经网络算法,实验结构表明,该算法优化了神经网络结构,从而提高了神经网络的模式分类性能。     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

神经网络在自动控制中的应用

文章介绍了神经网络在自动控制领域中的应用，论述了神经网络与模糊控制、PID控制、专家系统、遗传算法和粗糙集相结合的应用，对神经网络的发展前景提出了看法。     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

一种用于非线性系统的神经网络自适应控制系统结构

本文提出了一种用于非线性系统的神经网络自适应控制结构。仿真计算表明它具有较好的跟随性和抗干扰性指标，对系统参数的变化具有较强的鲁棒性。在系统结构和寻优方法上，它不依赖于被控对象的数学模型，所以本文提出的系统结构对于非线性系统的设计、综合具有比较普遍性意义。     

小脑神经网络反馈学习控制系统

小脑模型神经网络（ＣＭＡＣ）用作前馈控制器的结构对于含有丰富状态的轨迹跟踪问题，如机器人轨迹跟踪问题有较好的控制效果，但它对于参考值为方波或阶跃信号的跟踪问题却不太适合．为此，提出ＣＭＡＣ网络反馈控制器的方案，该方案克服了ＣＭＡＣ局部联想特性和前馈控制结构所固有的缺陷，对较恒定的设定值跟踪和抑制噪声都有较好的效果．最后，仿真实例说明了所提方案的有效性．     

基于神经网络的交通标志识别方法

由于交通标志包含重要的交通信息,利用这些信息可以为车辆自动驾驶、安全驾驶提供计算机辅助决策,从而提高交通安全性和运输效率。目前,对交通标志的自动识别是广大学者研究的热门课题之一。采用基于神经网络学习的方法,采用3个多层神经网络和一个控制单元构造一个人工视网膜的方法,对采集到的图像进行粗分类,确定属于哪类交通标志,进而细分类,识别具体含义。     

基于事件触发的网络控制系统研究

网络控制系统传输的数据量比较大,传统的周期触发机制存在很多缺点。本文基于稳定性条件,设计了事件触发机制控制器,构造了事件触发控制模型,分析了事件触发工作原理。仿真结果表明,事件触发控制系统的估计性能和周期触发控制系统的性能相同,而事件触发控制时间间隔小,在不影响数据包丢失的同时,能有效减少网络资源的使用,使传输过程更加高效。     

变结构模糊神经网络控制及其学习规律研究

提出变结构模糊神经网络控制及其学习算法,并对变结构模糊神经网络学习规律进行研究,变结构模糊神经网络中的模糊化神经网络（Ｆ＿ＦＮＮ）、模糊推理神经网络（Ｅ＿ＦＮＮ）和模糊决策神经网络（Ｄ＿ＦＮＮ）都是结构可变的,可分开进行模糊隶属函数及模糊推理的学习,其学习过程符合人脑由粗到精的认识规律,学习收敛速度比一般模糊网络快,具有很好的适应性。     

非线性系统的变结构控制问题

本文研究了非线性系统的变结构控制问题,讨论了非线性系统滑动模态方程的形式,滑动模态的稳定性,切换函数的构造和利用滑动模态的模型跟踪控制。对滑动模态的到达问题提出了控制律的概念,用事先选定的控制律代替常规的到达条件,可以减少非线性引起的分析困难,有助于改善系统的动态品质。     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

自适应模糊神经网络的优化辨识及仿真

利用优化理论对自适应模糊神经网络的辨识问题进行了研究，提出了基于共轭梯度法的网络辨识算法，通过与ＢＰ算法进行的比较仿真表明本方法切实可行。     

关于混合约束下非线性系统最优控制问题极值原则的讨论

本文讨论混合约束下非线性系统最优控制问题的极值原则。Urszula Ledzewicz-Kowalewska曾讨论过这一问题,但需引入同向锥概念,本文则采用较为初等的方法,不引入同向锥,因而使问题的讨论得到颇大程度的简化。     

控制系统极点配置的 ANN 方法

基于神经网络技术,给出了一种新的用于多输入多输出线性控制系统极点配置的ＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）方法,并通过仿真验证了该方法的有效性和可行性。     

灰色控制系统的极值白化最优控制

本文提出了灰色控制系统极值白化最优控制的概念.对于灰色线性二次问题给出了极值白化最优控制存在的条件,性能指标的估计以及在极值由化最优控制反馈下系统的稳定性分析.     

建筑结构的控制与减震设计及其研究

对建筑结构控制与减震设计的一些较为实用方法给予简要介绍，并结合对近期一些研究成果的评述，探讨结构的动力优化设计及具有发展前景的研究方向。     

江汉平原农村空间网络的结构与功能研究

认为农村空间网络主要由交通网络、信息网络、电力网络构成．以江汉平原中的湖北省荆州地区为例，运用系统科学、区域科学有关理论，定性与定量结合的方法，分析了区内农村空间网络结构的特点，说明空间网络的不断完善已成为区域经济发展的重要推动力，为加速农村工业化发挥了积极作用，为农村空间创新奠定了基础．根据区内农村空间结构中存在的问题，提出了加大公路建设力度，发展综合运输；加强邮政建设，开发信息产业；拓宽电源渠道，增大电力供给等优化区域农村空间网络结构的措施和策略