神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

智能控制系统综述

智能控制系统应用日益广泛,本探讨了智能控制系统的定义,组成,原理,特点,应用和发展。     

永磁交流伺服系统神经网络模型参考自适应控制

基于神经网络模型参考自适应控制策略,提出了一种利用模型参考适应控制（MRAC）的方法对永磁交流伺服系统进行智能控制。系统可以在线进行参数辨识对网络教师值进行修正。仿真研究表明,该系统具有较强的鲁棒性,与传统的PID控制比较,优点明显。     

神经网络自适应控制的研究进展

关于人工神经网络与自适应结合的研究,近年来已成为智能控制学科的热点之一,已有大量的研究成果见诸各种学术刊物和会议论文.自适应具有强鲁棒性,神经网络则具有自学习功能和良好的容错能力,神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势.本文较系统地综述了神经网络自适应控制的研究进展,讨论了神经网络自适应的主要模型和算法,并就其存在的一些问题、应用与发展趋势进行了探讨.     

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。     

智能控制中的模糊神经网络技术研究动向

本文综述了模糊神经网络技术的发展现状及主要内容，讨论了其研究中存在的问题，并对该技术的发展前景进行了展望。     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

一类自适应神经网络控制的研究与设计

文章研究了一类自适应神经元网络控制结构和算法。仿真表明它有较好的控制性能。     

基于局部逼近神经网络智能控制系统分析

介绍了神经网络的基本概念及特点,分析了基于局部逼近神经网络控制系统的特点及其适用场合,展望了基于神经网络控制的发展方向。     

一类耦合系统的直接自适应神经网络控制

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．     

数控铣削加工过程的神经网络控制

构造一个三层的 BP网 ,提出一种铣削加工恒力控制方法 .该方法具有自组织、自适应能力强和精度高等特点 ,并可有效克服传统自适应控制中的模型失配问题 .对铣削加工中切深渐变和突变两种工况进行计算机仿真 .最后 ,实验验证其正确性和有效性     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

神经网络直接自适应控制器的设计与实现

柔性机器人在受限运动时由于控制对象极其复杂而难以控制。为了解决受限柔性机器人机械臂难以精确定位问题提出并设计了一种神经网络直接自适应控制器。其控制效果在研究的受限柔性机器人控制实验上作了仿真与实验。结果表明该控制器能经较高精度控制受限柔性机器人的机械臂精确定位。本文是深入研究受限柔性机器人控制问题的基础。     

制造系统的神经自适应控制

制造过程的自适应有效控制对ＣＩＭＳ的发展具有极其重要的意义。本文作者在论述：（１）自适应控制在ＣＩＭＳ中的重要性；（２）传统自适应控制方法在制造过程控制中的困难与障碍；（３）神经网络、人工智能和模糊控制理论等在制造过程自适应控制中的应用的基础上，指出神经自适应控制是制造过程自适应控制发展的有效途径，并构造了基于自组织神经网络的神经优化型自适应控制模型．     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

不确定性系统的神经网络变结构控制

结合神经网络理论与变结构控制理论,提出一种基于神经网络的变结构滑模控制方案,该方案不依赖于系统的数学模型,它对外干扰和非线性不确定性都具有较强的鲁棒性,并能削弱抖振的发生,仿真结果表明该方法对非线性不确定性系统控制的有效性。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。     

机器人操作臂神经网络控制技术的研究

在分析机器人手臂常规控制存在问题的基础上,给出了几种操作臂常用神经网络控制的方法,指出了方法的优缺点和本身具有的特性,为进一步开发机器人神经网络提供了一定的技术基础。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．