基于神经网络的单值预测控制

为了实现快速控制,用两层线性神经网络构造预测器,估计未来ｐ步的输出值,用两层非线性神经网络组成控制器,实现对下一步控制的优点,仿真结果显示：该方法是可行的,且具有结构简单,运算最小、速度快的特点。     

非线性大滞后系统的单神经元模糊预测控制

提出一种单神经元模糊预测PID控制策略,无需对复杂控制过程建立数学模型,只要检测过程的实际输出和期望输出,通过模糊预测控制修正单神经元PID控制规则,即可对非线性大滞后系统实现自适应控制.对于大滞后扰动系统,在稳定性、快速性、鲁棒性方面明显优于常规单神经元PID控制器.仿真结果表明,该方法应用于非线性大滞后系统具有良好的控制品质.     

基于预测神经元模型的语音线性预测系数求解新方法

采用预测神经元作为语音信号线性预测模型的一种实现形式,可将线性预测系数的求解问题转化为预测神经元的训练问题,并运用BP算法得到了[神经元权值（即线性预测系数）的递推计算公式,考虑到语音信号能量的不确定性,提出了运用相对预测误差能量作为判断的参数,并按清音和浊音中两种情况讨论了收敛判据,由于利用预测神经元的迭代训练算法,理论上可以最大限度地挖掘语音样本中的相关性,因而可得到非常精确的线性预测系数,计算结果表明,运用预测神经元方法所得到的线性预测系数,精度明显高于传统的杜宾算法和格型算法。     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

时变大纯滞后系统的单神经元预测控制

为对时变大纯滞后系统实现快速有效的实时控制 ,将单神经元与 L evinson预测器相结合采用比例积分微分调节器 (PID)控制方式 ,设计了单神经元预测控制器 ,其权值和可整定参数能够在线自适应调整 ,克服了大滞后对象控制结果不能及时反馈的不足。应用该控制策略对大滞后一阶和二阶对象的仿真研究表明 ,对大滞后时变系统具有很强的适应性和鲁棒性 ,各种控制性能明显优于常规 PID等其它控制     

多变量广义预测控制及一种简化算法

推导了多变量广义预测控制算法，该算法能有效地处理过程的不稳定性和非最小相位特性，并具有良好的解耦性能。同时提出一种处理纯滞后对象的新方法，即将近似法和广义预测控制相结合解决时滞的方案。这种方法可以解决通道之间时滞不同的对象，并且针对广义预测控制算法的复杂性对其简化算法（多变量单值广义预测控制算法）进行了研究。通过仿真研究表明，多变量单值广义预测控制算法在跟踪性、鲁棒性、抗干扰能力等方面都得到很好的控制效果。     

多变量系统的变时滞无模型自适应单值预测控制

针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.     

电阻炉单神经元PID自适应控制

选用单神经元自适应控制结构,采有监督Hebb学习算法实现了对电阻炉大时滞控制系统的单神经元PID控制,探讨了参数对系统性能的影响,同时,使用Matlab分别对常规PID算法、自适应单神经元PID算法进行了仿真研究与比较并对参数选择进行了仿真研究.仿真结果表明,自适应神经元结构的PID控制动态控制效果良好,具有较高的工业实用价值.     

基于单神经元控制的交流调速系统及其仿真

针对矢量控制的交流电机调速系统，提出了若干单神经元的积分分离的PI型速度调节器，并对负载转矩进行补偿，在MATLAB下的仿真结果表明，系统具有良好的鲁棒性和快速性，对电机参数不敏感。     

基于单神经元PID控制的离子流消静电装置

单神经元自适应PID(Proportional integral derivative)控制系统,具有自学习和自适应能力,而且结构简单、易于计算、响应速度快、设定参数少等特点,可以在一定程度上解决传统PID控制器不能对参数时变系统进行有效控制的问题,在离子流除静电装置中引入单神经元自适应PID控制,显著提高了现有离子流除静电装置的自动化程度,实现了自动检测、自动调整,实时监控,提高了工作效率,减少了人为误差,取得了较好的效果.     

单神经元PID控制在锅炉水位控制中的应用研究

针对PID控制器的缺点,提出一种用于锅炉水位控制的单神经元自适应PID控制器。通过Simulink的仿真证明,该控制器利用神经元的学习特性,自动调节PID参数,控制效果优于传统PID控制。     

基于单神经元自适应PID控制的水轮机调节系统研究

文章针对水轮机的大惯性以及调节系统各环节的非线性特性,提出了一种单神经元自适应PID控制方案,并通过编制仿真程序对系统进行了仿真实验。实验结果表明,采用单神经元自适应PID控制的水轮机调节系统,使其具有更小的超调量和更好的调节性能,有效地改善了水轮机常规PID调节摆动时间长、自适应能力差等问题。     

PMSM的基于神经网络非线性预测控制

采用三层前向神经网络作为PMSM转速预测模型,对PMSM进行非线性预测控制.先通过离线训练获得初始预测模型,再在线对神经网络模型的权值和阀值进行调整;控制算法是将预测模型处理成线性和非线性两部分,并用一种快速线性预测控制方法求取控制律,大大减小在线计算量和提高控制的实时性.最后仿真结果表明该方法具有良好的动、静态特性和抗干扰能力.     

CSTR的非线性预测控制

对于像ＣＳＴＲ化学反应器的控制，由于其过程本身的严重非线性而变得十分困难，本文提出一种采用Ｈａｍｍｅｒｔｅｉｎ模型的预测控制方法来控制上述非线性过程。Ｈａｍｍｅｒｓｔｅｉｎ模型采用两种方法进行辩识，联立辩识法与序贯辩识法，本文特点地提出一种改进型Ｈａｍｍｅｒｔｅｉｎ模型，用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对ＣＳＴＲ反应器之仿真结果表明，基于上述两种Ｈａｍｍｅｒｓｔｅｉ     

基于Lagurre函数的一类非线性系统预测控制

采用有限级Ｌａｇｕｅｒｒｅ级数构成Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统近似模型,并给出基于该模型的Ｈａｍｍｅｒｓｔｅｉｎ型非线性系统的自适应预测控制算法。仿真实验表明,这种自适应控制算法,对系统的时延和阶次以及非线性特性变化有较强的鲁棒性。     

一类非线性系统的广义预测控制

将广义预测控制应用于Hammerstein模型描述的非线性系统,得到了一类非线性系统的广义预测控制算法.仿真结果表明,该算法具有较强的鲁棒性.     

基于单神经元控制器的交流矢量控制系统

根据感应电机矢量控制原理，将单神经元控制器应用于磁场定向的矢量控制系统中，并给出了单神经元控制器模型，并将神经元控制器代替矢量控制系统中的转速调节器，进行了易于算法实现和实际控制系统实现的智能交流矢量控制系统设计和仿真研究，MAT－LAB仿真结果表明，该系统具有良好的动态性能。     

基于BP神经网络的非线性广义预测控制

广义预测控制在理论上已经有了很深的研究,并在工业控制中获得了应用,但广义预测控制存在着模型失配和系统不确定等缺陷.为克服上述缺陷,本文提出基于BP神经网络建立一个对象模型,用修正的误差预测值对输出预测值进行补偿,从而实现对被控对象的预测控制.通过Matlab仿真,表明神经网络预测控制对非线性系统具有较好的控制效果.     

基于单神经元自适应PSD算法用于混沌镇定控制

为了镇定混沌系统的不稳定周期轨道,提出了一种基于单神经元自适应PSD算法的状态延迟反馈法用于混沌的镇定控制。仿真结果表明,该算法不仅能够自适应地完成控制参数的整定过程,而且具有适用范围广、镇定时间短、抗干扰能力强等优点。