基于演化神经网络的飞机自动着陆自适应逆设计

应用基于演化神经网络的自适应逆方法对飞机纵向自动着陆控制系统进行了设计与研究。首先,提出了逆控制器的结构,并将演化神经网络用于自适应逆控制的学习过程。然后用神经网络自适应逆控制方法对飞机自动着陆系统进行设计,最后,对所设计的控制系统做了数字仿真研究。结果表明,所设计的自动着陆控制系统具有良好的可行性和鲁棒性。     

基于小波神经网络的自适应逆控制及其应用

神经网络控制特别适用于具有非线性和不确定性因素的系统。采用小波神经网络(WNN)对飞行仿真转台的直流伺服系统进行实时辨识,得到其逆模型。然后将这一训练后的网络作为前馈控制器与常规反馈控制器结合构成并行自适应逆控制器,控制转台跟踪指定的速度和位置轨线。仿真结果表明该方法的有效性。     

具有伪控制补偿的自适应动态逆控制系统设计与仿真

论述了基于伪控制补偿解决自适应控制中作动器饱和问题的方法。基本控制律采用非线性动态逆方法设计，神经网络用于对逆误差进行重构。伪控制补偿消除作动器和自适应单元之间的交互影响。通过在超机动飞行控制的应用仿真表明，该控制方案弥补了动态逆要求精确数学模型的缺点，消除了作动器饱和对自适应单元的影响，提高了整个控制系统的鲁棒性。     

飞机穿越风切变的非线性动态逆控制

介绍了非线性动态逆的基本原理及其在低空风切变改出飞行中的应用。利用较真实的风切变工程化模型和非线性动态逆方法，对飞机改出低空风切变的控制进行了设计。文中获得了动态逆方法控制下的改出飞行参数曲线，并与其他的改出引导策略的结果进行了对比。结果表明，动态逆方法在飞机穿越风切变的轨迹控制过程中实用有效。     

直升机模糊免疫自适应模型逆控制系统研究

针对直升机大包线飞行控制问题,以模型逆理论为基础,引入生物免疫应答机理和模糊控制方法,提出了模糊免疫自适应模型逆控制系统设计方案.该方案通过设计模糊免疫在线补偿模块,自适应补偿由近似逆模型带来的模型逆误差,实现大包线飞行控制.与神经网络自适应控制方法的对比仿真结果表明,本方案实时性好,在大飞行包线下能够很好地实现控制目标;在舵面受损、输出存在干扰时体现出较强的鲁棒性;且系统具有良好的三轴姿态解耦能力.     

非线性伺服机构的神经网络建模

本文研究了利用径向基神经网络辨识某伺服机构的问题，本文采用了具有自适应步长的Ｋ－均值聚类算法对网络中心进行调整，学习算法中的局部卡尔曼滤波器考虑了径向基网络的空间和参数局部特性，有效地提高了算法的收敛性与学习速度；仿真结果表明了ＲＢＰ网络对伺服机构建模的有效性。     

基于一种新型动态神经网络的非线性自适应逆控制

根据生物神经元的机能,提出了一种具有动态激励函数的新型神经元模型,由此构成的神经网络(DAFNN)应用在非线性自适应逆控制中时只需要确定隐层神经元个数,从而克服了用NARX回归神经网络时需确定输入和输出延时阶数及隐层神经元个数等多个参数的不足。通过对单输入单输出(SISO)及多输入多输出(MIMO)非线性系统的自适应逆控制仿真研究,证实了DAFNN是一种很好的非线性系统建模和控制工具。     

电液伺服加载系统的神经网络逆控制

针对液压加载系统及试件的特殊要求，采用基于径向基函数网络（RBFN）的逆控制器给出了该NARMA模型及逆模型存在的条件。该方法使用实际系统的输入输出信号以及径向基函数网络实现系统建模，并利用系统神经网络模型离线训练系统的逆动态作为控制器，以克服由于实际系统所受的扰动而可能引起的控制器（逆模型）不收敛，实际控制表明该系统对期望加载轨线具有良好的跟踪能力，同时对系统干扰和不确定性具有较强的鲁棒性。     

基于模糊神经网络的机器人逆运动学问题

模糊神经网络（FNN，Fuzzy Neural Network)结合了神经网络和模糊逻辑的优点，即可以容易的表达模糊定性的知识，又具有较好的学习能力。针对机器人逆运动学问题，本文首先提了基于模糊神经网络的解决方案，阐述了基本设计思想和具体算法过程，对二自由度刚性机器人的仿真结果表明了该方案的有效性和可行性。     

基于H∞最优控制理论的高超声速飞机纵向逆控制

针对高超声速飞机复杂的气动特性以及不确定的非线性模型,提出了基于H∞最优控制理论的逆控制方法。该方法将H∞最优控制的鲁棒性能与动态逆控制的非线性解耦控制能力有机结合,能够在复杂的飞行条件下,实现对高超声速飞机高度非线性解耦控制;同时还能抑制模型参数变化的扰动,从而确保了高超声速飞机的纵向稳定性,改善了其纵向模态的飞行品质。通过仿真实验验证了该控制方法的有效性。     

BP神经网络模型的改进

本文在深入研究ＢＰ神经网络模型的基础上，提出了对该模型的若干改进技术处理方法，并通过仿真试验．实践表明，这些改进和技术处理方法是有效的．     

神经网络模糊非参数模型自适应控制及仿真

提出一种基于神经网络的模糊非参数模型自适应控制方案。该方案仅用受控系统的I/O数据来设计控制器,综合了模糊控制、神经网络与非参数模型学习自适应控制各自的优点。仿真表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于模糊神经网络的ATM网络连接接纳控制

ATM网络的业务量控制是ATM网络中的关键技术之一.连接接纳控制是业务量控制的一种,对业务源进行预防式控制.本文采用模糊神经网络算法对ATM网络进行连接接纳控制,仿真结果表明它比传统的算法有更好的效果.     

基于神经网络威胁判断模型

将神经网络理论应用于防空指挥控制系统中 ,研究了威胁判断模型 ,实例表明该方法是可行的 .     

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制：集中式粗粒度模型。该模型基于并行遗传算法，可以同时对前馈神经网络的结构和权值进行优化。在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景。初步的实验结果表明该模型可以加快神经网络的进化速度，提高进化的效率     

船舶减摇鳍逆模式小波神经网络自适应控制

根据船舶横摇运动的特点，本文提出以伪随机二元序列信号(PRBS)作为波倾角仿真输入信号，将逆模式小波神经网络自适应控制方法应用于船舶减摇鳍控制系统，取得了良好的减摇效果。仿真实验表明此方法能够克服传统PID控制适应性差的缺点，具有较好的容错性和较强的适应非线性的能力。     

动态过程神经网络模型的研究(一)

综述了用于动态过程建模的几种典型的神经网络结构以及它们所具有的性能 ,并通过分析比较得出了网络结构与网络性能之间的关系。文中引入动态系统的状态空间描述方法 ,对动态过程神经网络建模具有指导意义.