直接作用式神经网络控制器研究

提出了一种新颖的直接作用式神经网络控制器，将其应用于铣床切削过程控制，使铣削力在加工条件变化时始终保持恒定．该控制器具有在线自学习能力，无需预先训练网络的权值，更不用建立控制对象的数学模型．实验结果表明其控制性能优越，自适应能力强．     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．     

一种非线性系统神经网络直接控制器的设计

提出了一种使用神经网络作为非线性对象直接控制器的设计方法 ,该控制器由一个常规控制器和一个神经网络控制器组成 .常规控制器对系统给出粗略控制 ,神经网络控制器给出补偿信号来进一步减小系统输出跟踪误差 .该方法对被控非线性对象类型的限制很少 .在该方法中 ,径向基函数 (RBF)神经网络被用来进行训练 ,训练后系统具有较好的稳定性 .仿真结果表明 ,该方法非常有效 ,对非线性系统能取得比较满意的控制效果     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。     

回归神经网络控制器的研究与应用

分析了利用具有多层反馈的动态回归神经网络作为控制器的可行性 ,构造了基于RNN的控制系统,并对典型的非线性化工对象连续搅拌釜反应器(CSTR)和化工过程Benchmark问题进行了实时的控制应用。结果表明,多层反馈的回归神经网络控制器具有结构简单、控制效果好的优点,特别是在对Benchmark控制中采用了多入多出的RNN控制器构造的串级控制系统,体现了RNN控制系统的强适应能力,可用于复杂动态过程的控制。     

基于小波神经网络免疫PID控制器的研究

针对PID控制器,本文介绍了一种基于小波神经网络的免疫PID控制器。由于小波变换具有较好的时频局部性．神经网络拥有较强大的非线性映射的能力、自适应、自学习等优势,将规范正交的小波函数与神经网络的基函数相结合构成小波神经网络．该网络同时具有小波和神经网络的优点,本文用小波神经网络来逼近免疫PID的函数,试验以及仿真结果表明,本文介绍的控制器性能优于其它类型免疫PID控制器。     

自适应神经网络PID控制器

提出了一种新型神经网络PID控制器，其学习速率是通过三层前向BP网络在线辨识学习，使神经元有较强的智能性、自适应和自学习的能力；同时，将Smith预估器与神经元PID控制器相结合，能更有效地抑制纯滞后的影响。仿真结果表明该控制器有较好的控制效果和鲁棒性。     

基于BP神经网络的PID控制器研究

从BP神经网络的基本原理、学习规则和学习算法出发,研究了基于BP神经网络的PID控制方法,采用3层前向网络及动态BP算法,取得了较高的控制品质。仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时具有很强的鲁棒性。     

神经网络控制器的海上验证

针对船舶航向保持问题，借助于仿真系统设计了一种神经网络控制器，并通过海上实船试验表明该控制器在实际应用上是可行的，应用简单，鲁棒性强，在不同海况下，航向保持性能良好。     

交流变频调速系统神经网络控制器的研究

论述了基于神经网络控制技术的交流变频调速控制器的设计原理和实现方法。由计算机、采集板卡、D／A转换卡以及编码器等构成计算机硬件控制系统，由visual C 实现神经网络控制算法。利用神经网络的非线性映射能力、并行计算能力、自学习能力以及强鲁棒性等优点实现高品质高阶非线性交流调速的闭环响应特性。经实验验证，系统具有良好的动态跟踪能力，阶跃响应超调量小，鲁棒性好，稳定时间短。     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

无刷直流电机神经网络控制器设计

无刷直流电动机在高性能驱动应用中具有良好的调整性能、高电压、高转矩、高体积比以及无电刷的优点。为了辨识、控制运行在高性能驱动环境下的无刷直流电机，本文设计了一种多层神经网络控制器。这个神经网络既能适时辨识系统的动态性能，又能控制电机使速度和位置跟踪预先选择的轨迹，且跟踪精度较高。在控制中，系统参数漂移和外界干扰可在任意时刻得到补偿，神经网络实现了自适应控制功能，仿真结果表明这种神经网络是有效的。     

模糊神经网络控制器的设计与仿真

提出了一种复杂系统模糊建模及控制的神经网络方法,通过ＢＰ神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织,这种控制方法可用地对受控对象缺乏精确的数学模型或具有时滞,高阶,非线性等难以用现有的控制理论分析方法和控制的复杂系统,仿真结果证明了这种方法的有效性。     

DSP在模糊神经网络控制器中的应用

将模糊控制所具备较强的逻辑推理功能和神经网络的学习功能融为一体，组合而成模糊神经网络，通过预测神经网络和模糊神经网络的协调作用，利用梯度法可以实时地调整模糊神经网络每个隶属函数的参数值。     

基于神经网络的带遗传算法的模糊控制器

研究如何将模糊逻辑系统（ＦＬＳ）、人工神经网络（ＡＮＮ）及遗传算法（ＧＡ）相结合,构成一个有机的控制器,从而达到准确、快速的控制。     

基于神经网络的模糊控制器

提出一种基于神经网络的模糊控制器。它可以把模糊控制的控制规则转化为多层前向神经网络的一对输入、输出样本。用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法对网络进行训练,使得网络记忆这些样本,并将这些样本以权值矩阵的形式存储的网络中。网络以”联想记忆“的形式来使用获得的经验对对象实施控制。知道了被控对象少量的定性知识,就可以用这种方法控制对象的行为,这种控制方案可用于对受控对象缺乏精确的数学描述或具有时滞     

基于GA-BP算法的模糊神经网络控制器研究

提出了一种基于GA-BP算法的模糊神经网络控制器,将GA的离线全局寻优及BP实时学习相结合,克服了单独应用GA算法或BP算法调节模糊神经网络控制器参数存在的缺陷。仿真结果表明经GA-BP算法优化的控制器性能优于传统算法调节的控制器。     

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     

新型遗传算法的神经网络控制器

本文提出适用于非线性控制的新型遗传算法，该算法兼有神经网络广泛映像能力和遗传算法快速，全局收敛以及增强式学习等性能。     

神经网络和PID控制器在过程控制中的应用

运用ＰＩＤ控制器和神经网络相结合的方法，对一种非线性，变参数的受控对象的控制进行研究，仿真结果表明，控制效果比较令人满意。