基于神经网络的机械臂自适应输出反馈控制设计

研究了机械臂的位置跟踪问题,提出了基于神经网络的自适应输出反馈控制方法. 该方法无需系统精确的数学模型,适用于具有非线性不确定性和外界干扰的机械臂控制系统. 设计的控制器由三部分组成：基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项. 神经网络的权值自适应学习率由Lyapunov稳定性理论得出. 仿真结果表明设计的控制器能驱动机械臂精确跟踪期望的位置,验证了该控制方法的有效性.     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

Smith自适应模糊PID控制算法的研究及仿真

针对常规PID控制器在控制具有时变、大滞后等特性的实际被控对象效果不理想的问题,综合Smith预估控制和自适应模糊PID控制的优点,提出了一种新的控制器-Smith自适应模糊PID控制器．介绍了组成原理,分析了在控制时变、大滞后对象时的优点,给出了该控制器的具体设计方法．仿真结果表明,所设计的控制系统超调量小、调节时间短、响应速度快、动、稳态性能好,适用于参数变化的大时滞工业过程．     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

模糊自适应整定PID控制及其仿真

将模糊控制器与PID控制器结合在一起，利用模糊控制推理方法实现对PID参数的在线自整定，进行MATLAB／SIMULINK仿真，仿真结果表明，该控制器明显地改善了控制系统的动态性能，易于实现，便于工程应用。     

基于遗传双映射神经网络的机械臂运动控制研究

讨论了一种基于双映射神经网络的机械臂运动控制器.并采用遗传进化算法对该控制器网络拓扑结构和参数进行了优化,实现了机械臂的轨迹跟踪控制.计算机仿真表明该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

利用BFO算法优化PID参数的机械臂控制设计分析

提出了一种基于细菌觅食(BFO)算法优化PID控制器参数的机械臂控制设计分析,用于不确定的2自由度旋转棱镜(RP)机械臂有效的轨迹跟踪和参数鲁棒性.提出的方法将BFO算法与PID控制器相结合,通过BFO算法在线对PID控制器的3个参数进行优化.最终,传统的动抗干扰抑制(ADRC)设计问题被转换成用于寻找最优控制器调谐参数的特殊优化问题.仿真结果表明,与传统方法相比,提出的方法能有效提高机械臂跟踪控制的快速性和准确性,具有更优越的控制品质和较强的抑制干扰能力.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

基于BP网络的三值动态矩阵控制算法的实现

通过具体分析动态预测控制算法在工业应用中存在的实际问题,提出了一种三值动态矩阵控制算法,该算法主要在优化性能指标函数式中真正地建立了"头、中、尾"3点约束.仿真结果表明,该算法具有系统跟踪精度高、鲁棒性好等优点.同时,针对慢时变、大时延和不确定性系统的跟踪问题,提出了一种基于BP网络的三值动态矩阵控制算法.该算法在三值动态矩阵控制算法的基础上,利用一个3层BP神经网络对被控对象进行辨识.通过仿真,验证了所提算法的有效性.     

基于BP神经网络对空气质量数据的真实性判别

针对珠江三角洲各城市空气质量数据真实性的判别,分别构建熵权法模糊综合评价和BP神经网络等模型,使用MATLAB和EXCEL等软件编程求解,研究得到广州和深圳等城市存在空气质量数据造假的嫌疑,并将数据不真实的原因分为主观性统计错误和非主观性统计错误.为政府和环境部门制定预防空气质量数据造假的对策提供较为科学的建议.     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

基于Fuzzy - ARTMAP网络的高光谱遥感图像分类方法

神经网络是一种重要的高光谱图像分类方法.本文提出了四边形隶属函数和Fuzzy-ARTMAP神经网络相结合的高光谱图像分类方法.该方法不局限与隶属度函数的选择,使网络更具有广泛的适用性.将其应用于高光谱图像的分类中,其分类精度高于ARTMAP神经网络,且性能稳定.     

基于主成分分析的BP神经网络和RBF神经网络月平均气温预测模型

应用基于主成分分析的BP神经网络和RBF神经网络建立了气温预测模型.通过比较模型的均方误差(MSE)和平均绝对误差(MAE)值可知,采用主成分分析的BP神经网络得到的预测模型的误差小于主成分分析的RBF神经网络预测模型.结果表明,模型采用主成分分析提取了影响因变量的重要因子,去掉了网络输入样本的自变量之间的重叠因子,同时也提高了预测能力.     

多输出单元BP神经网络梯度算法的收敛性

梯度算法广泛应用于训练前馈神经网络.对于单输出前馈神经网络的梯度算法的收敛性已经有了详细的讨论.研究了带有多个输出单元的BP神经网络的梯度算法,证明了误差函数在梯度算法所生成的权向量序列上的单调递减性,并且证明了梯度算法的弱收敛性和强收敛性.     

基于BP网络的农业技术创新效果评价

农业科技革命的本质是农业技术创新.从系统的角度,构架反映创新效果的评价指标体系,并用因子分析法对数据进行预处理后,应用BP网络技术构建出农业技术创新效果的评价模型.实验表明,该模型具有较强的鲁棒性.