基于模糊神经网络的染色机温度控制

针对染色过程中温度控制系统具有严重的非线性以及较大的时间滞后性，无法精确建立数学模型的特点，设计了一种模糊神经网络控制算法．该算法能实现对恒温、升温、降温过程的分别控制，以达到提高控制效果的目的．提出模糊神经网络控制方法，并设计出相应的控制器，通过Matlab仿真及实际应用论证了该控制器的可行性．     

基于模糊免疫PID算法的温度控制系统研究

目前温控系统中最常用的是串级控制方法,但这种方式存在一定不足,调控质量也不能很好的满足生产需求。文章在串级控制方法的基础上,着重研究其算法优化的可行性,尝试将模糊机制、免疫算法和PID控制方式相融合,改进原有的控制方法,并进行仿真验证。结果表明,这种新算法可以有效提高温度控制的效率和精度。     

基于模糊神经网络融合的温度控制方法

针对目前温度控制中存在的问题，研究设计了一种新的适合于非线性、惯性系统应用的动态控制的方法。采用了将具有简单有效的非线性控制作用的模糊控制技术与学习和自适应能力较强的人工神经网络技术相融合的方法，建立了模糊神经网络相融合的智能控制模型。文章详细地介绍了基于模糊神经网络的智能温度控制的实现过程。实际应用结果表明，系统具有较强的实时性和可靠性，不仅温度控制精度高，而且动态响应速度快。该控制方法的研究，为实现最佳温度控制提供了理论根据和有效方法。     

基于神经网络内模的热解反应器温度控制

针对生物质热解反应器温控系统大惯性、大时滞以及非线性等特点,提出基于神经网络的内模控制方法,以提高温控系统的控制性能.利用内模控制算法提高系统的鲁棒性,采用神经网络设计出内模控制结构中的被控对象模型和内模控制器,与传统比例积分微分控制器(proportional integral derivative control,...     

基于免疫算法的神经网络盲均衡算法的研究

将免疫算法引入神经网络盲均衡,用它来优化网络的权值。它具有很强的全局搜索能力,避免了使用传统方法而出现的未成熟收敛现象,使得收敛速度加快,最终达到全局最优。     

基于免疫进化算法的小波神经网络的混沌优化设计

针对进化算法中的“退化”问题和小波神经网络的“维数灾”问题,将免疫算法和进化算法相结合,在引入混沌机制的基础上,提出了一种基于免疫进化算法的小波神经网络混沌优化设计方法。该方法既充分发挥了小波神经网络的快速性,又充分利用了免疫算法的全局性、适应性等特点。仿真结果表明了该算法的有效性。     

基于免疫算法的RBF神经网络盲均衡算法

本文采用免疫算法来优化RBF神经网络,得到一种更加优化、更加合理的混合算法,即免疫神经网络,并将此算法用于盲均衡器的优化设计,MATLAB仿真实验结果表明,经此算法优化后的盲均衡器,其均衡效果显著提高.     

PCR仪基于遗传算法的模糊神经网络的温度控制方法

分析了在PCR反应仪的温度控制过程中,由于升降温速度快,精度要求高,被控对象具有非线性、不确定性等因素．常规PID控制方法很难满足实际的要求。采用了一种基于遗传算法的模糊神经网络的温度控制方法,利用遗传算法训练模糊神经网络模型。试验表明。这种控制方法较好地达到了控制的要求。     

基于BP神经网络的生化分析仪的温度控制

对生化分析仪的硬件和软件进行了研究,针对常规PID控制参数在温度控制中难以达到最优,利用BP神经网络对PID控制参数进行学习调整以达到最优。实验结果表明BP神经网络自学习PID参数具有较好的性能。     

基于模糊免疫神经网络PID算法的全向底盘控制方法

针对全向底盘控制的实际需求,提出了基于模糊免疫神经网络PID算法的智能控制方法。首先根据神经网络算法和模糊算法的结构特点建立了模糊神经网络模型,并使用误差反向传播的方法对模型进行训练;然后使用免疫算法确定学习率,实现了对PID参数的动态整定,并对底盘路径跟踪控制器参数进行整定,以实现对底盘的精确运动控制;最后建立了底盘的运动学模型,基于Matlab平台进行了相关算法的仿真,并基于Linux Ubuntu系统下Tensorflow框架搭建并训练了神经网络模型,进而实现了整体算法。轨迹跟踪试验表明:当底盘沿不同方向以5 m/s的速度进行轨迹跟踪时,最大误差为4.88cm,平均误差为0.25cm,该算法能够有效地对底盘进行控制,满足全向底盘控制的要求。     

无刷直流电机免疫反馈自适应学习人工神经网络控制

针对BP神经网络收敛速度较慢、学习时间较长的缺陷，提出了基于免疫反馈规则的神经网络控制器用于无刷直流电机的转速控制中．该规则根据免疫系统中的T细胞的生物免疫反馈机理而总结出来，包括决定应答速度的激活环节和决定稳定效果的抑制环节．将免疫反馈规则应用于BP神经网络训练中学习速率的自适应调节，加快了神经网络的收敛速度，缩短了学习时间．无刷直流电机控制系统采用双闭环控制，内环为电流环，外环为速度环．MATLAB仿真和实验表明，采用该方法的系统超调量小、速度响应快，而且速度响应受电机参数变化影响小，各种外界干扰也得到了很好的抑制，具有较高的控制精度和较好的动、静态性能．     

基于BP神经网络的PID在压延机温度控制系统中的应用

针对风神轮胎股份有限公司压延机辊筒温度控制以及传统PID控制存在的设计复杂、控制精度较差和参数值实时更新复杂等问题,对压延机辊筒温度提出了一种基于BP神经网络的PID控制方法,并进行了计算机控制系统设计。对子午线轮胎生产中压延机辊筒的温控试验结果表明,该PID控制系统逼近精度高、适应性好,取得较满意的效果。     

淬火炉温度的自适应神经PID控制

以淬火炉温度控制系统为研究对象,提出了一种基于BP神经网络整定的PID控制方法,并给出了系统设计及软件开发.由于神经网格所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制.实验结果表明,用该方法整定的PID控制系统,逼近精度高,鲁棒性好.     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．     

基于免疫遗传算法的超声电机模糊神经网络控制

针对超声电机参数的时变性、系统内在的非线性和系统的强耦合性等特点,提出基于免疫遗传算法的超声电机模糊神经网络速度控制策略．实验结果表明,与传统模糊神经网络速度控制相比,采用该方法的系统能较好地实现设定的超声电机速度参考模型的自适应跟踪,响应速度脉动小,具有控制灵活、适应性强、控制精度高、鲁棒性强等优点．     

基于神经网络的无监督自学习控制系统

所论系统的控制由两个神经网络完成,即对象放识器和系统控制器。并且提出了一种 新的学习算法,它能利用存贮于辨识网络的信息改进控制策略。该控制系统可以对非线性系统,不确定系统等进行无监督的学习控制。