神经网络方法对非线性系统的作用

本文对非线性系统研究方法作了简要介绍，重点分析了神经网络方法在非线性系统研究领域应用的可能性和方法，指出神经网络在非线性系统中的广阔前景     

神经网络逆系统在变频调速系统中的应用

根据恒压频比控制的要求，针对交流电机参数的复杂性和变频调速特性，提出了交流电机变频调速系统的神经网络逆系统控制方法；针对模型基本未知的连续非线性可逆系统，将神经网络对未知非线性函数的逼近和学习能力、逆系统相结合，给出神经网络α阶逆系统和复合控制器的设计。仿真结果证明了理论的正确性。     

基于神经网络遗传算法求非线性系统的最优解

应用神经网络对非线性系统进行拟合,将训练好的神经网络作为非线性系统模型,并用遗传算法寻找非线性系统模型的最优解.通过多次重复仿真实验表明,提出的非线性系统寻优方法有效,均能以较快的收敛速度找到近似最优解,说明用RBF神经网络和遗传算法寻求非线性系统最优解的方法是有效的.     

柔性机构非线性运动的神经网络辨识模型

研究目的是建立柔性机构非线性运动辨识模型.柔性机构的运动形态为高度非线性,利用径向基函数(RBF)神经网络,将机构驱动力矩和机构非线性运动参数分别作为RBF神经网络的输入和输出,利用达到训练精度要求的RBF神经网络进行柔性机构的非线性运动参数的辨识.计算速度快,精度高,为复杂系统的辨识提供了一种理想的建模方法.     

基于径向基神经网络的非线性系统辨识

提出了基于径向基函数神经网络模型的系统辨识方法，由于径向基函数的神经网络比多层前馈人工神经网络模型相比，在逼近非线性函数时，具有结构简单，收敛快、且无局部极小的优点，通过计算机仿真证实了该方法具有良好的辨识效果。     

基于智能集成的综合优化方法

研究了集成应用神经网络、遗传算法和专家系统技术来解决过程系统的复杂优化问题．由于神经网络的高度非线性映射能力，适合于大型复杂问题的建模．神经网络建立的是一个黑箱模型，不能用传统的数学规划方法求最优解，遗传算法适合于这种模型的寻优．有些复杂工程问题的优化，并非建立一个模型（数学模型或神经网络模型）求解就可以得到答案，而是依靠众多的工程因素和经验，对于这种优化问题，专家系统显示出突出的优势     

人工神经网络与神经网络控制的发展及展望

由于神经网络控制在处理非线性不确定系统所表现出来的优点,近年来各国对神经网络控制技术均进行了深入广泛的研究。本文在现有各研究者的研究成果的基础上,对神经网络控制的发展历程、发展现状以及发展趋势做了详细系统的论述。     

BP神经网络模型对常规曲线拟合情况的评估研究

BP神经网络具备较好的非线性系统曲线拟合能力。提出了应用BP神经网络时常规曲线拟合情况进行评估的方法,论证了应用BP神经网络进行电力销售预测的有效性。     

基于神经网络的非线性系统自适应控制综述

从控制结构的角度总结神经网络自适应在非线性系统中的应用,对神经网络自校正、模型参考自适应控制和内模控制,并对其构成与特点进行了分析.指出了神经网络自适应控制研究中存在的一些问题.     

鲁棒自适应飞行跟踪控制系统设计

针对具有外部扰动的一类非线性飞行控制系统提出了一种在线神经网络控制的方法,应用3个在线神经网络分别实时抵消系统中的非线性部分、与控制量耦合的非线性项以及外部扰动,使受控系统的输出可以完全跟踪给定输入参考信号。文中以一个实际的验证机非线性模型为仿真对象,验证了这种方法的有效性,由于在线神经网络的动态补偿特性,即使飞机在不同的高度和速度下,在模型参数发生改变时,控制过程并不需要改变增益表就可以完成全包络的飞行跟踪控制,相关的定理证明了整个神经自适应飞行闭环控制系统的稳定性,仿真示例表明了该设计方法的有效性。     

基于神经网络的伺服系统辨识与内模控制

根据一组伺服驱动系统的辨识试验数据，进行了基于神经网络的非线性系统的正模型与逆模型辨识，分析了辨识结果，给出基于神经网络模型的内模控制方案，并提出了实现高速高精运动的可能方式。     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数．该方法适用于非线性系统和时变系统,实现了PID参数的在线整定．     

基于动态神经网络非线性仿射系统H∞控制（一）

基于神经网络,对一类非线性系统H∞控制进行研究,通过构造动态神经网络来逼近非线性系统,在这个模型基础上,给出系统状态反馈控制方案,利用H∞控制来消除模型误差和外部扰动,使被控系统达到较好的性能,反馈增益矩阵转化为线性矩阵不等式问题,通过LMI来解决.     

基于广义BP算法的模型参考自适应控制

改进了传统的神经网络BP算法,提出了基于广义BP算法的非线性不确定系统的神经网络模型参考自适应控制方案.并将其用于非线性不确定系统的控制,仿真实验表明了控制器具有良好的非线性控制性能.     

非线性系统神经网络控制的现状与展望

对神经网络控制在非线性系统中的应用,特别对现阶段几种较重要的神经网络控制进行了评述, 并对神经网络控制的发展作了展望．     

神经网络全局收敛快速算法在非线性建模中的应用

把神经网络当作结构已知的非线性系统,权系数的学习看成非线性系统的参数估计,给出前馈神经网络在线运行投影学习算法,理论上证明算法的全局收敛性,并讨论算法参数的选择范围．通过非线性时变系统的神经网络建模应用的仿真,验证算法的在线运行能力．     

论非线性理论在需水预测中的应用

针对需水预测中存在的非线性现象问题,基于目前研究成果重点分析了BP神经网络方法、小波神经网络方法、混沌理论、SVM(支持人工向量机)等在需水预测中的应用现状和存在的主要问题,探讨了未来的研究方向和发展趋势,上述非线性理论的引入,不但为需水预测的研究提供了新的思路,加深了对需水规律的认识,而且也推动了非线性理论本身的发展.     

基于动态神经网络非线性仿射系统H∞控制（二）

基于神经网络,对一类非线性系统H∞控制进行了研究,反馈增益矩阵转化为线性矩阵不等式问题,通过凸优化方法在线解决.最后,通过仿真实验说明本方案的有效性.     

智能优化算法优化BP神经网络的函数逼近能力研究

在工程应用中经常遇到一些复杂的非线性系统,这些系统状态方程复杂,难以用数学方法精确建模。BP神经网络可以描述这些非线性系统的输入输出映射关系,但其自身也存在较明显的缺陷。应用遗传算法和粒子群算法对BP神经网络进行优化,可弥补BP神经网络寻优时的缺陷。通过实例比较分析,两种优化算法有效提高了拟合精度。     

基于径向基神经网络观测器的故障诊断

神经网络的非线性映射特性、信息的分布存储、并行处理和全局优化能力,特别是其高度的自组织和自学习能力,使其成为故障诊断的一种有效方法,已在许多实际系统中得到了成功的应用.神经网络技术的出现,为故障诊断问题提供了一个新的解决途径,特别是对于在实际中难以建立数学模型的复杂系统,神经网络更显示了其独特的作用.应用神经网络进行故障诊断主要是应用神经网络产生的残差并进行残差分析以及用神经网络进行故障模式识别.