神经网络自适应控制及其发展应用

文章系统地阐述了神经网络自适应控制的本质、优势与研究进展,介绍了神经网络自适应控制的不同结构模型及其所具有的特性,分析了目前神经网络自适应控制尚存在的问题,及其日后的研究重点与方向,指出了神经网络与自适应控制相结合,应用于控制系统中的优越性和可行性。     

关于神经网络控制的飞机导航系统应用分析

在飞机导航体系的操作中,实行一些路径规划工作并经过算法对其实行改善是非常重要的。本文采用神经网络技巧对飞机引路体系的相关问题实行改善和确定,力求获取最好解析。同时,指出了引路算法进一步发展的方向。     

BP神经网络在灌区分水闸控制中的应用

BP神经网络是一种单向传播的多层前向网络,具有很强的学习功能,多次训练后的网络具有很好的预测能力。结合BP网络的特点和灌区分水闸的工作原理,应用BP神经网络对闸门控制进行预测,并分析预测结果。     

BP神经网络在异步电机矢量控制中的应用研究

本文讨论了运用BP神经网络代替传统的DSP来实现异步电机矢量控制中反馈信号的复杂数学运算。神经网络对比DSP可以加快调速系统的响应速度,而且有较强的容错能力,对谐波也有一定的免疫作用。仿真结果表明方案的可行性。     

神经网络自适应逆控制在铝电解过程控制中的应用

通过采用神经网络自适应逆控制方法来解决铝电解过程中存在的时变和大时滞问题,可以提高其控制性能。本文就铝电解过程进行建模,并将神经网络与自适应逆控制算法相结合,发现神经网络自适应逆控制模型的输出能很好地跟踪铝电解生产过程,控制效果好。在这里提出一个能使铝电解过程很快进入稳态、超调量较小的控制方案,提高铝电解过程的动态和稳态性能。     

基于神经网络的智能导航与控制研究

智能导航与控制是一个集环境感知、规划与自动驾驶于一体的综合功能系统.通过智能控制,我们希望车辆不仅能够实现自主驾驶,并且也能够准确地避免碰撞障碍物.神经网络有很强的学习、自适应和处理非线性的能力,因而非常广泛地应用于复杂系统的辨识、建模和复杂系统的控制.要使得车辆完成自主驾驶,可以通过选择合适的输入与输出来训练神经网络.     

高速公路BP神经网络限速控制

通过对高速公路在运行中遇到的主要问题的阐述,分析了可变限速控制在高速监控系统中的作用。针对高速公路可变限速控制是一个非线性时变系统,难于用数学模型进行建摸这一特点,提出了BP神经网络控制方法。阐述了BP神经网络的学习算法,根据高速公路主线上车辆数目以及路面状况、气象条件等信息,设计了高速公路可变速度标志神经网络控制器,并对控制器进行了仿真研究。仿真表明:网络学习速度快,自适应强,泛化能力好,结果精度高,对交通流限速控制中具有一定的推广应用价值。     

基于BP神经网络PID控制在单元机组中的应用

介绍了基于BP神经网络的PID控制策略,即：采用PID控制器对两个回路实行控制,同时根据系统误差,用BP神经网络分别在线调整PID控制器的比例、积分和微分的系数;具有算法简单,抗干扰性强及鲁棒性好等特点;仿真结果表明了其有效性。     

模糊控制与神经网络的应用研究

随时人工智能的不断发展,模糊控制与神经网络技术在科研领域越来越受到人们的重视,并且渗透到了例如工程建设与工业生产等领域。本文通过重点分析模糊控制与神经网络技术在实际生产过程中的应用与设计过程中需要重点关注的问题,提出了智能化系统中的硬件设计方案。     

神经网络离散建模算法在迭代学习控制中的应用

利用神经网络离散建模算法，给出了非线性离散系统的一种新颖的迭代学习控制方法．该迭代学习控制方法允许控制初始状态误差的存在且保证仅经过几次迭代就可使系统达到很高的控制精度．     

神经网络内模控制在矿井局部通风机上的应用

根据掘进工作面的局部通风要求,提出了一种新的矿井局部通风机控制方法,神经网络内模控制器根据局部通风机的工作状态对其速度进行实时调整。系统具有设计简单、控制灵活的优点,又具有较好的稳定性和较高的控制精度。     

基于BP神经网络的PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.本文根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法;并介绍了神经网络PID控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

基于神经网络的在线解耦控制

在介绍基于BP神经网络的PID控制和分散式神经网络控制的基础上,提出了一种将两种控制算法想结合的神经网络在线解耦控制,通过MATLAB实验证明了将该控制算法应用于复杂的燃机系统可以解除燃机系统内部各参数之间较强的耦合关系,并且具有较强的抗干扰能力,从而可以提高燃机的热效率。     

变风量空调系统的神经网络控制

首先阐述了变风量空调系统及其人工神经网络控制的策略,并从建立模型、样本训练和控制实现方面阐述了BP神经网络在变风量空调系统中的应用,对其不足和改进也做了简单说明。     

LM-Smith神经网络泛函稳定性控制设计

传统的Smith神经网络控制器具有抗干扰性差和时滞性较强的弱点,泛函稳定性较差,基于最小信息熵原理,对传统的Smith神经网络控制器进行改进,提出一种基于最小信息熵的LM-Smith神经网络泛函稳定性控制模型,在传统的Smith控制中的神经元模型采用最小信息熵进行泛函加权,实时对被控对象进行辨识,使用二阶泰勒级数展开,提高神经网络泛函收敛速度和稳定性。仿真和算例证明了控制系统的稳定性,收敛精度和收敛速度都有大幅提高。     

变结构模糊神经网络预测控制在变风量空调系统中的应用

针对变风量空调（VAV）系统具有大时滞、高度非线性和输入量多的特点,提出了变结构模糊神经网络预测优化控制算法,采用正一逆模糊神经网络建立VAV系统的预测模型,通过混合学习算法对变结构模糊神经网络的前、后件参数进行辨识,并对该系统进行仿真研究,达到了较好的控制效果。     

倒立摆系统的模糊神经网络控制

本文采用神经网络与自适应神经网络模糊推理（Anfis）工具对一级倒立摆进行控制。在神经网络控制的基础上,将神经网络控制与模糊控制相结合,利用神经网络学习模糊控制规则数据,对模糊神经控制器进行训练。实验表明,当模型参数改变及干扰作用时,自适应神经网络模糊推理系统有良好的自适应能力,能使倒立摆小车抵抗外界干扰并能较准确地到达预定位置。     

基于神经网络的异步电机广义预测控制

交流感应电机矢量控制系统中,转速是一个重要的变量。但由于异步电机固有的非线性,使得按一般的线性系统模型设计的最优控制很难实现最优,而且建模不精确,不可预测的参数变化的影响,会使控制品质下降,鲁棒性减弱,使系统得不到良好的控制效果。     

基于模糊神经网络的变频空调控制研究

空调控制房间温度时,由于被控系统具有非线性、变参数、大延迟、干扰多的特性,很难构建精确的数学模型。基于模糊控制理论设计了空调控制器,由于控制规则很难确定,采用神经网络优化训练模糊控制参数及规则,并对变频空调控制房间温度进行了仿真。实验分析,设计的控制器具有很好控制效果,并具有优良的鲁棒性、自适应能力。     

基于神经网络预测控制的污水处理控制器

针对污水处理过程中采用传统的流量程序控制和时间程序控制的不足,该文设计了一种基于神经网络预测控制的溶解氧(DO)浓度控制器。文中详细介绍了该控制器的模型、结构、滚动优化方法和主要算法;在此基础上,设计了由AT89C52单片机实现神经网络预测控制器的硬件结构图。实地应用表明:该控制方法可使曝气池的DO波动范围较小,抗干扰能力较强,具有较好的鲁棒性,特别适合于慢时变的非线性控制系统。