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．     

人工神经网络的发展及应用

系统地论述了人工神经网络理论发展的历史和在各个领域的应用, 神经网络是一门活跃的边缘性交叉学科,研究它的发展过程和应用,具有重要的理论意义.     

电熔镁控制技术的发展现状与展望

介绍了电熔镁控制当前的理论研究及发展状况,总结分析了电熔镁控制的几种策略,剖析了传统电熔镁控制存在的问题,指出了电熔镁控制技术的发展方向.     

时滞切换神经网络的镇定控制

文章讨论了一类时滞切换神经网络的镇定控制问题,提出了用于镇定时滞切换神经网络的方法,并通过一个数值算例说明了文章结果的有效性。     

空调滞后对象的神经网络预测控制

在空调控制过程中，广泛存在惯性滞后对象，用常规的控制方法很难取得良好的控制效果。章结合神经网络和预测控制的优点，提出了神经网络预测控制方法，并对某一空调系统滞后模型进行了仿真。从仿真结果看，此种方案在对不同对象的适应性、响应速度、抗干扰及稳定性等方面均有明显的改善，更符合实际工业过程控制的特点。     

“神经网络控制”与CAI演示系统

神经网络控制是自动控制领域近年发展起来的前沿学科之一,它汇集了多学科的研究成果。本文在阐述“神经网络控制”课程主要内容及学习难点的基础上,介绍了所研制的“神经网络控制CAI系统”(NNCCAIS)的特点。该课件在研制过程中,曾多次用于课堂演示,取得了相当好的教学效果。     

基于BP神经网络的PID过热汽温控制设计与实现

火电厂过热汽温控制品质的好坏,直接影响发电机组的安全运行及其生产效率。常规PID控制算法无法满足过热汽温控制系统参数的时变性,利用BP神经网络的自学习性和鲁棒性的特点,结合常规PID控制算法,设计了一种基于BP神经网络的PID过热汽温控制系统,根据被控对象参数的变化,采用BP神经网络自动调整PID参数,实现了PID参数自调整的功能。经过仿真分析与实际投入工厂试运行表明,设计的控制系统可行,且控制效果良好。     

一类相似组合大系统的自适应神经网络控制

针对一类具有未知死区模型和未知增益符号的不确定非线性相似组合大系统,利用简化死区模型,并引入Nussbaum函数,提出一种自适应神经网络滑模控制方法,取消了死区模型参数的上下界必须已知的条件以及控制增益符号已知的假设。通过利用积分型李亚普诺夫函数,证明了闭环系统半全局一致终结有界。     

控制网络发展与展望

回顾了控制网络技术的发展历史,对8种有代表性的控制网络技术进行了分析和比较,指出以太网和TCP/IP协议将成为网络技术的主流.     

基于DSC的自适应补偿神经网络控制

针对一类可转化为“标准块控制形”的MIMO非线性系统,基于动态面控制技术,提出一种鲁棒自适应神经网络控制算法。采用径向基函数神经网络逼近不确定性模型,通过引入一阶滤波器,消除后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,同时补偿项的引入可避免反馈线性化方法中可能出现的控制器奇异性问题,无需控制增益矩阵正定、可逆的条件。利用李亚普诺夫方法,证明了闭环系统是半全局一致终结有界,适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内。计算机仿真结果表明此法的有效性。     

可拓学与人工神经网络

可拓神经网络是可拓学与人工神经网络的有机结合。可拓神经网络是以物元为基本元相互连接而成的网络,在可拓控制、可拓识别和可拓预测等方面都有着广泛的应用。     

基于DSP的直流无刷电动机神经网络控制系统

提出了一种直流无刷电动机的N-PID转速调节器的设计方法。在直流无刷电动机的高性能速度跟踪中,若仅采用传统的PID调节器,则难以克服系统超调和短时振荡问题,采用复合N-PID的控制方法,利用神经网络的自学习自适应功能在线调整PID控制参数。介绍了基于数字信号处理器的直流无刷电机神经网络调速系统,仿真结果表明,运用这种设计方法很好地抑制了超调和振荡。     

基于人工蜂群算法的BP神经网络研究

BP神经网络具有实现非线性映射特点和较强的容错能力、泛化能力等优点。然而,因为其采用了最速下降梯度寻优算法,在实际应用中往往出现收敛速度缓慢、时常陷入局部极小值等缺陷。人工蜂群算法是受蜂群个体间通过相互协作对既定目标进行寻优的群体行为启发提出的一种新型群智能优化算法,具有很好的全局收敛特性,其次有较强的自适应性、协作性、鲁棒性、快速性等特点。文中探讨用人工蜂群算法来优化BP神经网络算法,进一步提高BP神经网络性能。     

GTAW焊接质量神经网络模糊控制系统的研究

研究了一种应用于GTAW焊接质量控制中，利用神经网络进行模糊推理的控制器，采用两个BP网络实现了参数自调整模糊与积分混合控制，采用对输入进行“编码”的方式，减少了BP网络的训练时间和增强了控制实时性，仿真试验和工艺试验都表明了该控制方法的合理性和有效性。     

基于人工神经网络的模式识别

利用数学软件MATLAB研究了基于人工神经网络的模式识别,这种基于人工神经网络的模式识别系统不仅能够识别字母还能识别汉字和数字,适用于汉字识别和数字签名。     

人工神经网络与DNA序列分类问题

介绍了神经网络的两种简单模型:感知器和线性分类器,并应用感知器模型对DNA序列分类问题进行求解和结果分析,并提出了对感知器模型求解分类问题的一种改进方法。     

人工神经网络及其在分析化学中的应用

讨论了人工神经网络的基本原理，对神经网络在分析化学领域的应用作了综述。     

基于神经网络的课程考核方法初探

神经网络是人工智能的重要研究领域之一,本文提出基于人工神经网络的课程考核方法,旨在为进一步提高课程考核的全面性和科学性提供一定的参考。     

人工神经网络中损失函数的研究

分析了平方差损失函数(Quadratic Cost Function)和交叉熵损失函数(Cross Entropy Cost Function)对人工神经网络收敛性的影响,解释了使用平方差损失函数造成网络训练时间较慢的主要原因,并通过仿真实验验证了交叉熵损失函数可提升网络收敛速度.