神经网络在车辆半主动控制中的应用

针对车辆半主动悬挂模型的非线性特性，研究了采用神经网络的自适应控制在车辆悬挂半主动控制中的应用，设计了采用前馈神经网络的辩识器和控制器，对控制器网络采用的学习规则进行了分析。仿真计算表明，采用神经网络自适应控制方法能有效改善车辆的平稳性，采用的神经网络辩识器和控制器的改进BP算法是有效的。     

电液伺服系统的神经网络辨识与自适应控制

对一实际电液伺服系统进行了神经网络仿真研究，仿真结果表明，神经网络用于电液控制系统的辨识与自适应控制是可行的，可以解决电液控制系统中非线性及其控制等问题，它对于增强系统的自适应能力，鲁棒性和稳态精度等都有令人满意的控制效果。     

基于神经网络数字化自适应PID控制

介绍了PID调节器的数字化推导过程和采样周期的选择，讨论了一种基于神经网络的自适应PID调节器的设计。     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

结构动态模型修改与动态诊断的智能方法

本文提出了一种基于神经网络自适应逆映射诉结构动力模型修改与动态诊断智能方法，详细讨论并解决了该法实施过程中若干关键技术问题。数值算例和实验结果令人满意。     

基于径向基函数网络的社会消费品总额预测模型

利用BP、RBF神经网络自适应学习法模型,对社会消费品总额进行了预测和研究,结果表明用RBF网络自适应学习法所建立的模型经过训练后,可得到较精确的预测结果,并具有较强的应用性。     

基于铣削稳定性的淬硬钢铣削加工工艺参数优化

针对淬硬钢在铣削加工过程中易发生颤振的问题,建立了淬硬钢铣削过程稳定性预测模型,得到铣削过程稳定性极限曲线图,并同步预测表面动态加工误差,以此作为铣削加工工艺参数优化的约束条件,以主轴转速、每齿进给量、轴向切深工艺参数为设计变量,以最大材料去除率和表面粗糙度为目标函数,进行淬硬钢铣削加工工艺参数优化,并进行铣削实验对比分析,结果表明该方法可以降低铣削过程振动幅值,提高加工效率.     

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。     

基于混合遗传算法优化的舵减摇模糊控制系统

将混合遗传算法应用于船舶舵阻摇，充分发挥了模糊逻辑、神经网络和遗传算法各自的优势．采用模糊系统的自适应变节点的神经网络学习模糊神经网络参数，从样本数据中获取模糊控制规则，弥补了各自的不足．仿真结果表明上述算法为改进船舶舵阻摇效果提供了一个有效途径．     

船舶航向非线性系统自适应神经网络控制

提出了一种基于最小参数RBF(径向基)神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.     

铣刀破损功率监测方法的研究

对铣削过程中机床主轴电机功率的变化特征进行研究，提出一种实时检测铣刀破损的方法，该方法利用等空间采样对功率信号进行采样，采样值进行齿周期平均处理，然后进行非线性滤波和差分处理。     

神经网络在数控机床智能控制中的应用

介绍了人工神经网络的万能逼近特性，提出了一种结构新颖的神经网络控制器及其算法，并在数控铣床上进行了性能验证。结果表明这种控制器性能优越，自适应能力强。     

神经网络和专家系统相结合的综合决策系统结构

通过神经网络知识获取模型,将神经网络的自适应学习能力和专家系统的解释能力综合在一起,提出一种将神经网络和专家系统结合在一起的综合决策系统.一方面,该综合决策系统应用神经网络的自适应学习功能解决了专家系统在知识获取方面存在的"瓶颈"问题;另一方面,运用专家系统的解释能力解决了神经网络的"黑箱"问题.     

基于小波神经网络的高速公路区域经济影响评价

引入小波神经网络的自适应机制,建立基于小波神经网络的多属性综合评价模型EMWNN(15,20,1),并进行了实际应用.     

基于模糊神经网络的员工晋升辅助决策系统

为定量地分析企业员工晋升决策过程的影响因素，用基于实例的模糊神经网络方法，通过划分非模糊化和模糊化输入变量。改进了Takagi-Sugeno模糊模型．用包含求和、求积和求极小运算节点的扩展的pi-sigma神经网络学习算法确定结论参数和前提参数。自适应地从员工数据库中归纳出模糊逻辑关系，建立企业晋升决策的辅助系统．经算例验证准确率达75％以上．     

ART—2神经网络分类器的研究

ＡＲＴ神经网络是按照自适应谐振理论建立的一种自组织的人工神经网络。西方通过ＡＲＴ神经网络的结构，发现其用于模式识别中有很好的在特性人工晴天 数据处理过程中有部分数据量丢失的现象，也就是说，非常重要的幅度信息没有被考虑到，本文提出一种新的结构和相应的新算法，并成功地把这种结构算法用到分类器设计中。     

基于单神经元自适应PID控制的共轨压力控制研究

对共轨系统油轨压力的控制方法进行了理论与实验研究.设计了单神经网络自适应PID控制器,相应的控制程序在Labview环境下进行了实现.在试验台上对单神经元自适应PID控制与常规PID控制进行了对比.试验结果表明:对共轨系统油轨压力采用单神经元自适应PID控制,其控制效果好于常规PID控制,并且其控制误差更小.     

基于神经网络的引水渠分流比预报研究

运用动量法和学习率自适应调整策略，建立了三层前馈网络模型预报明渠侧面分流比。将预测结果与实际值进行对比分析后表明，神经网络模型可用于预测明渠侧面分流比。     

基于路面识别的主动馈能悬架多目标控制与优化

针对主动悬架减振性能和馈能特性在不同等级路面适应性较差的问题,建立了非线性电磁主动悬架模型;考虑车辆在行驶过程中悬架簧上质量存在不确定性,提出了一种主动悬架自适应滑模控制器;基于不同路面下悬架动力学响应数据,采用自适应模糊神经网络算法识别路面等级,确定控制器目标系数,实现了主动悬架安全性和舒适性之间的协调;研究了电磁主...     

岩体的自适应本构模型

应用神经网络技术，提出了建立岩体自适应本构关系模型的新方法，实际应用表明，该方法正确。