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。     

基于模糊神经网络的自适应流量控制器研究

针对多容对象的流量控制，提出了一种模糊神经网络控制器，仿真结果表明，该控制器具有优于一般模糊控制器的性能。     

磁流变半主动悬架自适应模糊PID控制研究

为提高车辆半主动悬架减振性能,以车辆行驶平顺性为控制目标,建立二自由度1/4车半主动悬架模型,在自适应模糊PID控制理论的基础上设计出磁流变半主动悬架控制器,并在Matlab/Simulink环境下施以滤波白噪声信号激励进行仿真。结果表明,基于自适应模糊PID控制的磁流变半主动悬架能明显改善车辆的减振性能,为磁流变半主动悬架在车辆上的应用提供了参考。     

变学习因子神经网络自适应控制研究

利用网络逼近的思想，提出了一种用ＢＰ网络逼近对象的学习算法及相庆的控制算法，并得到了一种快速学习因子的选择方法，结合多种不同对象进行领导具，均获得了满意的效果。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

基于神经网络的自适应跟踪控制

本文研究了一种用社会网络实现的自适应跟踪控制方法，仿真结果表明，该方法的控制效果是令人满意的。     

基于柔性神经网络自适应PID的磁轴承径向力控制

针对电机磁轴承径向力控制的严重非线性,提出了利用神经网络自适应整定PID参数,从而直接调节磁轴承径向悬浮绕组电流实现转子径向稳定悬浮的控制方案.在利用BP神经网络结合PID控制实现转子径向稳定悬浮的基础上,为改善径向位移跟踪的动静态性能,提出了基于柔性神经网络的径向力控制,给出了详细的控制算法,并仿真比较了柔性神经网络控制与BP神经网络控制下转子在空载和突加负载时径向悬浮情况,仿真结果表明柔性神经网络控制具有更好的动静态性能,为智能控制的进一步应用研究提供了基础.     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

基于参数自整定模糊PID的船舶控制

针对船舶操纵过程存在非线性、慢时变特性，设计一种参数自整定模糊PID控制器，可以在线实现PID参数的调整，使控制系统的响应速度快，超调量减少，过渡过程时间大大缩短，振荡次数少，具有较强的鲁棒性和稳定性。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

基于小波和自适应模糊神经的旋转设备故障诊断

针对传统的故障诊断方法和单独使用某一种智能诊断方法的局限性,将小波分析的故障特征提取方法和自适应模糊神经网络结合起来,对旋转设备的故障诊断进行了研究;通过对电机设备进行的故障诊断仿真实验,结果表明,与单独使用神经网路方法相比,该方法可以获得更高的故障诊断精度和诊断速度。     

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．     

电动助力转向系统的神经模糊控制策略

介绍了汽车电动助力转向系统的组成、工作原理和神经网络模糊控制策略,设计开发了电动助力转向系统的电子控制单元．并通过仿真和EPS试验验证了系统模型和控制理论的正确性和可行性。     

Additive—Multiplicative Fuzzy Neural Network and Its Performance

Introduction　　Kosko[1] hasprovedthatanadditivefuzzysystemcanapproximateanycontinuousfunctiononacompactdomaintoarbitraryaccuracy .AspointedbyWang[2 ] ,amultiplicativefuzzysystem ,whichisconstructedbyusingGaussianmembershipfunctionandcentroiddefuzzificati…     

模糊神经网络在专家系统中的应用研究

为了解决传统故障诊断专家系统知识获取和经验性知识的不确定性的"瓶颈"问题,将模糊神经网络技术引入到专家系统中,介绍了基于模糊神经网络的诊断专家系统的原理、方法、结构及其实现技术.文中将基于模糊多层感知器构成的专家系统应用于柴油机燃油系统故障的分类诊断中,收到了良好的效果.     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.