基于模糊神经网络的异步电机速度控制系统

针对矢量控制异步电动机，利用模糊神经网络控制理论．提出了一种教师值指导和隶属函数自调整的模糊神经网络控制器。详细描述了模糊神经网络控制器和教师值控制器的设计过程，采用了隶属函数参数在线调节的办法，推导了隶属函数参数调整的公式和算法，研究了以转矩电流Iqs为目标函数和系统输出转速ω为目标函数的情况下的系统转速响应，分析了系统转动惯量J、粘滞摩擦系数B和转矩系数Kt变化情况下系统的性能，仿真结果表明该控制器具有速度响应快、鲁棒性较强等优点。     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

基于FNN机器人擦洗玻璃的主动柔顺控制研究

综合运用了神经网络、模糊理论，详细分析了力反馈和主动柔顺控制的特点，首次提出了“力／位并环控制”的新策略，建立了相应的神经网络结构，利用基于知识的模糊规则实现模糊粗校正，消除明显的干扰信号；再利用神经网络特点将力／位有效综合，并直接输入机器人位置伺服系统，实施了力／位并环控制。并在ＡｄｅｐｔＴｈｒｅｅ精密装配机器人上进行了难度极大的擦洗平面玻璃的实验，有效地将力控制在８±０．５Ｎ的理想范围内，取得了满意的效果。     

机载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成，并对机载光电跟踪系统的最主要成部分－陀螺平台框架系统设计了基于GA（遗传算法）的模糊控制器，由于遗传算洒可以搜索整个空间，不易陷入局部最优解，不受搜索空间的限制性假设的约束，因此本文通过遗传算法对模糊控制器的控制规则，参数以及量化因子和比例因子进行了优化，在对模糊控制器设计的过程中，为了提高模糊控制的精度并加速遗传算法的收敛速度，还采用了变论域的方法，通过对系统详细的仿真研究，验证了基于GA的模糊控制器设计的良好控制效果。     

基于商空间理论的模糊控制在航空相机中的应用

针对航空相机快速返回定位问题,应用商空间理论提出了一种快速无超调定位模糊控制算法。将位置偏差量模糊化．并根据模糊等价关系合并正规峰集,从而得到了不同粒度下的控制规则．系统通过不断改变粒度,采用粗拉度粗调,细粒度细调的方法,实现快速无超调定位。在模拟相机平台上采用3个粒度层,通过模糊规则调整模糊输出和PID控制器的积分时间实现最速控制、模糊控制和PID控制在不同粒度下的转换．实验结果表明此算法具有定位快、稳定精度高以及无超调等优点．     

一种变论域模糊自适应导引律研究

针对空空导弹的导引律问题，基于模糊逻辑和遗传算法．提出了一种论域自调整的进化模糊导引律。将导弹与目标的接近速度以及导弹的视线角速度作为模糊控制器的输入，指令加速度作为输出，并在传统的模糊逻辑控制基础上引入了一个非线性变论域函数，从而实现了模糊变量论域的动态改变，然后使用遗传算法对导引规则进行了寻优。以某型空空导弹模型为对象使用MATLAB对导弹攻击过程进行了仿真。仿真结果表明，该方法的机动过载小，拦截飞行时间短，是一种较为优越的制导方法。     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成,并对机载光电跟踪系统的最主要组成部分--陀螺稳定平台框架系统设计了基于GA(遗传算法)的模糊控制器.由于遗传算法可以搜索整个空间,不易陷入局部最优解,不受搜索空间的限制性假设的约束,因此本文通过遗传算法对模糊控制器的控制规则、参数以及量化因子和比例因子进行了优化.在对模糊控制器设计的过程中,为了提高模糊控制的精度并加速遗传算法的收敛速度,还采用了变论域的方法.通过对系统详细的仿真研究,验证了基于GA的模糊控制器设计的良好控制效果.     

神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

一种自学习Fuzzy控制器

为了提高Ｐｕｚｚｙ控制器的性能，适当调整Ｆｕｚｚｙ控制规则是很重要的。本文利用参考Ｆｕｚｚｙ集的概念给出了一种便于规则调整的Ｆｕｚｚｙ控制算法。由于这种算法避免了输入和输出数值域上的离散化，所以具有较强的灵活性。为了估计Ｆｕｚｚｙ控制器的性能，本文利用了参考模型。通过参考模型与被控对象输出的偏差来实时调整Ｆｕｚｚｙ控制规则，构成了自学习Ｆｕｚｚｙ控制器。仿真结果表明，自学习性能是令人满意的。