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     

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。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法,给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法,前者提高了系统对参数变化的适应能力,同时也提高了系统的控制精度,改善了系统品质,后者缩短了网络的学习时间,有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时,针对某型直升机用数字仿真证明了该方法的优点和良好效果     

基于神经网络的空间桁架结构建模研究

空间桁架结构的振动主动控制目前已成为振动控制领域研究的热点，为了研究空间桁架的主动控制方法，首先必须建立其准确的模型。神经网络固有的学习能力使其在模型辨识中得到广泛应用，针对空间桁架结构的非线性动态特性，本文采用了修正的Elman递归网络进行了模型辨识，结果表明，带有自反馈增益修正的Elman网络能很好地反映桁架结构的真实情况，适用于非线性动态系统的模型辨识。     

动态神经网络的模型检验

讨论了利用仅含一个隐层的前馈多层神经网络来辨识离散时间非线性动态系统时的模型检验问题。从估计理论出发，加上实际应用的考虑，提出了一种检验神经网络模型适用性的综合误差指标（ＳＥＩ）准则，并利用学习速度快、收敛性能好的递推预测误差（ＲＰＥ）学习算法，对两个例子进行了仿真计算。结果表明：综合误差指标准则可用来检验非线性动态系统的神经网络模型。与相关检验法相比，综合误差指标准则具有计算简单、使用方便等优点。最后，指出了今后的研究方向。     

一种模糊Modular神经网络模型及其应用

将神经网络模糊系统与模糊C均值聚法相结合，对模糊Modular神经网络进行研究，提出了该模糊神经网络模型的多输出结构及其学习算法，据此开发了模糊神经网络诊断系统，并将其用于某电源分系统的诊断分析，运行的结果表明，该网络模型优于一般神经网络。     

神经网络集成的分布式入侵检测方法

分布式入侵检测系统需具有分布式检测功能及部件增量更新能力.文中提出了一种基于神经网络集成的分布式入侵检测方法,采用单个Agent检测与多个Agent协同检测的两级集成算法实现分布式入侵检测;在发现新的入侵时,Agent上的神经网络集成采用基于资源分配网的增量学习算法进行更新.实验结果表明,该算法能有效检测各种攻击,并且具有对未知攻击的增量学习能力.     

模糊控制和神经网络相融合的研究及其在家电产品中应用

综述了模糊控制和神经网络相融合的研究，列举了若干种由神经网络实现模糊规则和模糊控制器的方法．这些利用神经网络的模糊控制器，能自动地辨识控制规则和校正隶属函数．最后叙述了该方法在家电产品中的应用。     

基于神经网络的一类非线性系统自适应回馈递推控制

文章针对一类非线性系统,研究了一种基于回馈递推法的自适应神经网络控制方法.首先基于隐函数定理和中值定理推导出模型跟踪误差的动态特性,再利用多层感知器神经网络并设计适当的权值调整规则使其能够自适应的逼近和补偿误差提高系统的鲁棒性.基于Lyapunov方法证明了闭环系统所有信号有界且跟踪误差收敛到一个很小的邻域,所得到的闭环系统是一致稳定的.仿真结果验证了所研究算法的有效性.     

基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

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PCA-RBF神经网络的浮选过程软测量建模

以浮选过程为研究对象,提出基于主元分析与RBF神经网络相结合的经济技术指标软测量模型,该模型依据工艺机理和经验知识对过程变量进行初选,采用主元分析方法对高维输入向量进行降维化简和辅助变量选择;采用新型混合递推算法对RBF神经网络参数进行优化。该算法包括修正网络中心的自适应聚类的简化型次胜者受罚竞争学习算法和修正网络权值的带遗忘因子的递推最小二乘算法。混合学习算法提高了网络参数辨识的收敛速度。仿真结果表明,软测量模型能很好地实现浮选过程经济技术指标的全局预测。     

一种新颖的模糊控制算法研究

提出了一种结构新颖的模糊控制算法。通过对控制律的参数寻优和调整，实现了二级倒立摆的稳定控制，由于本文采用了连续性模糊控制算法，从而使解析描述的模糊控制规则可以不受模糊变量论域量化等级的限制，因素消除了一般模糊控制算法所特有的稳态误差，仿真也证明了本文提出的模糊控制算法具有较好的控制效果。     

模糊控制算法分析及改进

基于E.H.Mamdai等人的模糊控制算法,本文讨论了模糊控制器参数的选择及对系统输出性能的影响。与已有的方法不同,本文注重物理概念的分析,并研究了模糊控制器参数的自调整问题。这是因为基本模糊控制器参数的选择难以同时兼顾控制系统的动静态性能,一般只好采取折衷的方法。为了改善控制系统性能,一种实用的方法是在线调整模糊控制器的参数。文中提出了一种分段式自调参方案,仿真结果表明该方案优于已有的自调参方案。为了达到有效的调参目的,本文给出了模糊控制器参数初始配置的一种关系,并通过仿真,验证了该关系是确切的。最后,基于模糊控制算法的特点,探讨了一种新的模糊控制算法的构思,作为今后进一步研究的问题。     

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．