锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

基于免疫遗传算法优化的模糊神经元网络控制器在全阶精馏塔模型中的控制仿真研究

本文提出了一种免疫遗传算法优化的模糊控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力。提高了模糊控制器的控制精度和抗干扰能力。将该控制器用于全阶精馏塔模型仿真,仿真结果表明该控制器可以有效地消除静态误差,并在控制的过渡过程也有很好的鲁棒性,实际应用效果也表明了该方法的优越性。     

合成氨氢氮比微机控制系统的研究

该项目是河北科技大学承担的河北省科委科研项目（项目编号96213431）,于1998年7月通过了省科委组织的技术鉴定。鉴定委员会一致认为,本项技术研究在间歇式制气的中小型化肥厂H2／N2控制技术方面居国内领先水平。H2／N2是合成氨厂最重要的工艺参数之一,但是H2／N2控制难度极大,控制好了产生的经济效益也大。该成果的技术要点：1）应用神经网络与模糊技术相结合的理论,将具有神经网络功能的专家系统应用于氢氮比控制;2）系统采用3个并行模糊控制器,2个超驰调节器和1个神经网络自学习机构的控制方案,神经网络学习机构具有联想功能…     

供应链分销系统的自适应库存控制

市场环境的动态性使得采取一种固定的库存策略难以适应需求的不确定性,本文借鉴自适应控制领域自校正控制的方法,提出了能够适应动态市场需求的分销系统库存自适应控制方法。分析了自适应评价方法在供应链分销系统库存控制中的应用原理,说明了系统辨识神经网络、自适应评价模块和神经网络控制器的作用。以一个简单分销系统为例设计了神经网络自适应库存控制的实现方式,并通过仿真试验证明了神经网络自适应库存控制方法优于固定库存优化策略如线性规划或遗传算法。     

基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度；当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

一类神经网络自校正控制器的设计与研究

提出一种新的神经网络自校正控制器的设计方法 ,采用神经网络 BP算法作为控制器来控制实际对象 ,动态地修改神经网络的权值作为自校正方法 ,使系统较好地适应负荷和外扰的变化 ,获得满意的控制质量。     

智能控制节电器

该智能节电器专门针对风机、水泵、压缩机、压铸机、冷气机和大型商用中央空调等变转矩类负载而研制。其是利用相控移位技术、神经网络模糊识辨技术,采用独特的矢量控制方式而开发的节能产品。该产品用16位微电脑控制器和专项电能处理软     

在负荷变化大的工况下轧机的智能控制

针对中国轧机控制技术较低的实际情况,提出了在闭环调速基础上应用模糊PID和模糊神经网络到轧机初轧控制系统中的方案,详细介绍了该控制系统优化算法的实现过程。此方案实现了对调节时间和超调量的双重优化,提高了轧机的抗扰性、启动时的平稳性,并减少了因超调引起的附加机械损耗,使轧制生产线自动化控制水平显著提高。     

神经网络PID控制器在温度控制中的应用

采用计算机技术,能够方便地将神经网络PID控制器应用于实际工业过程中。在介绍基于对角递归神经网络辨识的PID控制器结构及学习算法的基础上,采用PCS-B型过程控制系统实验装置,以MCGS组态软件为运行平台,对加热器温度控制系统进行了实验研究。实验结果表明,通过神经网络PID控制策略组态,能够在线调整PID控制器参数,在温度控制实验中获得了满意的控制效果。     

基于神经网络的无刷直流电机故障诊断和容错控制方法的研究

提出并设计了一种针对无刷直流电机控制器的故障诊断和容错控制方法。该神经网络状态观测器由实际非线性控制系统进行训练,根据实际系统和神经网络观测器输出残差,容错控制系统能够被确定下来。针对系统控制器、电流和速度传感器的故障条件进行了仿真分析,容错控制通过使用补偿控制器实现,保证系统故障条件下的稳定性和性能。结果表明,所提出的方法能有效地定位错误故障和时间,消除干扰并提高系统的鲁棒性。     

高斯型模糊逻辑系统的BP算法及其应用

在模糊逻辑控制和神经网络理论的基础上给出了高斯型模糊逻辑系统及其 BP算法 ,并给出了 BP算法的一种初始参数的选择方法和反向调整参数的公式 ;还构造了基于高斯型模糊逻辑系统的辨识器并在 Matlab5.1平台上作了仿真实验 ,仿真实例说明了这种算法的可行性和可靠性。有待进一步研究讨论的是如何更好地选择初始参数以获得更好的跟踪效果     

基于人工智能的设备颜色特性化方法鲁棒性对比研究

设备颜色特性化是色彩管理技术得以顺利实现的关键技术之一,其核心是设备相关颜色空间和与设备无关颜色空间之间的相互转换。本研究首先定义颜色空间转换方法的鲁棒性概念及其评价方法,在此基础上,对基于模糊控制的颜色空间转换方法、基于动态子空间划分的BP神经网络颜色空间转换方法和基于模糊神经辨识的颜色空间转换方法等基于人工智能的颜色空间转换方法的鲁棒性做了比较研究。研究结果显示：基于模糊神经辨识的颜色空间转换方法能够结合BP神经网络和模糊控制的特点,使其鲁棒性得到很大的提高。     

基于T-S模型的一类时滞非线性系统模型预测控制

针对具有状态时滞特性的非线性离散系统,利用线性矩阵不等式的方法和Lyapunov稳定性理论,研究了基于状态反馈的非线性系统模型预测控制问题。基于T-S模糊模型对非线性离散系统进行描述并给出一种"min-max"预测控制算法,采用模型预测控制与模糊理论相结合的方法,利用平行分布补偿的原理,通过在每一个采样时刻优化无穷时域的性能指标,来求解在范数有界条件下相应的状态反馈控制律,讨论了预测控制器的设计问题,分析了此设计问题的可解性,给出了状态反馈控制器基于线性矩阵不等式的设计算法,保证了系统的稳定性,通过仿真实例证明了所提控制算法的有效性及系统的稳定性。该方法能够在化工、冶金、机械等具有时滞特性的工业生产过程中得到很好的应用。     

Forecasting New Product Adoption with Probabilistic Neural Networks

Forecasting the adoption of innovative products is an important managerial task. In this paper we examine the usefulness of a probabilistic neural network (PNN) algorithm for forecasting new product adoption. We compare this approach with one widely accepted forecasting procedure, the binomial logit model, and two other neural network algorithms: a feed‐forward neural network model estimated with backward propagation (NNBP), and a feed‐forward neural network model estimated with a genetic algorithm (NNGA). To test the relative forecasting accuracy of these algorithms, we examine the first‐time adoption of DVD players. Our analysis is based on longitudinal consumer data collected between March 2000 and March 2001. We find that the PNN algorithm significantly outperforms the logit model and the two remaining neural network algorithms.     

基于RBF神经网络的微机械陀螺仪温度控制系统

为了避免微机械陀螺仪受温度影响产生较大波动,设计了基于RBF神经网络的微机械陀螺仪温度控制系统。首先,构建了微机械陀螺仪温度控制装置的数学模型;其次,鉴于控制模型参数会随温度改变而发生变化,提出了基于RBF神经网络的自适应PID控制算法,利用径向基函数的局部逼近能力调节微机械陀螺仪环境温度。结果表明,设计方案基于RBF神经网络,可实时整定PID参数,且能够准确控制微机械陀螺仪的温度。与传统PID控制相比,基于RBF神经网络的自适应PID控制算法具有更快的调节速度和较强的鲁棒性,实现了微机械陀螺仪温度的无静差控制,降低了模型参数变化对控制效果的影响,满足温度控制系统的要求。