基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界, 并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

用于动态过程监测的非线性PLS小波神经网络

将小波理论与非线性ＰＬＳ方法结合提出一种新的处理多维分类问题的非线性ＰＬＳ小波基神经网络模型用于动态过程监测。     

应用自组织神经网络的盾构选型

介绍了自组织神经网络的原理算法及其在盾构选型中的应用.侧重讨论了自组织神经网络的竞争特性、自学习能力与ISODATA聚类分析法.试验表明,只要样本空间映射合理,这种自组织无监督的神经网络具有很好的自学习功能,在工程中具有广泛的应用前景.     

模糊PID控制用于PCR芯片实验室温控系统

介绍了一种采用自校正模糊PID控制算法的PCR芯片实验室温度控制系统。该系统将模糊推理控制与PID控制相结合,利用PCR芯片上溅射的Pt电阻获取温度信号,通过PID精确输出控制在芯片背面直接制备的微加热器和外加的半导体致冷器件,实现了PCR芯片的高精度快速变温控制,可用于近场光学显微镜实时探测PCR扩增反应过程中荧光信号的近场分布,为实现高灵敏度DNA定量检测提供了必要条件。     

基于神经网络的非线性观测器及其应用

提出了一种基于神经网络的非线性观测器，用于青霉素发酵过程的状态估计，仿真研究获得了满意的结果。观测器的输出与离线测量数据拟合较好，证明了该方法的实用性，为建模困难的生化过程的状态估计提供了可能。     

一种基于BP网络的预测控制算法及其应用

将传统预测控制的优化策略与神经网络逼近任意非线性函数的能力相结合,提出了一种基于BP神经网络的新的预测控制算法,并针对一个工业装置控制实例,探讨了该算法在工业过程控制中的应用。仿真研究结果表明,该神经网络预测控制算法是切实可行的。     

基于模糊神经网络的工况区域识别方法

以模糊集合和模糊神经网络为基础，提出了一种新的工况区域识别方法，并以工业生产过程中常见的精馏过程为例，进行了仿真，证实了该方法的有效性。     

从系统自组织理论看辩证论治

从系统自组织理论角度探讨了辩证论治的科学原理，认为辩证治抓住了本即机体“阴阳自和力”；辩证所包含的辩证病因、病位、病性、病势等因素，实际上辨识的有机体自主性反应、功能性结构导演和性质，以及阴阳自和力的抗邪趋势；论治学中的扶正是增强机体的自我调节能力，祛邪是顺应机体自我调节的“目的性”。与西医的辨病治疗相比，辩证论治显示出巨大的优势和科学性。     

从系统自组织理论看辨证论治

从系统自组织理论角度探讨了辨证论治的科学原理。认为辨证论治抓住了生命之本即机体“阴阳自和力”；辨证所包含的辨病因、病位、病性、病势等因素，实际上辨识的是机体自主性反应、功能性结构异常和性质，以及阴阳自和力的抗邪趋势；论治学中的扶正是增强机体的自我调节能力，祛邪是顺应机体自我调节的“目的性”，与西医的辨病治疗相比，辨证论治显示出巨大的优势和科学性。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法，神经网络采用RBF网络结点结构，聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中，仿真结果表明具有并行实时性、聚类能力强的特点。     

连续发酵过程的神经网络预测和控制

给出了神经网络趋化性算法的一种新的实现策略，在此基础上，提出了一种动态递归神经网络建模方法和一种控制作用受限的自学习非线性控制方法。将其用于连续搅拌签式发酵器的状态变量的在线预测和优化控制，仿真结果表明，预测精度高，控制效果好，具有强抗扰和强鲁棒性。在不知道生化过程模型结构的情况下，神经网络模型，可取很容易地通过在线或离线学习到高度复杂的非线性生化过程的输入．输出关系。对于经过最优操作点，稳态增益的符号会发生变化的这类难以控制的生化过程，神经网络非线性控制策略，可以使生化反应器始终维持在最优状况。本方法有望在实际工业过程中得到应用。     

求解非线性电阻电路的神经网络方法

提出的求解具有凸特性ＣＰＷＬ非线性电阻电路的神经网络方法，具有与常用电路分析软件相容的数据格式，且待求变量少，精度高，是一种可靠的求解方法。该方法也可推广到具有凸待性由ＣＰＷＬ描述的多端子非线性电阻电路的求解工作中去。     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性，提出了一种基于神经网络的通用模型控制方法，将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型，从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线，由于径向基函数网络具有许多优点，该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义，参数整定方便。仿真实验验证了该控制策略的有效性。     

甲醛生产优化控制的神经网络新方法

提出了一种基于神经网络的自学习稳态优化控制新方法。证明了优化算法的收敛性。收敛速度快，无需数学模型，只需目标函数和一些操作变量的量测量值，实施方便，通过对甲醛生产的优化计算，求得了在满足产品质量和产量约束条件下使原料单耗最低的最优操作条件。与实际操作相比较，本文所提供的优化条件，可显著地降低原料单耗，提高产品质量，并能廷长催化剂寿命。     

基于广义动态模糊神经网络的聚乙烯分子量分布软测量

分子量分布（MWD）是聚合物的重要质量指标,但由于实时检测的困难,MWD的预测成为聚合过程先进控制和优化面临的重要挑战。为解决聚乙烯分子量分布预测的实时性和精度问题,本文结合过程信息和反应机理建立了分子量分布预测的混合模型。首先通过机理分析,在假设不同催化剂活性位个数的情况下拟合MWD,通过误差分析获得合理的催化剂个数及分布函数参数,同时操作条件与分布函数参数之间的关系通过广义动态模糊神经网络（GDFNN）描述。在GDFNN中,利用K-means初始化其网络结构,训练过程中,充分利用历史数据和新息决定是否增加新规则,减少冗余规则的频繁生成,并通过分级学习机制,前期提高全局学习率,后期提高局部学习率。最后通过实际工业数据的仿真实验证明了该混合模型的有效性。