全局自适应神经网络跟踪控制及逼近域确定

Globally adaptive neural network tracking control and determination of approximation domain

陈为胜 李俊民

针对自适应神经网络跟踪控制问题，提出一种确定逼近域的方法．采用参考信号取代未知非线性函数中的系统输出，神经网络用于逼近以参考信号为输入的未知不确定项．可以利用参考信号的界预先确定神经网络逼近域，再采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项．所得到的闭环系统是全局稳定的．仿真实例说明了该控制方法的有效性．

阴极炭块自动组装工作台自适应神经网络控制研究

Research on neural networks self-adapting controlling of worktable in the cathode carbon block automatic assembly

赵先琼 喻飞 刘义伦

为了保证在阴极炭块自动组暮中把钢棒糊井定量加入炭块的燕尾槽内，提高阴极炭块组装的质量，从而进一步提高电解铝的质量和产量，降低工人的劳动强度，实现阴极炭块组装的自动化。本文在满足阴极炭块自动组装生产线工艺性要求的基础上，提出了基于BP神经网络对整条生产线上工作台匀速运动的控制，通过仿真结果可以看出，当负载变化时，BP神经网络的自适应PID控制具有调节时间短、超调扣振荡小等特点，从而大大改善了系统的鲁棒性和跟踪性能，可以有效地降低工作台的速度波动，使工作台匀速运动。从而达到均匀给料的目的。

可视化自适应神经网络及在矿业中的应用

邓建 古德生

可视化自适应神经网络是采用ＭＡＴＬＡＢ语言和累积误差ＢＰ学习算法编制的学习速度和动量系数能够自适应调整的人工神经网络．它能极大地提高网络的收敛速度，缩短训练时间，减少迭代次数和防止震荡．将该网络应用于某矿山采场点柱的可靠性分析中，学习时图声并茂，效果良好。

基于数据融合的自适应神经网络模糊控制系统设计

辅小荣 姜长生 朱亮

基于数据融合的思想，提出一种非线性系统的自适应神经网络模糊控制器的设计方法。该方法利用数据融合技术降低了模糊控制器的输入维数，简化了模糊控制器的设计。用自适应神经模糊推理系统的神经网络自学习功能完成模糊控制器的设计。仿真结果表明，自适应神经网络模糊控制系统性能优于采用普通的模糊控制器的情况，为数据融合与智能系统技术在非线性系统中的应用作了有益的探索.

基于频率下降率的结构损伤自适应神经网络识别

罗跃纲 张松鹤 闻邦椿

笔者探讨了动量系数和学习率自适应调整的神经网络算法及结构裂纹损伤识别特征参数的选取，提出以反映结构损伤位置和程度的频率下降率作为结构裂纹损伤识别的特征参数，利用有限元网格细化法对结构裂纹损伤进行数值模拟，获取训练样本数据，通过自适应神经网络对结构裂纹损伤问题进行识别研究。从结构裂纹损伤识别实例的结果中可以看出，采用频率下降率和自适应神经网络技术对结构裂纹进行损伤识别分析具有较高的精度和可靠性。

一类耦合系统的直接自适应神经网络控制

曹跃球 严彩梅 周彩根

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．

基于自适应神经网络的PMLSM速度控制研究

Design of the Speed Controller for PMLSM Based on Adaptive Neural Network

吴雪芬

针对永磁直线同步电机（PMLSM）直接驱动系统的非线性与电机参数时变、易受扰动的特性，提出一种基于BP神经网络的自适应神经网络速度控制器。该控制器由一个传统的PID位置控制器、神经网络控制器（NNC）和神经网络辨识器（NNM）组成。仿真结果表明，当突加负载扰动或参数突变时，系统具有较好的动态性能和较强的鲁棒性，能够满足工业场合高精度、微进给的需求。

基于自适应神经网络的非线性飞行控制

崔祜涛 耿云海

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法，通过反馈线性化将非线性耦合系统等效转换为线性解耦系统，利用具有在线学习能力的神经网络补偿反馈线性化的误差，建立了基于自适应神经网络的控制结构，并利用李亚诺夫函数导出了网络权值的自适应调整规则。

约束满足自适应神经网络求解车间调度问题

The Constraint Satisfaction Adaptive Neural Network for Job Shop Scheduling Problem

姬耀锋 张德贤

提出一种基于约求满足的自适应神经网络方法求解车间作业调度问题。在该算法中，神经网络在运行过程中能够根据问题的约束类型、约束满足情况、启发式规则的选择来自适应调节神经元之间的连接权值，从而求得问题的可行解。仿真实验证明了算法的有效性。

基于自适应神经网络的歼击机模糊跟踪控制

Fuzzy tracking control for fighter based on adaptive neural network

陈韵雪 胡寿松

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法．在系统具有未知不确定非线性特性的情况下，利用T-S模糊模型对系统的已知特性进行近似建模，设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制．在模糊控制的基础上，引入了基于RBF神经网络的自适应控制，用于在线对消不确定项和模糊建模误差的影响，以保证系统具有期望的鲁棒H∞跟踪性能．所提出的方案保证了闭环系统的稳定性，有效地提高了系统的鲁棒性和跟踪性能．仿真实例表明了所提出方法的有效性．