简介：提出了一种基于最小参数RBF（径向基）神经网络的船舶航向滑模控制算法.针对船舶运动控制中系统函数非线性不确定性和外界干扰项未知问题,利用RBF神经网络进行逼近.考虑到RBF神经网络权值难以快速调整,采用神经网络最小参数学习法设计设计单个参数的估计代替神经网络权值的调整;最后,借助李雅普诺夫稳定性理论设计出船舶航向RBF神经网络直接跟踪控制律.通过与神经网络控制算法和普通自适应控制算法的仿真比较可知,上述控制算法加快了自适应律的求解速度,控制器结构简单,控制参数少,易于工程设计与实现.

简介：提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据，再用BP网络来映射样本数据。采用初始化样本数据，增大节点作用函数陡度，变换隐层节点作用函数形式，自适应调整学习参数等方法提高了BP网络的学习速度，得到了较为满意的预报结果．

简介：针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题。提出了一种变结构神经网络L1自适应控制方法，其中变结构神经网络用于在线辨识系统存在的未知非线性函数，该网络通过对节点进行唤醒与催眠以动态调节结构，以最少的节点数进行有效的逼近，降低计算复杂度；L1自适应控制用于网络权值学习与系统非线性补偿，反馈回路中设有一个低通滤波器，只要满足L1增益条件，就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真，验证了该方法的有效性。

简介：针对信息质量评估系统中各环节影响因素的评估问题,提出了一种基于自适应模糊神经网络（FNN）的信息汇聚质量评估方法,从汇聚结果满足用户需求的角度判断信息汇聚质量的优劣。依据用户体验满意度调查数据,结合神经网络的自主学习与模糊控制的模糊推理能力,提出了该方法,并将生成的TS型模糊推理系统作为汇聚质量评估参考模型。试验结果表明,该方法预测汇聚质量可反映人工专家经验。

简介：摘要：为了能够及时发现齿轮表面缺陷以及缺陷类型，我们提出了一种自适应分类框架，该框架根据任务需求调整分类粒度，并基于混合神经网络（AHNN）。AHNN结合了一维卷积和注意机制，增强了特征和通道之间的关系，并抑制了不敏感信息的影响，引入了个体特征选择方法，生成适合不同个体的特征子集，减小个体差异。实验结果表明，齿面磨损的细粒度和粗粒度分类的准确率分别为91.27%和96.31%，缺齿的细粒度和粗粒度分类的准确率分别为92.67%和97.28%，正常齿的细粒度和粗粒度分类的准确率分别为92.33%和96.39%。AHNN能够适应不同的分类粒度，降低个体差异，提高框架的通用性。

简介：

简介：摘要建立矢量控制永磁同步电动机调速控制系统，可以有效加强控制系统的可靠性与适应性，提高系统的调速性能。在矢量控制永磁同步电动机调速控制系统中采用最新型的空间电压矢量脉宽调制技术，可以使工作中的逆变器得到控制，并使电子磁链矢量的运动轨迹随着电动机的运行逐渐靠近圆形的磁链轨迹。本文主要对永磁同步电动机调速控制系统的设计进行分析研究。

简介：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，将滑模控制和神经网络控制相结合，用两个神经网络控制器分别实现滑模等效控制和滑模切换控制，构成神经网络自适应滑模控制。仿真结果表明，神经网络滑模控制和常规的滑模控制相比，具有更好的动态稳定性和跟踪性能，对外界干扰具有较强的鲁棒性。

简介：落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系.人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法.基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究.结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快;该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路.

简介：对一类具有摄动的严格反馈非线性系统,基于动态面控制技术,提出一种自适应神经网络的控制器的设计方案.该方法消除了严格反馈非线性系统后推设计中,由于反复求导而导致的复杂性问题.通过对下界的讨论,避免间接控制中的奇异性问题.利用李亚普诺夫方法,证明闭环系统是半全局一致终结有界,且通过适当选择参数,跟踪误差收敛可以达到任意小.仿真结果表明所提控制方法的有效性.

简介：摘要：针对多变量、强耦合及参数不确定等因素影响永磁同步电机（PMSM）精确控制的问题，本文根据自适应神经网络控制和动态面技术，采用反步法构造了自适应神经网络控制器，实现了永磁同步电机的位置跟踪控制。仿真结果表明所提出控制方法的有效性。

简介：针对一类具有饱和非线性输入的混沌系统，基于RBF神经网络的逼近能力提出一种控制方案。该方法利用自适应控制和鲁棒控制，使系统可在模型函数和外扰未知下，设计出结构简单有效的控制器，有效消除了现实中由于饱和非线性输入的存在而引起的控制器抖动的不良控制效果。仿真结果表明了所提控制方法的可行性。

简介：基于后推设计方法，Nussbaum函数的性质及积分型李亚普诺夫函数，提出了一种自适应神经网络控制器的设计方案。通过引入示性函数，提出一种简化死区模型，取消了死区模型的倾斜度相等的条件。此外，该方法取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件。理论分析证明了闭环系统是半全局一致终结有界。

简介：摘要：自适应门控循环神经网络是一种能够处理序列数据的人工神经网络模型。继电保护作为电力系统中的关键技术之一，其在线监测对于确保电力系统运行的安全和稳定至关重要。在传统的继电保护系统中，通常使用基于规则的方法来进行故障判断和保护动作的触发，这种方法存在着对规则的依赖性强、灵活性不足等问题。基于此，本篇文章对自适应门控循环神经网络的继电保护在线监测技术进行研究，以供参考。

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：摘要：针对参数不确定、负载扰动及输入饱和受限制等因素影响动车组异步电动机无法实现精确控制的问题，本文根据神经网络自适应控制和动态面技术，研究了异步电动机的位置跟踪控制。利用神经网络逼近系统中的非线性函数，通过动态面技术解决了传统反步控制中“explosion of complexity”问题，采用反步法构造了神经网络自适应控制器，并在MATLAB环境下进行试验。仿真结果表明，所构造的控制器能够确保系统可以快速跟踪期望的位置信号，并对异步电动机驱动系统进行有效控制。

简介：

简介：Dynamicnodecreationandfastlearningalgorithmforahybridfeedforwardneuralnetwork.Flight-pathanglecontrolvianeuro-adaptiveBackstepping.Locallearningframeworkforhandwrittencharacterrecognition.Maximizingmarginsofmultilayerneuralnetworks.ModularnetworkSOMself-orgmlizingmapofasystemsgroupinfunctionspace.

简介：

简介：