导读:本文包含了基于神经网络的控制论文开题报告文献综述及选题提纲参考文献，主要关键词:滑模控制,模糊神经网络,非线性系统
基于神经网络的控制论文文献综述
王靖坤[1]（2019）在《一类非线性系统的模糊神经网络全局滑模控制》一文中研究指出文中针对一类非线性系统提出了一种基于模糊神经网络的全局滑模控制策略。设计了模糊神经全局滑模函数,并根据Lyapunov稳定性理论设计出控制器和自适应律。文中以叁相并联型有源电力滤波器为实例在MATLAB平台上进行了仿真实验,电网电流谐波畸变率由24. 71%降低到1. 6%,表明所提出的方案具有很好的补偿性能。(本文来源于《信息技术》期刊2019年12期）
王金强,王聪,魏英杰,张成举[2]（2019）在《欠驱动AUV自适应神经网络反步滑模跟踪控制》一文中研究指出针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)叁维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV叁维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对叁维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年12期）
李斌,胡芳,张朋,董威,邵强[3]（2019）在《基于改进遗传算法优化神经网络的隧道照明控制系统研究》一文中研究指出针对传统的公路隧道照明中存在的节能效果和调光准确效果均不足,给出了一种基于改进遗传算法优化神经网络的隧道照明控制方案,在实现准确调光的同时,改善了隧道照明控制系统的照明节能效果。通过传感器实时采集隧道外部部环境的亮度、行驶车辆的车流量和车速信息,实时准确调节隧道的照明亮度。采用电力线载波通信技术实现照明灯具的控制,减少系统布线难度。仿真结果表明,改进遗传算法优化神经网络算法的均方误差较神经网络算法提高了29.1%,算法仿真时间减少了63.7%,有效的提高了照明调光准确性。最后通过实验证明在隧道照明中使用该算法实现节能效果。(本文来源于《电子设计工程》期刊2019年23期）
宋立业,张冰[4]（2019）在《基于RBF神经网络掘进机掘进姿态自适应PID控制》一文中研究指出全断面掘进机的掘进轨迹精度直接影响到隧道的质量。针对全断面掘进机在掘进过程偏离设定隧道时对掘进姿态调整的问题,提出了基于RBF神经网络的掘进机掘进姿态自适应PID控制算法,此算法提高掘进机姿态调整精度和速度。通过建立调整姿态数学模型,推导出姿态调整时撑靴油缸变化速度和位移与位姿转换角的数学关系。采取AMESim和Matlab联合仿真,并建立掘进机姿态调整系统控制和仿真模型,仿真结果证明该控制算法在掘进机调整过程中可以精确控制撑靴油缸的调整速度,准确的把掘进机姿态调整到设计轨迹。(本文来源于《2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集》期刊2019-12-05）
张晓强,刘宜罡,邹应全,张翠芳[5]（2019）在《基于自适应神经网络控制的光伏MPPT算法改进》一文中研究指出基于自适应神经网络控制(DANC)算法提出一种改进的最大功率追踪(MPPT)算法。针对DANC在权值更新的过程中采用的梯度下降算法因初始权值而导致局部收敛的问题,该文根据光伏(PV)阵列部分遮挡情况下的功率-电压(P-V)特征曲线,提出一种反馈负载电压遍历和DANC相结合的算法。首先通过反馈负载电压遍历方法快速达到参考电压附近,然后利用DANC在线学习算法稳定到峰值,通过比较峰值大小,最终找到全局最优解。通过Matlab仿真和硬件实验验证改进算法的可行性。(本文来源于《太阳能学报》期刊2019年11期）
陈晶,周斌[6]（2019）在《基于BP人工神经网络的改进广义预测控制的电网负荷预测》一文中研究指出提出了一种基于BP人工神经网络的改进广义预测控制的电网负荷预测新方法.在对通过对改进广义预测控制分析的基础上,综合考虑了电网负荷预测的意义与组合模型技术的优越性,将比例积分型广义预测控制与BP人工神经网络相结合构成组合模型.组合后的预测模型有效地结合了两种算法的优点,弥补了广义预测在非线性系统控制里的不足,并进行仿真实验,证明该方法具有明显的优越性和现实可行性.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年11期）
孟庆强,刘铭[7]（2019）在《基于神经网络的配网系统光伏输出功率控制分析》一文中研究指出随着目前世界上的能源需求愈发扩大,光伏发电凭借其储备量大,且清洁无污染的特性,逐步成为目前新能源发电的主流,但是,由于光伏发电效率受到环境光照强度的影响,因此,其输出功率时时发生变化,所以,目前光伏电池的最大功率跟踪(Most Power Point Trace,MPPT)与控制技术已经成为了业界最为关注的问题;针对该问题,文章利用BP神经网络技术对光伏电池的最大输出功率进行检测以及控制,通过对光伏系统以及人工神经网络的基本原理进行介绍,引入了BP神经网络的基本概念,最后搭建了基于BP神经网络的配网光伏输出功率控制系统,通过仿真,证明了其理论的可行性与正确性,能够为我国光伏产业提供一定帮助。(本文来源于《计算机测量与控制》期刊2019年11期）
樊会星,邹颖[8]（2019）在《基于BP神经网络的动车组智能化控制和诊断研究》一文中研究指出为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。(本文来源于《铁路计算机应用》期刊2019年11期）
何俊红,许烁,张鹏[9]（2019）在《基于BP神经网络的护理床运动控制研究》一文中研究指出运动过程控制是自动化护理床的重要研究内容之一,以提高人体舒适性为目标,对护理床运动控制系统进行了深入研究。首先建立了适用性较强的护理床运动学模型和电机数学模型,并对其运动过程进行了分析;在此基础上提出了一种五段式S形加减速曲线作为护理床运动过程控制目标,并基于此控制目标设计了将BP神经网络与PID控制相结合的BPNNPID算法。在Simulink中对算法进行验证,结果表明其对目标控制曲线的跟随性较好,且系统具备一定的自适应能力。(本文来源于《工业控制计算机》期刊2019年11期）
骆继发,李志刚,岳才成[10]（2019）在《弹丸协调臂的RBF神经网络自适应滑模控制》一文中研究指出针对某大口径火炮弹丸协调臂电液伺服系统的位置控制问题,提出一种基于神经网络最小参数学习法的RBF网络自适应滑模控制方法。结合RBF神经网络具有局部逼近特性和神经网络最小参数学习法调节简单的优点,以电液伺服系统的状态为神经网络的输入,通过选取合适的参数,以神经网络的输出逼近系统的未知理想控制律。引入鲁棒项,保证控制策略的稳定性,并采用非线性函数调整反馈项参数的变化,保证收敛速度。仿真结果表明:控制算法在系统参数大范围变化的情况下能够保证弹丸协调臂的运动精度,并具有较好的鲁棒性。(本文来源于《机械与电子》期刊2019年11期）
基于神经网络的控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)叁维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV叁维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对叁维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于神经网络的控制论文参考文献
[1].王靖坤.一类非线性系统的模糊神经网络全局滑模控制[J].信息技术.2019
[2].王金强,王聪,魏英杰,张成举.欠驱动AUV自适应神经网络反步滑模跟踪控制[J].华中科技大学学报(自然科学版).2019
[3].李斌,胡芳,张朋,董威,邵强.基于改进遗传算法优化神经网络的隧道照明控制系统研究[J].电子设计工程.2019
[4].宋立业,张冰.基于RBF神经网络掘进机掘进姿态自适应PID控制[C].2019航空装备服务保障与维修技术论坛暨中国航空工业技术装备工程协会年会论文集.2019
[5].张晓强,刘宜罡,邹应全,张翠芳.基于自适应神经网络控制的光伏MPPT算法改进[J].太阳能学报.2019
[6].陈晶,周斌.基于BP人工神经网络的改进广义预测控制的电网负荷预测[J].赤峰学院学报(自然科学版).2019
[7].孟庆强,刘铭.基于神经网络的配网系统光伏输出功率控制分析[J].计算机测量与控制.2019
[8].樊会星,邹颖.基于BP神经网络的动车组智能化控制和诊断研究[J].铁路计算机应用.2019
[9].何俊红,许烁,张鹏.基于BP神经网络的护理床运动控制研究[J].工业控制计算机.2019
[10].骆继发,李志刚,岳才成.弹丸协调臂的RBF神经网络自适应滑模控制[J].机械与电子.2019