导读:本文包含了模糊小脑神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:混凝投药,多小脑神经网络,前馈控制器
模糊小脑神经网络论文文献综述
徐少川,刘东昆,刘宝伟[1]（2016）在《基于模糊算法的多小脑神经网络在混凝投药系统中的应用》一文中研究指出净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。(本文来源于《计算机应用与软件》期刊2016年10期）
孟爱华,刘成龙,陈文艺,杨剑锋,李明范[2]（2015）在《超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制》一文中研究指出针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。(本文来源于《光学精密工程》期刊2015年03期）
段洪君,齐世清,史小平[3]（2012）在《基于递归小脑神经网络的模糊自适应控制》一文中研究指出为解决一类不确定非线性系统控制问题,提出了小脑神经网络模糊自适应算法.将系统分为标称模型、参数不确定部分以及包含建模误差、干扰及未建模动态等在内的混合干扰项,用模糊自适应控制实时逼近系统各个不确定参数,用鲁棒控制消除混合干扰,并设计了递归小脑模型关节控制器作为观测器来对混合干扰的上界进行实时逼近.李亚普诺夫理论证明了控制算法可使系统一致有界稳定,微飞行机器人姿态控制仿真结果表明,控制算法改善了系统的动态性能及鲁棒性,研究结论对复杂非线性系统的有效控制提供了依据.(本文来源于《沈阳工业大学学报》期刊2012年03期）
孙战[4]（2008）在《模糊小脑神经网络在交流伺服系统上的应用》一文中研究指出模糊逻辑与神经网络技术集成,是近年来学术界与工程界非常关注的研究领域。神经网络擅长于系统辨识和按变化的环境进行自适应变化,而模糊推理系统则在对人类知识进行推理和决策方面占有优势,联合使用二者可以更有效地解决实际问题。小脑模型关节控制器(CMAC)作为一种基于局部逼近的简单快速的神经网络,与模糊逻辑相结合,构成模糊神经网络(FCMAC)控制。这种控制结构能很好的反映人脑认知的模糊性和连续性,有较强的自学习能力,能够克服单—CMAC控制和模糊控制的缺点,很好地适应复杂控制对象的要求。本文运用模糊小脑神经网络来解决某型号远程火箭炮控制系统中随动系统部分控制问题,并在前人工作的基础上,深入研究了小脑神经网络结构辨识和模糊控制的若干问题。本文主要研究的内容:①采用小脑神经网络对交流伺服系统进行系统辨识;②采用模糊小脑神经网络构造交流伺服系统的的智能控制器,引入常规PD反馈控制器,使系统稳定抑制扰动;③建立基于Matlab的交流伺服系统软件仿真平台进行仿真分析,由仿真结果可以看出,模糊CMAC神经网络控制效果好,减小了超调,加快了控制响应速度。(本文来源于《南京理工大学》期刊2008-05-01）
赵仕俊,李逊,陈琳[5]（2008）在《一种面向非线性系统控制的自适应模糊小脑神经网络及研究》一文中研究指出利用Lyapunov自稳定性准则,将自适应机制引入到模糊小脑神经网络(CMAC)的实时学习算法之中,提高其在闭环控制系统中的鲁棒性,使其能够有效地对模型未知的非线性系统进行实时控制.仿真表明自适应CMAC神经网络由于采用了基于Lyapunov自稳定准则的学习算法,系统的跟踪稳定性和误差收敛性都能够得到保证,而且不需离线学习阶段,实时控制效果较好.(本文来源于《微电子学与计算机》期刊2008年03期）
宋绍民,黄宏格,李祖林,胡新晚[6]（2004）在《模糊小脑神经网络在互感器误差补偿中的应用》一文中研究指出经分析互感器的比差、角差对电网功率测量的影响,研究了单入双出结构的模糊小脑神经网络(FCMAC)进行互感器误差补偿的原理,设计了以单片机为核心的互感器误差智能补偿器,给出了根据补偿器输出计算电网功率的方法。(本文来源于《电测与仪表》期刊2004年08期）
模糊小脑神经网络论文开题报告
（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：
针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。
（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。
模糊小脑神经网络论文参考文献
[1].徐少川,刘东昆,刘宝伟.基于模糊算法的多小脑神经网络在混凝投药系统中的应用[J].计算机应用与软件.2016
[2].孟爱华,刘成龙,陈文艺,杨剑锋,李明范.超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制[J].光学精密工程.2015
[3].段洪君,齐世清,史小平.基于递归小脑神经网络的模糊自适应控制[J].沈阳工业大学学报.2012
[4].孙战.模糊小脑神经网络在交流伺服系统上的应用[D].南京理工大学.2008
[5].赵仕俊,李逊,陈琳.一种面向非线性系统控制的自适应模糊小脑神经网络及研究[J].微电子学与计算机.2008
[6].宋绍民,黄宏格,李祖林,胡新晚.模糊小脑神经网络在互感器误差补偿中的应用[J].电测与仪表.2004