导读:本文包含了模糊神经网络解耦论文开题报告文献综述及选题提纲参考文献，主要关键词:温湿度试验箱,解耦控制,模糊控制,模糊补偿
模糊神经网络解耦论文文献综述
石书培,褚建新,周贤文[1]（2018）在《基于神经网络补偿的温湿度试验箱模糊解耦控制》一文中研究指出该文分析温湿度试验箱内部的温湿度耦合关系,提出采用模糊控制方法作为温湿度试验箱温度和湿度的控制方法,并采用模糊补偿方法和神经网络补偿方法对温湿度试验箱内部的温湿度耦合关系进行补偿。结果表明,该文所提出的方法可以对温湿度试验箱的温湿度进行解耦控制,使控制精度大大提高。(本文来源于《工业仪表与自动化装置》期刊2018年05期）
朱熀秋,杜伟[2]（2019）在《基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制》一文中研究指出无轴承永磁同步电机是一个多变量、非线性和强耦合的系统,因此实现转矩和径向悬浮力的动态解耦是无轴承永磁同步电机实现稳定高速高精度运行的关键。提出一种基于模糊神经网络逆系统的新型解耦控制方法,介绍了无轴承永磁同步电机基本结构和工作原理基础,并建立无轴承永磁同步电机转矩和悬浮力的数学模型。在对数学模型进行可逆性分析的基础上,采用模糊神经网络构建一个有效的逆系统,通过将逆系统与原系统串联,使原非线性系统解耦为3个单输入–单输出子系统,并同时设计了闭环控制器。对所设计的控制系统进行仿真和实验研究。仿真和实验结果表明,这种解耦控制方法可以实现无轴承永磁同步电机转矩和悬浮力之间的解耦控制,并具有良好的动态性能和稳定性。(本文来源于《中国电机工程学报》期刊2019年04期）
白辰,樊垚,任章,杨鹏[3]（2015）在《基于模糊神经网络的MIMO系统自适应解耦控制》一文中研究指出针对一类具有不确定性的多输入多输出(MIMO)非线性系统控制问题,提出了基于模糊神经网络的自适应解耦控制方法.根据分散控制理论和反馈线性化方法设计了MIMO非线性系统的分通道解耦控制律,然后把通道耦合项和不确定性项归结为总的系统扰动项,利用模糊神经网络观测器得到其估计值,并作为补偿信号加入到解耦控制律中.证明了所设计的解耦控制律、模糊神经网络观测器以及模糊神经网络权值向量自适应律可以保证控制误差、扰动估计误差和权值向量误差一致最终收敛.仿真中将本文的方法与传统的输出反馈控制律进行了对比,结果表明加入的补偿控制信号消除了通道耦合和不确定性带来的不利影响,验证了该方法的有效性和稳定性.(本文来源于《北京航空航天大学学报》期刊2015年11期）
张浩,于堃,刘国海,胡德水,赵文祥[4]（2013）在《叁电机驱动系统的神经网络模糊自整定解耦控制(英文)》一文中研究指出多电机驱动系统是一种多输入多输出、非线性、强耦合的系统.它广泛应用在许多需要高精度协调控制的驱动领域,比如电动汽车驱动、城市轨道交通以及印刷业等.本文提出了一种新的方法用于叁电机驱动系统的速度与张力的解耦控制,其核心由模糊自整定控制与BP神经网络广义逆组成.首先,由神经网络广义逆与原系统串联实现复合伪线性系统;其次,在该伪线性系统中采用模糊自整定方法.仿真结果表明:所提方法能有效实现速度与张力间的解耦,将叁电机驱动系统转化为多个具有开环稳定性的单输入单输出线性子系统,同时系统的响应速度快、超调量小、瞬态时间较短,具有良好的跟踪性能,这有助于改善系统的启动特性,降低系统振荡.(本文来源于《控制理论与应用》期刊2013年09期）
黄健康,张刚,樊丁,石玗[5]（2013）在《基于动态模糊神经网络的铝合金脉冲MIG焊接过程解耦控制分析》一文中研究指出针对铝合金脉冲MIG焊接过程参数间强耦合、不稳定等关键问题,在介绍DFNN结构、学习算法基础上,设计了基于D-FNN的解耦控制器,并对同步、非同步与加干扰脉冲输入信号下分别对以脉冲电流占空比、送丝速度为输入量,以焊丝伸出长度(干伸长)、焊缝正面熔宽为被控量的铝合金脉冲MIG焊多输入多输出(multiple-input multiple-output,MIMO)过程进行了动态解耦控制仿真研究,仿真结果表明,D-FNN控制器能够实时进化规则,动态调整学习因子,实现了MIMO过程的完全解耦,满足焊接实时控制要求且具有快的响应速度、较好的鲁棒性,为铝合金脉冲MIG焊MIMO过程稳定焊接提供了一种新型的实时解耦控制方法.(本文来源于《焊接学报》期刊2013年09期）
刘雪锋[6]（2013）在《基于模糊神经网络的多变量系统的解耦模型》一文中研究指出随着神经网络理论的发展，神经网络控制技术与其他先进技术相结合，逐渐渗透到控制的许多个分支。强大的学习、容错、泛化能力以及较好的非线性映射能力使得神经网络可以解决许多传统解耦方法所不能解决的问题，为解耦提供了一种新的思路。本文针对多变量、强耦合、纯迟延系统，提出了一种结合遗传算法、模糊神经网络的解耦方法，将多变量系统解耦成单变量系统。本文首先介绍了解耦控制系统的现状和发展趋势。然后，结合模糊神经网络以及遗传算法的基本理论，深入研究了基于Mamdani推理的模糊神经网络模型，在此基础上构建多输入多输出系统的解耦模型和算法。将所得到的解耦算法具体应用到叁维卷筒纸印刷机的速度-张力控制系统的解耦和四维航空发动机的气动热力学系统的解耦问题上，成功的将它们分别解耦成叁个和四个单变量系统。这种综合了模糊逻辑和神经网络优势的解耦方法，由于具有非线性和自学习能力，使其解耦性能不受影响，弥补了传统解耦方法对于非线性系统、变结构系统以及耦合关系和耦合强度随时间和负载变化的复杂系统经常无能为力的缺陷，对复杂系统有着较好的解耦能力。这种方法不需要建立精确地数学模型，易于实现。文章最后通过仿真实验验证了该模型的有效性。(本文来源于《中国海洋大学》期刊2013-05-26）
刘珑龙,刘雪锋,周西龙[7]（2013）在《基于模糊神经网络的多变量系统的解耦方法》一文中研究指出针对多变量、强耦合、纯迟延系统,提出一种模糊神经网络的解耦方法,结合遗传算法、将多变量系统解耦成单变量系统。传统解耦方法对于非线性系统、变结构系统以及耦合关系和耦合强度随时间和负载变化的复杂系统经常无能为力,而这种综合了模糊逻辑和神经网络优势的解耦方法,由于具有非线性和自学习能力,使其解耦性能不受影响,弥补了传统解耦方法的缺陷,对复杂系统有着较好的解耦能力。且该方法不需要建立精确的数学模型,易于实现。文章最后通过仿真实验验证了该模型的解耦效果。(本文来源于《中国海洋大学学报(自然科学版)》期刊2013年02期）
吴勇,王超,唐奇,翟旭升,苗卓广[8]（2010）在《基于RBF网络辨识的航空发动机模糊神经网络解耦控制》一文中研究指出对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Ja-cobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强,在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。(本文来源于《燃气涡轮试验与研究》期刊2010年02期）
刘鑫屏,刘吉臻,楼冠男,平玉环[9]（2010）在《球磨煤机隶属函数型模糊神经网络解耦控制方法》一文中研究指出设计适合于火电厂球磨煤机的解耦控制方法,有利于提高热工自动化水平。依据模糊控制技术和跟踪解耦的思想并结合神经网络控制,介绍了一种不依赖于被控对象精确数学模型的隶属函数型模糊神经网络多变量解耦控制方案。将该种方法应用于球磨煤机解耦控制系统,对耦合强烈的磨煤机出口温度、入口负压子系统进行解耦,获得期望的多环结构。对解耦结果进行了仿真研究。对比试验显示该解耦方法具有满意的动态特性和较强的鲁棒性。(本文来源于《中国电力》期刊2010年04期）
孙玉坤,王博,嵇小辅,黄永红[10]（2010）在《基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制(英文)》一文中研究指出将逆系统方法与模糊神经网络相结合,提出一种基于模糊神经网络α阶逆系统的发酵过程解耦控制方法.在分析了系统可逆性的基础上,利用模糊神经网络建立发酵过程的非线性逆模型,然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统,最后设计专家控制器实现高性能闭环解耦控制.仿真结果表明,提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点,且结构简单,易于实现.(本文来源于《控制理论与应用》期刊2010年02期）
模糊神经网络解耦论文开题报告
（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：
无轴承永磁同步电机是一个多变量、非线性和强耦合的系统,因此实现转矩和径向悬浮力的动态解耦是无轴承永磁同步电机实现稳定高速高精度运行的关键。提出一种基于模糊神经网络逆系统的新型解耦控制方法,介绍了无轴承永磁同步电机基本结构和工作原理基础,并建立无轴承永磁同步电机转矩和悬浮力的数学模型。在对数学模型进行可逆性分析的基础上,采用模糊神经网络构建一个有效的逆系统,通过将逆系统与原系统串联,使原非线性系统解耦为3个单输入–单输出子系统,并同时设计了闭环控制器。对所设计的控制系统进行仿真和实验研究。仿真和实验结果表明,这种解耦控制方法可以实现无轴承永磁同步电机转矩和悬浮力之间的解耦控制,并具有良好的动态性能和稳定性。
（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。
模糊神经网络解耦论文参考文献
[1].石书培,褚建新,周贤文.基于神经网络补偿的温湿度试验箱模糊解耦控制[J].工业仪表与自动化装置.2018
[2].朱熀秋,杜伟.基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制[J].中国电机工程学报.2019
[3].白辰,樊垚,任章,杨鹏.基于模糊神经网络的MIMO系统自适应解耦控制[J].北京航空航天大学学报.2015
[4].张浩,于堃,刘国海,胡德水,赵文祥.叁电机驱动系统的神经网络模糊自整定解耦控制(英文)[J].控制理论与应用.2013
[5].黄健康,张刚,樊丁,石玗.基于动态模糊神经网络的铝合金脉冲MIG焊接过程解耦控制分析[J].焊接学报.2013
[6].刘雪锋.基于模糊神经网络的多变量系统的解耦模型[D].中国海洋大学.2013
[7].刘珑龙,刘雪锋,周西龙.基于模糊神经网络的多变量系统的解耦方法[J].中国海洋大学学报(自然科学版).2013
[8].吴勇,王超,唐奇,翟旭升,苗卓广.基于RBF网络辨识的航空发动机模糊神经网络解耦控制[J].燃气涡轮试验与研究.2010
[9].刘鑫屏,刘吉臻,楼冠男,平玉环.球磨煤机隶属函数型模糊神经网络解耦控制方法[J].中国电力.2010
[10].孙玉坤,王博,嵇小辅,黄永红.基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制(英文)[J].控制理论与应用.2010