导读:本文包含了模糊控制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:滑模控制,模糊神经网络,非线性系统
模糊控制网络论文文献综述
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）
毛晨斐,毛昱欢,张艳丽[2]（2019）在《基于神经网络的点模糊控制方法研究》一文中研究指出智能管控的行当焦点就是模糊神经网络。而模糊神经网络把模糊科技和神经网络的优势进行融合,包含自学习、自适应、联想与模糊讯息处置,其有着神经网络的研习功能,让网络自适应功能强化,并且参考专家的理论,有着极强的推导能力。透过融合其优点,明显地强化了研习与表述功能。(本文来源于《农家参谋》期刊2019年21期）
辛旗,白蕾,孟娇娇[3]（2019）在《基于自适应模糊神经网络的机械臂控制》一文中研究指出机械臂的控制是一种重要的现代工程技术。控制机械臂的运行,必然要面对多种动态不确定因素,难以精确建模,因此,找到一种合适的控制方法是十分必要的。模糊神经网络技术具有高精度的函数逼近能力,可以通过其多层结构来确定系统模型,自适应更新规则的引入可使其更好地适应系统扰动和动态性能的变化。基于此种技术设计的机械臂控制器,经过实验验证,其控制效果优于目前传统控制方式,可以作为一种解决机械臂轨迹跟踪控制难题的方案。(本文来源于《自动化与仪器仪表》期刊2019年11期）
吴忠强,张伟[4]（2019）在《基于终端滑模模糊神经网络的电力系统负荷频率控制研究》一文中研究指出针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动问题,提出一种基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制,有效的解决系统响应和扰动抑制的矛盾。将终端滑模模糊神经网络引入自适应逆系统,构建模糊神经网络辨识器,利用终端滑模在有限时间内可实现无静差跟踪的特点,进一步提高神经网络的辨识能力。仿真结果表明所设计的基于终端滑模模糊神经网络的自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。(本文来源于《模糊系统与数学》期刊2019年05期）
孙超[5]（2019）在《基于模糊反馈的共享网络远程数据控制仿真》一文中研究指出共享网络数据利用率和用户满意度的提升现实意义重大,使得共享网络远程数据控制变得异常重要。针对当前相关研究成果存在容错性较差与控制误差较大的问题,提出基于模糊反馈的共享网络远程数据控制方法。综合考虑网络中的数据描述与管理、数据管理使用的框架、动态数据发现与不同使用者对于同一个数据的个性化追求等数据控制影响因素,融合系统误差和容错性以及QoC,结合集中式和分布式数据控制模型,利用层次式控制模型设计一个共享网络下模糊反馈调度器,通过模糊最大优先级调度方式动态式调节网络远程数据传输。利用归一化控制质量评价指标作为数据控制性能衡量准则,保障控制性能。实验结果表明,上述方法控制精度高,容错性强。在接下来研究中该方法可起到一定借鉴作用。(本文来源于《计算机仿真》期刊2019年10期）
穆海芳,韩君,何康,李明[6]（2019）在《模糊神经网络PID控制在磨粉过程中的应用》一文中研究指出磨煤机制粉系统具有非线性、时滞性大等特点,而且其输入量和输出量之间高度耦合,采用常规的控制方法难以实现良好的效果。为此提出模糊控制与神经网络结合的结构,采用误差反传优化网络权值,用于磨煤机制粉系统的控制。首先采用模糊算法对神经网络的输入值进行预处理,然后采用误差反传算法调整网络的权值,实现了PID控制器参数的自适应调整。仿真实验表明,该方法能解决耦合性、时滞性问题,超调量小,跟踪效果好,具有良好的鲁棒性和适应性。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2019年03期）
穆海芳,韩君,何康,李明[7]（2019）在《模糊径向基神经网络球磨机优化控制》一文中研究指出球磨机是一个非线性、强耦合、时变性的复杂对象,针对其实现自动控制的难点问题,在基于神经网络PID控制的方法基础上,提出模糊径向基神经网络PID的思想用于其生产过程的控制。采用粒子群优化与BP算法优化调整网络权值,模糊径向基神经网络的输出即是PID算法的参数,实现PID算法参数的自适应整定。通过对某球磨机制粉系统的控制仿真表明,该方法控制的响应快、超调量小、抗干扰性强,具有良好的跟踪性和鲁棒性,控制品质优于常规的神经网络PID控制方法。(本文来源于《黑龙江工业学院学报(综合版)》期刊2019年09期）
马超,贾纯纯[8]（2019）在《基于模糊类神经网络的双轴伺服电机运动控制》一文中研究指出为了消除双轴线性伺服电机同步运动的相对速度误差,提出模糊类神经网络控制器,以取代传统的比例-积分-微分交叉耦合控制器。首先对双轴线性伺服电机系统进行建模,其次采用2个模糊类神经网络速度控制器提供需要的控制动作,以保持双轴线性伺服电机同步运动且追随速度命令。仿真结果证明,该控制方法在无载和有载时分别在0.4 s和0.5 s后两电机速度相对误差几乎为零,可适应的速度范围宽且对负载干扰具有高鲁棒性。(本文来源于《电气传动》期刊2019年09期）
赵世海,韩雪[9]（2019）在《基于模糊神经网络PID的焙烘机温度控制》一文中研究指出以控制焙烘机内流动的热风温度为目的,提出了将模糊控制器、神经网络控制器与PID相结合构成模糊神经网络PID对焙烘机进行温度控制的方法,并建立了模糊神经网络PID控制器的网络模型;利用MATLAB进行仿真分析,并与传统PID和模糊PID进行对比。结果表明:利用传统PID控制时,超调量达到45%,调节时间为1 150 s,且震荡明显;利用模糊PID控制时,系统超调量为15%,调节时间达到1 750 s,震荡明显减弱;利用模糊神经网络PID控制时,该方法满足焙烘机温度控制系统的各项技术指标要求,且超调量接近零,系统无震荡,调节时间减小为500 s,并且温度受外界扰动的影响很小,有良好的扰动补偿和抗干扰能力,系统鲁棒性有了很大提升,可以很好地满足控制焙烘机热风温度的目的。(本文来源于《天津工业大学学报》期刊2019年04期）
李洪梅,高媛,陈向坚[10]（2019）在《基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制》一文中研究指出该文提出的鲁棒的自适应区间二型模糊神经网络控制(RAITIIFNNC)系统由一个区间二型模糊神经网络识别器与一个鲁棒性控制器组成。识别器完成了对场地不确定性的在线评估,鲁棒控制器用来减小逼近错误,两者结合可以获得更好地跟踪与同步混沌系统。所有的参数学习算法来源于Lyapunov稳定理论以保证网络汇聚的同时有稳定同步的表现。算例分析证明:新系统在同步两个Lorenz混沌系统时具有更好的效率。(本文来源于《南京理工大学学报》期刊2019年04期）
模糊控制网络论文开题报告
（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：
智能管控的行当焦点就是模糊神经网络。而模糊神经网络把模糊科技和神经网络的优势进行融合,包含自学习、自适应、联想与模糊讯息处置,其有着神经网络的研习功能,让网络自适应功能强化,并且参考专家的理论,有着极强的推导能力。透过融合其优点,明显地强化了研习与表述功能。
（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。
模糊控制网络论文参考文献
[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].毛晨斐,毛昱欢,张艳丽.基于神经网络的点模糊控制方法研究[J].农家参谋.2019
[3].辛旗,白蕾,孟娇娇.基于自适应模糊神经网络的机械臂控制[J].自动化与仪器仪表.2019
[4].吴忠强,张伟.基于终端滑模模糊神经网络的电力系统负荷频率控制研究[J].模糊系统与数学.2019
[5].孙超.基于模糊反馈的共享网络远程数据控制仿真[J].计算机仿真.2019
[6].穆海芳,韩君,何康,李明.模糊神经网络PID控制在磨粉过程中的应用[J].廊坊师范学院学报(自然科学版).2019
[7].穆海芳,韩君,何康,李明.模糊径向基神经网络球磨机优化控制[J].黑龙江工业学院学报(综合版).2019
[8].马超,贾纯纯.基于模糊类神经网络的双轴伺服电机运动控制[J].电气传动.2019
[9].赵世海,韩雪.基于模糊神经网络PID的焙烘机温度控制[J].天津工业大学学报.2019
[10].李洪梅,高媛,陈向坚.基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制[J].南京理工大学学报.2019