导读:本文包含了神经网络控制论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模糊,系统,焦炉,电力线,闭环,载波。
神经网络控制论文文献综述
刘振兴[1]（2019）在《一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法》一文中研究指出提出了一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法。该方法在分析PI控制器比例系数和积分系数的对控制效果影响的基础上,设计了模糊神经网控制器,自动调整PI控制器参数,同时引入双闭环控制,进一步控制输出信号。单相逆变电源系统仿真实验表明,与模糊自适应PI双闭环控制相比,采用基于模糊神经网络PI双闭环控制的逆变电源系统,具有更低的电压THD值、更好的稳态和动态性能。(本文来源于《工业控制计算机》期刊2019年12期）
王靖坤[2]（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[3]（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[4]（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）
朱耀麟,周晓东,武桐,任学勤[5]（2019）在《模糊神经网络的长丝恒张力控制系统设计》一文中研究指出针对喷毛机长丝张力的不可控以及不稳定性问题,设计了基于单片机的长丝张力控制器,并介绍了硬件设计方案。首先将喷毛机被动退绕式改为主动退绕式,通过增加一个电机和长丝压杆来控制长丝的张力,然后在单片机的硬件平台基础上采用模糊神经网络PID控制策略控制电机的运行,检测长丝的实时张力,通过控制电机进而控制长丝的张力。实验结果表明,模糊神经网络算法要优于模糊控制算法、PID算法。(本文来源于《单片机与嵌入式系统应用》期刊2019年12期）
韦成杰,张惠敏[6]（2019）在《基于RBF神经网络PID的阳极氧化电源电流控制》一文中研究指出阳极氧化电源系统是一个非线性、时变性的复杂系统,建立数学模型比较困难。传统PID控制方法无法保证阳极氧化电源电流拥有恒流、抗干扰能力强、超调小等特性。为了解决上述问题,开发了一种基于RBF神经网络PID的阳极氧化电源电流控制算法。利用RBF神经网络的自我学习能力,实现传统PID控制参数的自适应调整。仿真结果表明:基于RBF神经网络PID的控制算法响应速率快、超调小,拥有一定的抗干扰能力。(本文来源于《电镀与环保》期刊2019年06期）
刘昕明,吕亮,罗伟[7]（2019）在《基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制》一文中研究指出焦炉集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点,难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦,建立逆系统解耦器,并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制,能较好地满足多焦炉集气管压力控制的工艺要求。(本文来源于《无线互联科技》期刊2019年21期）
张晓强,刘宜罡,邹应全,张翠芳[8]（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[9]（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[10]（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）
神经网络控制论文开题报告
（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：
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。
（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。
神经网络控制论文参考文献
[1].刘振兴.一种基于模糊神经网络的PI双闭环SPWM逆变器控制方法[J].工业控制计算机.2019
[2].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
[3].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
[4].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
[5].朱耀麟,周晓东,武桐,任学勤.模糊神经网络的长丝恒张力控制系统设计[J].单片机与嵌入式系统应用.2019
[6].韦成杰,张惠敏.基于RBF神经网络PID的阳极氧化电源电流控制[J].电镀与环保.2019
[7].刘昕明,吕亮,罗伟.基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制[J].无线互联科技.2019
[8].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
[9].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
[10].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
论文知识图
