导读:本文包含了自适应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,自适应,模糊,稳定,弹丸,电导,遍历。
自适应神经网络控制论文文献综述
王金强,王聪,魏英杰,张成举[1]（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）
张晓强,刘宜罡,邹应全,张翠芳[2]（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）
骆继发,李志刚,岳才成[3]（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）
纪春明[4]（2019）在《基于自适应神经网络的注塑机料筒多段温度控制精度提升技术研究》一文中研究指出注塑机料筒温度是影响产品质量的重要因素,因此在实际生产中要严格控制料筒温度。运用自适应神经网络技术,研究了温度控制系统,该系统利用MATLAB软件通过输入电压偏差e和偏差率ec两个参数计算出系统调节参数;在对料筒分段后不同段落间温度数据会产生耦合,利用解耦方法得到了温度控制解耦矩阵,并利用温度连续变化控制方法设计了加热系统电路控制技术。对注塑机料筒的温度控制精度提升具有一定的指导意义。(本文来源于《塑料工业》期刊2019年11期）
辛旗,白蕾,孟娇娇[5]（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）
蒋金伟[6]（2019）在《基于模糊神经网络PID的塑料薄膜厚度自适应控制》一文中研究指出针对塑料薄膜控制系统存在非线性强、大时滞性、薄膜厚度控制精度低等问题,设计了一种模糊控制规则、神经网络与传统PID相结合的塑料薄膜厚度自适应控制系统。首先介绍了塑料薄膜吹膜机工艺,并分析了塑料薄膜厚度检测以及控制原理。设计了模糊神经网络PID的控制系统,利用模糊控制规则及神经网络的自学习能力,实现了传统PID控制参数的在线自适应调整。仿真结果表明,模糊神经网络PID控制器具有良好的动态响应特性,能够使系统在很短时间内达到稳定状态,将薄膜厚度误差控制在3μm以内。当系统被控对象发生变化时,模糊神经网络PID控制器超调量能够控制在10%以内,响应时间不超过100 s。(本文来源于《塑料》期刊2019年05期）
霍现旭,李秉昀,陈培育,徐科,杨秦敏[7]（2019）在《双馈风电机组的自适应神经网络保性能虚拟同步机控制》一文中研究指出近年来,可再生能源的电网渗透率逐年提升,电网对可再生能源参与一次、二次调频的需求也愈加紧迫,虚拟同步机技术(VSG)应运而生. VSG能够赋予新能源机组主动参与电网调频的能力,然而当VSG应用于双馈感应风力发电机(DFIG)时,存在动态过程中转子电流超出转子侧变流器(RSC)容量的风险.本文提出一种应用于DFIG的保性能虚拟同步控制器,通过使用误差映射函数将输出受限的系统转化为等价的不受限系统,并使用李亚普诺夫方法设计保性能控制器,保证转子电流在调频、故障穿越等强动态过程中不超过任意人为设定的限制;此外,利用神经网络自适应策略,对发电机组中的不确定动态特性进行补偿,从而获得理想的控制效果.最后,本文通过大量仿真验证了所提控制策略在调频能力、转子电流控制和应对参数偏差等方面的控制性能.(本文来源于《信息与控制》期刊2019年05期）
潘兆东,刘良坤,谭平,周福霖[8]（2019）在《大型结构自适应学习率RBF神经网络滑模分散控制研究》一文中研究指出为了有效处理土木工程结构分散振动控制中子系统间相互影响力和外界荷载不确定性的影响,提出了自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。首先利用Lyapunov稳定性理论设计了仅依赖于子系统位移和速度响应反馈信息的滑模分散控制律,在此基础上,结合RBF神经网络理论和经典梯度下降法,引入Lyapunov函数,推导了调整RBF网络权值的自适应学习率,进而得到能实时调节滑模分散控制律切换增益项的自适应学习率RBF神经网络滑模分散控制算法(DALRBFSMC)。同时,针对子系统不同划分方式及子控制器之间存在重迭,提出了多种分散控制设计策略。对ASCE 9层Benchmark模型进行多种分散控制和集中控制设计。仿真分析结果表明,该分散控制算法适用于不同的分散控制策略,重迭分散控制策略较传统集中控制策略而言有更好的控制效果;同时能使分散控制系统内各作动器均处于功效最大状态。(本文来源于《工程力学》期刊2019年09期）
任海东[9]（2019）在《基于随机非线性系统自适应神经网络的电机控制策略》一文中研究指出在现实工程设计控制系统的过程中,因为被控对象一般具备不确定性、时变性与非线性的特点,并且受到外界随机干扰的影响,所以实现基于随机非线性系统自适应神经网络电机控制策略具有重要意义。以此设计电机控制器,通过自适应方法解决系统参数不确定的问题,创建自适应神经网络控制器,从而使系统输出能够良好跟踪并制订参考信号,使全部信号都存在控制效果。(本文来源于《自动化应用》期刊2019年09期）
袁志宏,刘桂荣[10]（2019）在《随机时滞神经网络系统的自适应控制稳定性》一文中研究指出考查一类具有时滞延迟的随机非自治神经网络系统的两类稳定性问题,不同于常规使用的Lyapunov-Krasovskii函数方法和线性矩阵不等式技巧,通过构造新的比较原则,将神经网络(NNs)与随机神经网络(SNNs)两种模型进行比较,给出了随机神经网络(SNNs)自适应控制器能够使受控系统依概率稳定性和矩稳定性的新的代数判断依据.此外,通过数值算例对主要结果进行验证.(本文来源于《数学的实践与认识》期刊2019年18期）
自适应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：
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。
（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。
自适应神经网络控制论文参考文献
[1].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
[2].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
[3].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
[4].纪春明.基于自适应神经网络的注塑机料筒多段温度控制精度提升技术研究[J].塑料工业.2019
[5].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
[6].蒋金伟.基于模糊神经网络PID的塑料薄膜厚度自适应控制[J].塑料.2019
[7].霍现旭,李秉昀,陈培育,徐科,杨秦敏.双馈风电机组的自适应神经网络保性能虚拟同步机控制[J].信息与控制.2019
[8].潘兆东,刘良坤,谭平,周福霖.大型结构自适应学习率RBF神经网络滑模分散控制研究[J].工程力学.2019
[9].任海东.基于随机非线性系统自适应神经网络的电机控制策略[J].自动化应用.2019
[10].袁志宏,刘桂荣.随机时滞神经网络系统的自适应控制稳定性[J].数学的实践与认识.2019
论文知识图
