导读:本文包含了神经网络控制算法论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,球杆,可编程,算法,模糊,天车,系统。
神经网络控制算法论文文献综述写法
罗泽邦,辛长范,夏朋程[1]（2019）在《基于模糊神经网络的智能PID控制算法》一文中研究指出舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。(本文来源于《海军航空工程学院学报》期刊2019年05期）
高燕,郑欢欢[2]（2019）在《基于优化PID神经网络的光照强度控制算法研究》一文中研究指出针对人们在室内不同区域对于光照强度的不同要求,提出了一种基于PID神经网络的光照强度控制算法。同时,利用改进的粒子群算法对PIDNN的连接权值进行了优化。为了验证算法的有效性,将该算法应用于一个实例模型,并进行仿真分析。结果表明,它能够满足在室内不同区域对于光照的不同需求,并显着提升了系统整体控制性能,使得系统超调减小,调节时间缩短,具有良好的动态性能。(本文来源于《电子设计工程》期刊2019年14期）
刘嫚玉,段振云[3]（2019）在《神经网络模糊控制算法在视觉AGV动态避障中的应用》一文中研究指出为提高AGV对动态障碍物的避障能力,通过分析影响AGV避障的主要因素,分析模糊控制算法在AGV中的设计原理,建立AGV模糊避障系统的结构,同时建立神经网络模糊控制器对AGV模糊控制器得来的避障数据组进行一定次数的训练,最终使该算法起到避障动作行为决策的作用。(本文来源于《机械研究与应用》期刊2019年03期）
张永峰[4]（2019）在《BP神经网络控制算法在AFM中的应用研究》一文中研究指出原子力显微镜从研发之初至今作为纳米领域重要的研究工具之一,始终起着举足轻重的作用。目前商用的AFM控制系统一般采用PID控制算法实现对压电陶瓷驱动器的精密控制。但是压电陶瓷具有复杂的非线性特性,简单的PID控制器难以实现对压电陶瓷驱动器的精密控制,不仅影响原子力显微镜的扫描速度,也影响其测试精度。因此许多团队通过改进压电陶瓷驱动器及控制算法来优化原子力显微镜系统。相比改进压电陶瓷而言优化控制器算法具有成本低,适用性广等优点。本文针对目前原子力显微镜的发展现状,进一步做了总结分析,针对常规的PID算法以及BP神经网络的不足,分别做出了相应的改进,并将两者相结合从而得到更加智能化的控制方法。引入BP神经网络之后的智能控制算法可以体现出参数自学习、自整定以及自适应的优势,应用于原子力显微镜控制系统中可以使AFM获得自学习的能力,从而增强其系统的实时性以及精确性。通过对压电陶瓷的精密控制可使得扫描所得图像质量更好,且可使系统具有更强的鲁棒性。AFM的仿真系统可以为其研究提供方便快捷的第一手资料,对于该方面的研究也是微纳领域的一个重点研究方向。构建了AFM仿真平台,分析了其基本工作原理和系统中执行机构的非线性以及时变性,用Simulink结合S函数实现了AFM在接触以及轻敲两种工作模式下的过程仿真,分析并模拟样品表面形貌信号,在该平台上对结合BP神经网络的改进PID算法进行了验证。(本文来源于《长春理工大学》期刊2019-06-01）
余松灿,刘永信,王玲琳[5]（2019）在《基于BP神经网络的球杆控制算法设计》一文中研究指出针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.(本文来源于《内蒙古大学学报(自然科学版)》期刊2019年03期）
余润芝,赵文龙,程若发[6]（2019）在《四旋翼飞行器的神经网络PID控制算法研究》一文中研究指出针对四旋翼飞行器的强耦合、欠驱动、非线性且无法精确建模等问题,设计一种能够自主调节飞行器控制参数,且在工程实践中易于实现的径向基神经网络PID控制算法。该算法以高斯激活函数为主体,采用梯度下降法训练网络的中心矢量及权值参数,得出网络输入/输出之间的非线性关系,最后用于修正位置环PID的控制参数。搭建四旋翼飞行器实物平台,通过实验研究算法的控制性能。实验结果表明,神经网络PID控制算法控制效果优良,不依赖系统的精确建立且具有较强的鲁棒性及自适应能力。(本文来源于《现代电子技术》期刊2019年10期）
李千千[7]（2019）在《一个基于BP神经网络控制算法的智能驾驶行为辅助决策系统》一文中研究指出智能驾驶行为辅助系统可在驾驶过程中为驾驶员提供支持和帮助,减轻驾驶员操作负荷。本文主要是针对商务车的驾驶行为进行研究,利用神经网络辨识的动态矩阵预测控制新方法来对商务车驾驶行为进行优化,开发智能驾驶行为辅助决策系统。(本文来源于《时代汽车》期刊2019年04期）
徐祖华,黄彦春,陈铭豪,赵均,邵之江[8]（2019）在《基于FPAA模拟神经网络的快速预测控制算法》一文中研究指出针对模型预测控制(model predictive control,MPC)优化求解中占用资源较多、实时性较低且实现相对复杂的问题,该文提出了一种基于现场可编程模拟阵列(field programmable analog array,FPAA)模拟神经网络的快速模型预测控制算法。通过FPAA模拟电路来实现基于连续神经网络的二次规划求解,有效规避了离散神经网络的收敛性问题,具有求解速度快、占用资源小、简单易实现的特点;通过平移变换和尺度变换方法,解决FPAA模拟电路的信号限制。最后该文给出了FPAA模拟神经网络预测控制软硬件设计方案并通过实验验证了该算法的有效性。(本文来源于《清华大学学报(自然科学版)》期刊2019年05期）
李明宇[9]（2018）在《唐钢无人天车摆角神经网络控制算法研究》一文中研究指出天车夹钳摆角的产生原因是天车在变速运动中夹钳速度变化滞后于大车和小车速度变化,因此控制天车夹钳摆角就是消除这种速度变化的不同步。针对速度变化区间较大时,天车电机的PID控制参数需要在线根据速度差变化情况而调节的缺点,本文将一种新的控制方法 PID神经元网络应用于无人天车控制系统并建立速度控制系统模型,随时调节到最佳的PID参数,达到一种自适应的控制效果。(本文来源于《中国金属通报》期刊2018年12期）
李少伟,王胜正[10]（2018）在《基于神经网络的船舶自动舵控制算法研究与分析》一文中研究指出为了研究不同神经网络模型对船舶自动舵性能的影响,实现了基于不同种类神经网络的自动舵控制系统算法仿真。将影响船舶航行的因素进行量化处理作为神经网络的输入;网络训练样本则来自上海海事大学高级船员考试系统中的记录,并对其中的数据进行优化筛选处理;采用DeepLearnToolBox工具实现对获取的样本进行有监督的训练。通过航行模拟实验可知,相较于传统浅层神经网络,基于深度神经网络的自动舵控制算法具有较小的误差及较高的控制精度,与资深船长的模拟操船误差最小仅为5.2%。(本文来源于《中国水运》期刊2018年11期）
神经网络控制算法论文开题报告范文
（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：
针对人们在室内不同区域对于光照强度的不同要求,提出了一种基于PID神经网络的光照强度控制算法。同时,利用改进的粒子群算法对PIDNN的连接权值进行了优化。为了验证算法的有效性,将该算法应用于一个实例模型,并进行仿真分析。结果表明,它能够满足在室内不同区域对于光照的不同需求,并显着提升了系统整体控制性能,使得系统超调减小,调节时间缩短,具有良好的动态性能。
（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。
神经网络控制算法论文参考文献
[1].罗泽邦,辛长范,夏朋程.基于模糊神经网络的智能PID控制算法[J].海军航空工程学院学报.2019
[2].高燕,郑欢欢.基于优化PID神经网络的光照强度控制算法研究[J].电子设计工程.2019
[3].刘嫚玉,段振云.神经网络模糊控制算法在视觉AGV动态避障中的应用[J].机械研究与应用.2019
[4].张永峰.BP神经网络控制算法在AFM中的应用研究[D].长春理工大学.2019
[5].余松灿,刘永信,王玲琳.基于BP神经网络的球杆控制算法设计[J].内蒙古大学学报(自然科学版).2019
[6].余润芝,赵文龙,程若发.四旋翼飞行器的神经网络PID控制算法研究[J].现代电子技术.2019
[7].李千千.一个基于BP神经网络控制算法的智能驾驶行为辅助决策系统[J].时代汽车.2019
[8].徐祖华,黄彦春,陈铭豪,赵均,邵之江.基于FPAA模拟神经网络的快速预测控制算法[J].清华大学学报(自然科学版).2019
[9].李明宇.唐钢无人天车摆角神经网络控制算法研究[J].中国金属通报.2018
[10].李少伟,王胜正.基于神经网络的船舶自动舵控制算法研究与分析[J].中国水运.2018