导读:本文包含了小脑模型网络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,小脑,模型,控制器,模糊,递归,自适应。
小脑模型网络论文文献综述写法
李祥,乐凯军,李鑫卓[1]（2019）在《基于小脑模型的机器臂自适应神经网络控制》一文中研究指出研究了在不可测干扰下的机器手臂的自适应神经网络控制。利用反推的方式提出了一种基于小脑模型的神经网络控制策略。利用小脑模型轻便、拟合迅速的性能,达到了时间快速响应、轨迹精确追踪且能量极小消耗的在线控制效果。最终利用李雅普诺夫稳定定律证明了控制策略的稳定性,其有效性也通过仿真进行了验证。(本文来源于《机械制造与自动化》期刊2019年03期）
邱亚,李鑫,陈薇,段泽民[2]（2019）在《非线性量化小脑模型关节控制器神经网络控制器》一文中研究指出常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、叁角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显着提高,可以有效解决实际复杂非线性时变系统的控制.(本文来源于《控制理论与应用》期刊2019年10期）
周大军[3]（2018）在《模糊小脑模型神经网络改进、优化以及在机器人控制器中的研究》一文中研究指出包括机器人动态控制在内的动态控制既面临着获取精确系统模型的理论挑战,也面临着界定不确定系统界限的实际困难。常规的方法要么依赖于建立精确的模型,要么采用自适应的方法来进行在线整定;但是这些方法的控制效果还有待提高。为了解决这些难题,本论文首先建立一种新型的模糊神经网络来获得更好非线性特性,并且还提出了一种新型的模糊神经网络和鲁棒补偿控制器组成的控制系统。该控制系统可以将建立的神经网络模型的特性充分利用起来。之后,针对神经网络的优化方法,本论文还采用了新型的和声搜索算法来进行权值优化。最后,在机器人实际系统上,论文采用了双神经网络的方法实现了机器人手眼协调的控制。在神经网络方面,论文将模糊小脑模型神经网络控制器(CMAC)和脑情感学习控制器网络(BELC)中嵌入的多个关键组件集成到一个模糊神经网络中,实现了理想的滑模控制器。并且论文尝试了将系统输入通过2型模糊推理系统之后,再输入到神经网络中。随后将结果输送到感知和情感通道中,这些通道共同产生网络的最终输出。也就是说,所提出的网络在CMAC与BELC两种网络的支持下使用鲁棒补偿器控制器来估计表示理想滑动模型控制器的非线性方程,从而保证受控系统动态的鲁棒跟踪。网络的自适应动态调整规律是基于流行的大脑情感学习规则和李雅普诺夫函数的开发。在优化方面,针对CMAC中权值较难确定的问题展开研究,论文发现和声搜索算法具有结构简单的特点,且在处理优化问题时表现出较好的搜索速度与性能,很适合实现CMAC的网络参数与权值的优化。所提出的系统适用于机器人手臂,通过模拟人类抓取的特征建立了双神经网络的控制系统。与传统的神经网络的实验比较表明,论文所提出的系统在执行智能动态控制方面有显着的改进。(本文来源于《厦门大学》期刊2018-06-30）
赵甘霖[4]（2018）在《基于小脑模型神经网络的目标轨迹预测》一文中研究指出利用目标的历史位置信息,对目标的轨迹进行预测有着广泛的应用,例如数字化战场、智能交通、物流监测、电子商务等等。在很多应用场景中预测目标轨迹对进一步决策可以起到关键作用。本文对快速移动目标的轨迹预测问题进行研究,使用改进的小脑模型神经网络提高了预测系统的速度和精度,解决了现有预测系统在获取的数据时间间隔不统一时预测精度低,接收数据有限时难以快速给出准确预测结果的问题。本文在充分研究了现有的线性目标轨迹预测方法和非线性目标轨迹预测方法的基础上,利用小脑模型神经网络的方法预测目标轨迹,主要研究内容如下:首先在总结各种非线性目标轨迹预测方法和线性目标轨迹预测方法的基础上,从网络的结构和原理两方面说明小脑模型神经网络在目标轨迹预测上的优势。其次结合实际应用场景,根据真实导弹飞行的情况,模拟导弹的运动轨迹。接着利用导弹的弹道模型提取小脑模型神经网络的训练数据与验证数据。结合应用实例分析小脑模型的缺陷:一方面局部收敛可能会降低网络的泛化能力,使网络的非线性逼近能力下降;另一方面,如果增加输入维度提高网络的精确度又可能使网络学习速度变慢;最后针对以上缺陷,在传统小脑模型神经网络网络结构上添加权值可变的递归单元,解决网络非线性逼近能力下降的问题;结合迁移学习思想,使用离线学习的方法训练网络,将离线训练的网络权值直接作为在线预测系统的初始权值,提高网络在预测不同目标时的收敛速度。网络利用模拟的目标轨迹进行训练,然后给出预测结果。在MATLAB平台仿真预测目标运动的轨迹,同时将预测结果通过各项数据指标与其他预测方法进行比较。实验结果表明改进的小脑模型神经网络结合迁移方法后在目标轨迹预测上有更好的性能。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
周向阳,岳海潇,贾媛,赵蓓蕾[5]（2015）在《航空遥感惯性稳定平台的改进型小脑模型神经网络/比例微分复合控制》一文中研究指出针对航空遥感惯性稳定平台高稳定和高精度控制要求,研究了基于变置信度的改进型小脑模型神经网络控制器(CMAC)和比例微分(PD)控制器的复合控制方法。首先,建立了航空遥感叁轴惯性稳定平台框架伺服系统模型。其次,建立了改进型CMAC/PD复合控制器,将改进型CMAC控制器和PD控制器分别加入到惯性稳定平台伺服系统的前馈通道和反馈通道,以提高控制系统精度。最后,整定伺服系统及改进型CMAC/PD复合控制器参数。实验结果表明:使用改进型CMAC/PD复合控制算法后,平台的俯仰框架角位置误差峰值为0.2154°,角位置RMS值为0.0775°,相比PID控制器分别减小了42.97%和29.86%。与传统PID控制相比,改进型CMAC/PD复合控制方法可显着抑制多源扰动对稳定平台伺服系统的影响,从而有效提高系统控制精度。(本文来源于《2015光学精密工程论坛论文集》期刊2015-07-10）
王宇超,傅荟璇,刘繁明[6]（2012）在《基于模糊-小脑模型神经网络的船舶航速控制方法研究》一文中研究指出船舶航速控制为一个参数时变、非线性系统,常规控制难以获得良好的控制效果,提出基于舰船模糊-小脑模型神经网络的航速控制方法。模糊控制为反馈控制保证控制系统的稳定性;小脑模型神经网络为前馈补偿控制器训练系统的逆动态模型,采用有导师的学习算法,确保系统的控制精度和响应速度。仿真结果表明:该方法较常规模糊控制具有更优的控制性能,并能有效地抑制环境干扰的作用,保证控制精度,具有较强的鲁棒性。(本文来源于《第叁十一届中国控制会议论文集C卷》期刊2012-07-25）
沈伟,施光林[7]（2012）在《基于气动人工肌肉的自适应模糊小脑模型神经网络位置跟踪控制》一文中研究指出针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID(DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AF-CMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AF-CMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.(本文来源于《上海交通大学学报》期刊2012年04期）
刘轲[8]（2012）在《小脑模型网络在氧化铝高压溶出和沉降分离中的应用研究》一文中研究指出氧化铝生产工艺是一个复杂连续的化工工业生产过程，高压溶出和沉降分离是氧化铝生产过程中很关键的两个工序。苛性比值是高压溶出过程一项重要的技术指标，稀释固含则是沉降分离工序重要的控制参数，它们不仅对氧化铝生产具有重要的指导作用，而且反映了氧化铝工业的产品质量。然而，目前苛性比值与稀释固含的检测是通过化学分析直接计算得到，测量结果存在较大的滞后，不能实时反映生产工况。因此，本文基于小脑模型(Cerebella ModelArticulation Controller,CMAC)神经网络建立苛性比值与稀释固含的软测量模型，通过CMAC网络构造可测辅助变量与主导变量的关系模型，间接估计主导变量，实现对苛性比值与稀释固含的在线实时检测。论文主要工作内容如下：第一、针对Albus提出的CMAC网络概念映射算法存在映射地址空间分布不均匀的缺陷，引入基于启发式方法的最优偏移矢量算法，使地址空间分布更加统一均匀，提高CMAC网络建模的精度和泛化性能；第二、针对传统CMAC网络的学习算法—最小均方(Least Mean Square,LMS)算法本身存在收敛速度和稳态性能之间的矛盾，采用基于双曲正割函数的变步长LMS自适应算法作为CMAC网络学习算法，兼顾收敛速度和稳态失调两个指标，提高CMAC网络建模的鲁棒性和稳定性；第叁、分析氧化铝高压溶出和沉降分离过程的工艺机理，选取苛性比值与稀释固含软测量模型的可测辅助变量，并采用部分最小二乘法对辅助变量降维，简化苛性比值与稀释固含软测量模型的输入空间，降低软测量模型的复杂性，提高模型的收敛速度和精度；第四、设计并编码实现了基于小脑模型网络的苛性比值与稀释固含软测量系统，实现对苛性比值与稀释固含的在线实时检测，并对采用传统CMAC网络的软测量系统与采用改进CMAC网络的软测量系统进行性能对比，结果表明改进后的CMAC网络建立的软测量系统预测的苛性比值与稀释固含和实际生产值非常接近，准确率更高，且预测的稳定性更好。基于对氧化铝高压溶出和沉降分离过程的机理分析，研究苛性比值与稀释固含在高压溶出与沉降分离过程中的应用，采用实时检测的苛性比值与稀释固含指导高压溶出和沉降分离过程，控制氧化铝生产工况，提高氧化铝工业效益。(本文来源于《重庆理工大学》期刊2012-04-10）
周雷,孔凤,唐昊,张建军[9]（2011）在《小脑模型关节控制器网络在传送带给料生产加工站学习优化控制中的应用》一文中研究指出研究单站点传送带给料生产加工站(conveyor-serviced production station,CSPS)系统的前视(look-ahead)距离最优控制问题,以提高系统的工作效率.论文运用半Markov决策过程对CSPS优化控制问题进行建模.考虑传统Q学习难以直接处理CSPS系统前视距离为连续变量的优化控制问题,将小脑模型关节控制器网络的Q值函数逼近与在线学习技术相结合,给出了在线Q学习及模型无关的在线策略迭代算法.仿真结果表明,文中算法提高了学习速度和优化精度.(本文来源于《控制理论与应用》期刊2011年11期）
何伟,朱光兆[10]（2011）在《模糊小脑模型神经网络在短时交通流预测中的应用》一文中研究指出模糊小脑模型神经网络(FCMAC)是将模糊理论引入小脑模型网络则形成的一种新型网络。在研究FCMAC算法的基础上,将FCMAC算法应用于短时交通流预测问题。通过仿真实验,并与BP和RBF方法进行比较。结果表明FCMAC方法具有较高精确性和一定的应用价值。(本文来源于《现代计算机(专业版)》期刊2011年26期）
小脑模型网络论文开题报告范文
（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：
常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、叁角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显着提高,可以有效解决实际复杂非线性时变系统的控制.
（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。
小脑模型网络论文参考文献
[1].李祥,乐凯军,李鑫卓.基于小脑模型的机器臂自适应神经网络控制[J].机械制造与自动化.2019
[2].邱亚,李鑫,陈薇,段泽民.非线性量化小脑模型关节控制器神经网络控制器[J].控制理论与应用.2019
[3].周大军.模糊小脑模型神经网络改进、优化以及在机器人控制器中的研究[D].厦门大学.2018
[4].赵甘霖.基于小脑模型神经网络的目标轨迹预测[D].哈尔滨工程大学.2018
[5].周向阳,岳海潇,贾媛,赵蓓蕾.航空遥感惯性稳定平台的改进型小脑模型神经网络/比例微分复合控制[C].2015光学精密工程论坛论文集.2015
[6].王宇超,傅荟璇,刘繁明.基于模糊-小脑模型神经网络的船舶航速控制方法研究[C].第叁十一届中国控制会议论文集C卷.2012
[7].沈伟,施光林.基于气动人工肌肉的自适应模糊小脑模型神经网络位置跟踪控制[J].上海交通大学学报.2012
[8].刘轲.小脑模型网络在氧化铝高压溶出和沉降分离中的应用研究[D].重庆理工大学.2012
[9].周雷,孔凤,唐昊,张建军.小脑模型关节控制器网络在传送带给料生产加工站学习优化控制中的应用[J].控制理论与应用.2011
[10].何伟,朱光兆.模糊小脑模型神经网络在短时交通流预测中的应用[J].现代计算机(专业版).2011