1) neural network self-adjusting PID
神经网络自校正PID
2) NSTC
神经网络自校正控制
1.
For nonlinearity, strong-coupling and variable parameters of brushless DC motor ( BLDCM), neural network self-tuning control ( NSTC) is employed to control brushless DC motor applying the neural network s capability of approximating any nonlinear function to arbitrary accuracy.
针对无刷直流电机的非线性、强耦合、变参数等特点,利用多层神经网络对非线性函数的任意精度拟合性,提出了基于BP神经网络的无刷直流电机神经网络自校正控制。
3) PID neural network
PID神经网络
1.
Research on welding process controller based on PID neural network;
基于PID神经网络的弧焊电源控制器的研究
2.
Nonlinear control system of PID neural network based on cooperated particle swarm optimization(PSO)
基于合作粒子群算法的PID神经网络非线性控制系统
3.
A PID neural network was designed for electro-hydraulic bending control system.
针对电液弯辊伺服控制系统,设计了PID神经网络控制器。
4) neural network PID
神经网络PID
1.
Neural Network PID Control System of Luminance;
神经网络PID算法在光照度控制系统中的应用
2.
Control system of hydraulic powered support on coal-plough face based on neural network PID
基于神经网络PID的刨煤机工作面液压支架控制系统
3.
The difficulties in boiler control are studied, a method to establish the temperature of supply-water is given, and a kind of neural network PID control with predictive model is put forward, whic.
研究了链条式锅炉存在的控制难点,给出了一种锅炉供水温度的设定方法,提出了适用于时滞、非线性系统的带预测模型的神经网络PID控制,并将其应用在锅炉燃烧系统中,保证热水锅炉的安全经济运行。
5) PID neural networks
PID神经网络
1.
Research of PID neural networks decoupling control of marine nuclear power plant;
船用核动力装置二回路PID神经网络解耦控制研究
2.
A kind of adaptive inverse control approach using PID neural networks for the interceptor attitude uncertain system was proposed in this paper.
现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。
3.
Aiming at the large time-delay controlled object in the industrial process,a kind of PID neural networks controller is presented,which can make use of the learning of BP neural network for self-tuning,make the PID parameter come to the best nonlinear combination,enhance robustness of the control system greatly.
针对大时滞及过程不确定的工业过程对象,提出一种PID神经网络控制方法,利用BP网络自整定学习,使PID参数实现最佳的非线性组合,克服了常规PID算法不适应大时滞及过程不确定系统的缺陷,大大提高了控制系统的鲁棒性。
6) neural networks correction algorithm
神经网络校正法
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条