导读:本文包含了人工神经网络控制论文开题报告文献综述及选题提纲参考文献，主要关键词:广义预测控制,比例积分控制器,BP人工神经网络,预测模型
人工神经网络控制论文文献综述
陈晶,周斌[1]（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）
黄丽华,李俊丽[2]（2019）在《基于改进人工鱼群算法优化的 BP神经网络预测控制系统》一文中研究指出为了使传统的BP神经网络预测控制的收敛速度更快、准确率更高,提出一种改进的人工鱼群算法。分别用BP神经网络、PSO-BP神经网络和IAFSA-BP神经网络来优化预测控制系统的建模部分和滚动优化部分,并进行仿真试验,结果表明:IAFSA-BP神经网络优化后的预测模型精度更高,并且滚动优化部分的响应速度加快,控制系统更稳定。(本文来源于《化工自动化及仪表》期刊2019年08期）
雷耀[3]（2019）在《基于人工神经网络的遥操作机器人系统控制研究》一文中研究指出随着科技的不断进步,人类探索和研究的领域越来越多,遥操作作为一种延伸人类感知能力和行为能力的方法,可帮助人类在无法到达或是危险的环境下进行遥操作作业。因此遥操作技术在航空航天、医疗、核能、安防等领域都有广泛的应用前景。遥操作系统通常由主动端和从端两部分构成,主从端由通信网络建立连接,当操作者操控主动端时,操控信号经过通信通道传递给从端,从而操控从端完成指定动作。然而在遥操作的实际应用过程中,依然有许多问题有待解决,如随机时延和力反馈下的系统稳定性与透明性问题。稳定性和透明性作为衡量遥操作系统的性能指标,既相互影响又相互矛盾。本文基于人工神经网络技术对遥操作系统的稳定性和透明性展开研究。首先,针对遥操作作业过程中,尤其是需要高透明性的精细作业,操作者仅依靠力反馈并不能准确感知从端与环境交互的接触力问题,提出了一种基于GRNN的遥操作接触力预测方法。该方法是基于GRNN将手臂肌电信号与主从端位置、速度等信号进行信息融合,其中手臂肌电信号、主动端位置信号、从端速度和加速度信号作为输入,从端接触力作为输出训练GRNN模型,通过该模型对从端接触力进行预测,最后通过两组对比实验证明了该方法能够较为准确的预测从端接触力。其次,为了提高操作者在遥操作过程中完成重复作业任务的执行效率,提出了一种基于LSTM的遥操作虚拟力控制方法。该方法是利用LSTM神经网络对时间序列具有记忆功能的特性,根据之前时刻和当前时刻的从端运动状态预测出下一时刻的从端位置,并通过主从端映射关系将从端位置信息转换为虚拟力,再以虚拟弹簧的方式将虚拟力作用于主动端,使其牵引操作者的手进行移动。最后通过两组抓取实验表明了该方法确实可以提高动作完成效率,减少作业任务时间,从而提高系统稳定性。(本文来源于《南昌大学》期刊2019-05-25）
李子龙[4]（2019）在《基于人工神经网络的智能汽车循迹控制研究》一文中研究指出随着汽车工业的不断发展,环境污染和交通事故引发的一系列问题已经受到了社会的广泛关注。交通安全问题频发,在道路环境-汽车-驾驶员组成的闭环驾驶系统中,由于驾驶员存在驾驶经验、身体素质、生理状态、心理性格等各方面的差异和不同程度的缺陷,已成为事故多发的主要原因之一。面对日益严峻的形势,发展新能源汽车和汽车智能驾驶系统已成为当前汽车行业的迫切要求,而智能汽车正是近几年的研究热点与难点。环境感知系统和循迹控制是系统智能汽车的关键,对后者而言,车辆的轨迹规划与跟踪算法的优劣对循迹控制系统起到了至关重要的作用。本文研究了目前国内外智能汽车循迹控制的纵向和横向控制内容,提出了智能汽车轨迹跟踪和避障换道局部路径规划的控制方法。在研究过程中,首先,研究和分析了纵向控制系统和横向控制系统的结构和工作原理。在研究车辆动力学和车辆轮胎模型的基础上,对车辆动力学进行解耦,分别基于车辆二自由度动力学模型和牛顿定律构建车辆的纵向控制模型,基于稳态圆周运动假设和最优预瞄理论推导和构建横向控制模型,并提出稳定性和适应性的要求。然后,本文在研究和分析动力学模型和预瞄模型的基础上,基于智能控制理论,结合神经网络和模糊控制,设计了一种轨迹跟踪控制器。利用人工神经网络所具有的自学习能力强的优点和不依赖于对象的深层次知识的特性,设计了一种基于BP(Back Propagation)神经网络的车辆行驶状态预测模型。在此基础上,本文结合模糊控制所具有的控制规则和强鲁棒性等特点,设计了一种基于模糊神经网络(Fuzzy Neural Network,FNN)的车辆行驶状态控制模型,并将预测模型的输出作为其输入,将智能汽车的纵、横向控制作为一个整体进行研究。在MATLAB/Simulink中搭建所构建的模型,并在CarSim中构建仿真环境,通过联合仿真,分析和验证所设计轨迹跟踪控制器的可靠性和适应性。其次,本文研究了ISO26262功能安全标准和SOTIF预期功能安全标准,以此为基础对智能汽车在动态环境下循迹过程中的安全状态进行了研究和分析。通过车载传感器获取的自车位姿及行驶状态等信息及路况环境信息,分别分析动态环境下智能汽车和障碍物的位置关系,分类考量,计算最小安全指标。在设定循迹控制目标的优先级顺序后,在传统的正弦换道曲线和双圆弧曲线的基础上,设计基于大数据和FNN模糊神经网络的局部路径,拟合和优化避障方法。在MATLAB中对所设计局部路径关键影响的参数的有效性进行了分析和验证。最后,依托学生团队和课题组实验平台,分别对无人驾驶方程式赛车和纯电动SUV进行设计和改装,在此之上进行调试和实验,通过标定和采集道路信息等,验证本文所研究内容的有效性。(本文来源于《合肥工业大学》期刊2019-03-01）
陈卫波,曾宁,张大长,王升歌,黄依婷[5]（2019）在《基于人工神经网络的电极锅炉电导率预测及控制方法》一文中研究指出针对电极锅炉控制系统中电导率的检测与控制的滞后问题,提出对基于人工神经网络和MATLAB对电导率进行实时建模预测的方法,提高了补水控制的准确性与及时性。同时介绍了两种模型预测的验证方法,可结合验证该人工神经网络模型的准确性、有效性。(本文来源于《电子技术与软件工程》期刊2019年01期）
姚俊,张劲恒[6]（2018）在《采用改进粒子群算法与人工神经网络相结合的车辆转向控制研究》一文中研究指出为了提高车辆转向控制系统输出精度,改善车辆行驶的稳定性,提出了改进人工神经网络PID控制器.创建车辆平面参考模型简图,建立车辆运动参数的数学关系式,推导出车辆横摆角速度的动力学方程式.在传统PID控制器基础上,结合人工神经网络模型,采用改进粒子群算法对人工神经网络PID控制器进行在线优化,动态调整PID控制器参数,实现车辆转向控制系统的最优输出,在不同工况路面进行车辆横摆角速度仿真实验.结果表明:采用改进人工神经网络PID控制器,不仅可以提高车辆转向控制系统的响应速度,而且输出的摆动角速度误差较小.车辆在复杂工况路面行驶,其转向系统采用改进人工神经网络PID控制器,有利于提高车辆行驶的稳定性.(本文来源于《中国工程机械学报》期刊2018年06期）
徐亮,程镜蓉,张业辉,唐道邦,刘学铭[7]（2018）在《人工神经网络在风干腊肠加工过程模拟控制中的应用》一文中研究指出为了实现对自然条件下风干腊肠品质的快速检测和评价。本文通过模拟自然条件,比较不同风速、温度及湿度条件下加工得到的腊肠在理化指标、脂肪氧化、蛋白质氧化等的变化差异,利用人工神经网络模型的方法,对腊肠加工条件构建神经网络模型,实现对自然条件下加工腊肠品质的预测和模拟。结果表明当风干风速为0.80 m/s,日间温度为23.60℃,日间湿度40.42%,夜间温度16.89℃,夜间湿度54.21%时,可得到低脂高蛋白(蛋白含量为38.65%,脂肪含量为16.06%)的腊肠。所建立的人工神经网络模型r值都在0.99以上,且rmse值在0.4以下,表明该模型能够进行较准确的预测,可以实现最优加工条件的预测。该方法可为阐明加工条件对风干腊肠品质的影响,为风干腊肠规模化加工建立人工气候和质量安全控制提供理论依据。(本文来源于《现代食品科技》期刊2018年11期）
王学良[8]（2018）在《人工情感神经网络及其在预测控制中的应用》一文中研究指出工业过程对象通常会呈现非线性、大滞后、不确定特性,而采用传统建模方法对其进行动态测试建模时,一些变量较难获得大量的数据样本。为此,考虑如何在小量动态测试数据情况下建立神经网络模型并构造有效的控制策略,无疑具有学术研究和工程应用意义。本论文在此背景下进行了研究工作,取得以下主要研究成果:1、为了提高神经网络对于较少数据量对象的辨识精度以及学习速度,提出了一种模拟大脑结构的人工情感神经网络(Artificial Affective Neural Network,AANN)预测模型。它是由脑背侧网络和脑腹侧网络两部分构成的非全连接神经网络,通过背侧和腹侧网络分别处理认知数据和情感数据。利用“紧张”与“自信”两个情感因子模拟人类学习时的情感变化,可以提高神经网络对于对象的认知能力,进而提高辨识精度。通过与支持向量机(SVM)和普通BP网络对比,验证了人工情感神经网络对对象的学习速度和高辨识精度。2、面向工业过程存在的非线性、大滞后、不确定问题,提出了基于人工情感神经网络的预测控制方案,将人工情感神经网络作为对象预测模型,利用粒子群优化方法为滚动优化器,通过对目标函数进行最优求解,得到最优控制量。与普通BP网络作为预测模型的控制方案和SVM预测控制对比,验证了本文所提方案的有效性。3、将所提出的控制方案应用于某工业超临界650MW直流锅炉再热蒸汽工段,与普通BP网络控制方案和SVM预测控制对比,验证了该方案的有效性。(本文来源于《北京化工大学》期刊2018-05-21）
刘志强,吴建美[9]（2018）在《基于人工神经网络的智能假肢控制系统设计》一文中研究指出假肢仿生和控制技术还不够成熟,人工神经网络具有自学习和自适应的能力,能够对控制系统进行优化、识别、分类和预测等,文章基于人工神经网络的智能假肢控制系统,以STM32F103ZET6为神经网络算法的处理核心,选择MEMS叁维加速度传感器和与之对应的MT Manage上位机,通过对从传感器采集的数据进行人工神经网络处理后,发送到上位机来实时检测人体表面肌电信息。(本文来源于《企业技术开发》期刊2018年01期）
张弛[10]（2017）在《基于人工神经网络下的模糊控制理论》一文中研究指出人工神经网络是人工智能的核心思想,模糊控制是实现人工智能的重要手段,二者在现代自动化技术的发展上扮演着不可或缺的角色。工业自动化控制中的不确定性、非线性,复杂程度高是任何控制方式都要面对的问题。基于人工神经网络的模糊控制能很好的解决这一难点,具有广阔的应用前景。随着现代冶金工艺技术的迅速发展,对工艺过程参数的控制精度要求越来越高,生产设备及系统日趋大型化、复杂化。如何实现智能制造已成为目前工业发展的重要课题。本文在简单介绍了人工神经网络与模糊控制的历史、发展及基本原理下,重点讲述了结合BP神经网络与PID模糊控制器的自动化控制方案。(本文来源于《科技创新导报》期刊2017年30期）
人工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：
为了使传统的BP神经网络预测控制的收敛速度更快、准确率更高,提出一种改进的人工鱼群算法。分别用BP神经网络、PSO-BP神经网络和IAFSA-BP神经网络来优化预测控制系统的建模部分和滚动优化部分,并进行仿真试验,结果表明:IAFSA-BP神经网络优化后的预测模型精度更高,并且滚动优化部分的响应速度加快,控制系统更稳定。
（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。
人工神经网络控制论文参考文献
[1].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
[2].黄丽华,李俊丽.基于改进人工鱼群算法优化的BP神经网络预测控制系统[J].化工自动化及仪表.2019
[3].雷耀.基于人工神经网络的遥操作机器人系统控制研究[D].南昌大学.2019
[4].李子龙.基于人工神经网络的智能汽车循迹控制研究[D].合肥工业大学.2019
[5].陈卫波,曾宁,张大长,王升歌,黄依婷.基于人工神经网络的电极锅炉电导率预测及控制方法[J].电子技术与软件工程.2019
[6].姚俊,张劲恒.采用改进粒子群算法与人工神经网络相结合的车辆转向控制研究[J].中国工程机械学报.2018
[7].徐亮,程镜蓉,张业辉,唐道邦,刘学铭.人工神经网络在风干腊肠加工过程模拟控制中的应用[J].现代食品科技.2018
[8].王学良.人工情感神经网络及其在预测控制中的应用[D].北京化工大学.2018
[9].刘志强,吴建美.基于人工神经网络的智能假肢控制系统设计[J].企业技术开发.2018
[10].张弛.基于人工神经网络下的模糊控制理论[J].科技创新导报.2017