電氣自動化論文編號:ZD527 論文字數:29342,頁數:58，有開題報告，任務書，文獻綜述

目   錄
摘  要  Ⅰ
Abstract Ⅱ
第1章  緒論 1
 1.1 神經網絡概述 1
 1.2 神經網絡的研究發(fā)展史 1
 1.2.1 啟蒙時期 1
    1.2.2 低潮時期 2
    1.2.3 復興時期 2
    1.2.4 新時期 2
    1.2.5 國內研究概況 3
 1.3 人工神經網絡的主要應用領域 3
    1.3.1 信息領域 3
 1.3.2 自動化領域 3
 1.3.3 工程領域 4 1.4 畢業(yè)設計與要求及基本思路 4
第2章  模糊神經網絡控制 6
 2.1 人工神經元模型 6
 2.2 人工神經網絡結構 7
 2.2.1 層次網絡模型 7
 2.2.2 互連網絡模型 7
 2.3 神經網絡學習方法 8
 2.3.1 學習方式 8
 2.3.2 學習規(guī)則 8
 2.3.3 學習與自適應 11
 2.4 前向神經網絡 11
 2.4.1 感知器 11
 2.4.2 線形神經網絡 12
 2.5 BP控制方法 12
    2.5.1 基于BP 算法的多層前饋網絡模型 14
    2.5.2 BP學習算法 14
 2.5.3 標準BP 算法的改進 15
 2.5.4 基于BP 算法的多層前饋網絡設計基礎 16
 2.5.5 初始權值的設計 18
 2.5.6 多層前饋網絡結構設計 19
 2.5.7 網絡訓練與測試 19
 2.6 模糊控制方法 20
 2.6.1 模糊控制系統(tǒng)的組成 20
 2.6.2 模糊化工程 21
 2.6.3 知識庫 21
 2.6.4 推理決策邏輯 22
 2.6.5 精確化過程 22
 2.6.6 模糊控制系統(tǒng)的設計 24
 2.6.7 模糊控制系統(tǒng)的改進 26
第3章 神經網絡在非線形不確定時滯系統(tǒng)中的應用研究 29
 3.1 方案的提出 29
 3.2 方案設計 29
 3.3 神經網絡模糊控制器的自學習法 32
    3.3.1 控制誤差指標 32
    3.3.2 調節(jié)控制器誤差指標 32
    3.3.3 對象模型PMN輸出與測量量得的誤差指標 32
    3.3.4 對象模型PMN網絡參數的學習 32
    3.3.5 模糊控制器FC 的修正因子，的學習算法 33
第四章 神經網絡控制系統(tǒng)的MATLAB仿真方法 35
 4.1 控制系統(tǒng)計算機仿真的基本概念 35
 4.1.1 系統(tǒng)計算機仿真 35
 4.1.2 控制系統(tǒng)計算機仿真的過程 35
 4.2 控制系統(tǒng)PID仿真 36
 4.2.1 PID簡述 36
 4.2.2 PID仿真與分析 37
 4.3 模糊控制系統(tǒng)的仿真與分析 39
    4.3.1 MA TLAB模糊邏輯工具箱 39
    4.3.2 仿真與分析 39
 4.4 神經網絡在非線形不確定時滯系統(tǒng)中的仿真與分析 41
結束語 45
參考文獻 46
致謝 47
附錄 48

摘要：神經網絡以其可學習的特性和高度的并行結構成為自控界的熱門研究課題。它能以任意精度逼近任意非線形函數，能同時處理定量和定性的信息，能很好地協調多種輸入信息關系。適用于多信息融合和多媒體技術。它為解決不確定性系統(tǒng)的許多控制問題及高度非先行問題提供了一個有力的工具。本文介紹了神經元和神經網絡的基本結構,并在此基礎上分析了人工神經網絡的特性、學習、訓練，說明了典型網絡BP網絡的工作原理，對人工神經網絡在非線形系統(tǒng)中的應用也進行了討論。工業(yè)生產過程中常有大時滯存在，用傳統(tǒng)方法不能獲得滿意的控制效果。針對時滯不確定非線形系統(tǒng)的控制問題，討論了一種基于史密斯預估補償控制結構的模糊控制與人工神經網絡相結合的自優(yōu)化控制方法。仿真分析表明它對時滯非線形時變對象具有良好的控制效果[1]。
關鍵詞：神經網絡；模糊控制；史密斯控制；時滯不確定非線形系統(tǒng)