本文基于滑模控制技术及径向基函数神经网络(RBF),研究了统一混沌系统的同步问题。设计出一个简单单维控制器,将该制器用于初值不同的统一混沌系统同步控制中,实现了统一混沌系统的同步,在Simulink中编写模块搭建混沌同步仿真系统,验证本文方法的有效性,最后将此方法用于混沌保密通信中,利用混沌信号掩盖实际要传输的信号,在接收端,由同步的混沌系统分离出实际传输的信号,成功地实现了信号的加密和还原。

本程序针对多输入多输出的耦合网络，设计了PID神经元网络，达到了很好的控制效果。

电液位置伺服系统的模糊神经网络控制pdf,电液位置伺服系统的模糊神经网络控制

...

当永磁同步电机速度控制系统面对变负载和大范围调速时,PID 控制器参数需要频繁调整且速度跟踪不理想。通过结合滑模理论和神经网络方法,本文提出一种变负载自适应速度控制策略。控制器可以分为PI 控制和神经网络控制两部分。其中,PI 控制器用于保证系统前期收敛和稳定性,其输出信号作为误差反馈信号输入到神经网络,并基于线性滑模理论设计权值参数的调节律。当系统负载发生变化时,神经网络控制器的输出将取代PI 控制器,逐渐成为系统的主要速度控制信号。仿真结果显示,本文提出的速度控制方法能够提高系统的速度跟踪性能和抗干扰

针对Smith控制对时滞系统抗干扰性差的弱点，提出了一种基于神经网络辨识的LM-Smith控制器。该控制器在经典Smith控制中引入神经元模型，实时辨识时变被控对象，使预估模型能准确跟踪被控对象，实现对时滞环节的完全补偿。仿真结果表明该方法构造简单、准确性好、鲁棒性较强，改善了经典Smith控制的控制效果。

针对传统控制理论的缺陷，提出了PID神经元网络及其控制系统，并介绍了其研究和应用。

使用matlab编辑的模糊神经网络控制器的源代码，做交流学习所有，可以再此基础上进行修改

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法不仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且,由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。

神经网络控制已发展成为“智能控制”的一个新的分支，属先进控制技术，为解决复杂的非线性、不确定、不确知系统的控制问题，开辟了一条新的途径。《神经网络控制》分五章阐述了(人工)神经网络理论基础，基于神经网络的动态系统模型、逆模型及其辨识问题，神经网络控制的多种结构及其设计问题，遗传算法的寻优机理，遗传算法与系统辨识、遗传算法与神经控制问题。 《神经网络控制》适合作为高等工科院校自动控制、信息处理、工业自动化、模式识别与智能控制等专业高年级本科生、研究生的教材或教学参考书，也适用于从事以上专业的工程技术人员阅读。