复杂系统的神经网络自适应预测控制

本文针对复杂诉时变非线性动力学，提出一种基于神经网络的并行自适应预测控制器，它由实时神经控制、神经控制和控制品质监督机构三部分组成。该结构使控制的调整和系统的实时控制为可并行进行，提高了控制系统的适应能力和响应性能，使复杂系统的在线学习控制成为可能，仿真表明该控制器具有良好的鲁棒性和控制精度。     

结构试验机的神经网络内模自适应跟踪控制系统

针对结构试验系统的非线性和不确定性特性，研究了一种基于神经网络的非线性内模自适应加载控制方法。引入的神经网络内模可跟踪学习对象的时变动力学，控制器的设计较少依赖于对象的先验知识，控制参数的调整是基于被控过程的测量信息，利用导出的神经网络算法来实现的。实验结果证明该系统具有良好的控制效果。