离散时不变线性系统的自适应控制

针对含未建模动态和外来干扰的离散ＳＩＳＯ线性系统，提出一种具普遍性的自适应控制方法，这种控制器的设计是基于系统的已知降阶模型，对建模部分的未知参数采用带来死区的加权最小二乘法进行参数递推估计，从而得到稳健的自适应控制。     

自适应滤波器的拟最小二乘算法及其应用

提出两个具有拟最小二乘性的自适应横向滤波算法。该算法用于噪声对消器和预测滤波器,计算机仿真结果,验证了理论分析的正确性。     

离散时不变线性系统的自适应控制

针对含未建模动态和外来干扰的离散ＳＩＳＯ线性系统，提出一种具普遍性的自适应控制方法．这种控制器的设计是基于系统的已知降阶模型，对建模部分的未知参数采用带有死区的加权最小二乘法进行参数递推估计，从而得到稳健的自适应控制．     

基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．     

PLC在称量系统中的应用

主要介绍了可编程控制器在称量控制系统中的应用,通过对系统硬件设计方法和程序设计思路的介绍,给出了人工称量进行改进的方法,对于提高称量的自动化程度和精确程度具有重要的参考价值。     

遗传算法在PID自适应控制中的应用

提出一种基于遗传算法的PID自适应控制结构,给出控制结构框架,利用遗传算法来优化PID参数,本文利用遗传算法的全局寻优的特点,将它应用于PID参数的寻优计算,从而提高PID控制器的控制性能和自适应能力。仿真的结果表明,笔者提出的遗传算法和PID控制相结合的控制方法鲁棒性强,控制品质优良,在很大程度上改善了常规PID控制器的控制性能。     

二维自适应空域递归快速算法

提出一种自适应空域递归快速最小二乘算法,此算法直接从包含在某一滑动数据窗中的图象灰度数据开始做参数估计,数据窗每次滑动更新一行数据,参数估计量也随之迅速地改变,因而能用于非平稳图象。此算法的运算量为18mN~(1/2)+4 2m~(1/2)NMADPR(每次递归的乘/除法次数),m,N分别指模型参数个数和包含在数据窗中的数据个数。     

模糊神经网络自适应PID控制在烟叶复烤系统中的应用

烟叶复烤过程具有时滞、不确定、非线性特性,仅利用常规P ID控制不能使复烤过程的各项性能指标满足要求.本文提出了一种模糊神经网络自适应P ID控制器,该控制器即具有模糊控制简单和有效的非线性控制作用,又具有神经网络学习和自适应能力和P ID的广泛适应性.仿真结果表明,该控制器能对烟叶复烤过程进行有效控制.     

模糊自适应PID控制在阳极焙烧中的应用

阳极焙烧是铝工业的重要工序,温度是焙烧过程中最重要的控制参数,温度的控制系统是一个典型的非线性、时变、大滞后系统。应用模糊自适应PID控制器对其进行控制,既利用了模糊控制适应能力强、动态特性好、抗干扰能力强的特点,又利用PID控制消除了系统静差,使控制系统的动态和静态品质都得到极大的提高,取得了较理想的控制效果。     

自适应模糊控制在交流调速中的应用

在研究交流调速系统控制方法的基础上，针对交流电机这种复杂的被控对象，利用神经网络实现交流调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突然加、减负载时，神经网络模糊控制与PID控制相比，具有恢复时间短，超调和振荡小等特点，神经网络模糊控制特别适用于结构复杂，干扰大且控制精度要求高的系统。     

自适应神经网络智能控制研究

本文提出用神经网络实现自适应智能控制，具有算法及结构简单的特点，在实际控制中有一定适用性     

一类耦合系统的直接自适应神经网络控制

针对一类具有未知常数控制增益的耦合大系统，根据滑模控制原理，利用多层神经网络的逼近性质，提出了一种直接自适应滑模控制器的设计方案．通过在线调节神经网络的连接权、滑模控制增益，实现了对动态不确定性及建模误差的自适应补偿．利用李亚普诺夫方法，证明了自适应控制系统是全局稳定的，跟踪误差收敛到零．     

机器人自适应阻抗控制方法的研究

本文研究了参数未知及负载不确定时机器人运动的阻抗控制问题,提出了阻抗误差的概念,首次将模型参考自适应控制方法成功地应用于机器人阻抗控制中,提出一种渐近稳定的机器人阻抗控制方法.     

制造系统的神经自适应控制

制造过程的自适应有效控制对ＣＩＭＳ的发展具有极其重要的意义。本文作者在论述：（１）自适应控制在ＣＩＭＳ中的重要性；（２）传统自适应控制方法在制造过程控制中的困难与障碍；（３）神经网络、人工智能和模糊控制理论等在制造过程自适应控制中的应用的基础上，指出神经自适应控制是制造过程自适应控制发展的有效途径，并构造了基于自组织神经网络的神经优化型自适应控制模型．     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

磨削烧伤适应控制研究

本文提出以比磨削功率P_g作为磨削烧伤适应控制参数,推出了一种使用单板计算机的磨削烧伤适应控制系统,用以对磨削加工过程实行实时控制,以预测和避免磨削加工中烧伤现象的发生。     

多层递归神经网络自适应控制及稳定性分析

提出一种基于多层归神经网络的自适应控制离散时间系统的方法,使用多层递归神经网络及新的动态ＢＰ算法（ＤＢＰ）描述未知系统的输入／输出关系。基于此神经网络模型,提出一种自适应控制方案,并对该方案的闭环稳定性进行了分析。     

电液伺服系统的参数自适应控制

本文针对电液伺服系统的特点,在极——零点配置的基础上提出一种形式简单、运算量小并适用于非最小相位系统的自适应控制算法,克服了一般极——零点配置自校正调节器实用上的困难。仿真与实验证明,用这种算法控制的电液伺服系统具有良好的动态及自适应性能。     

数控铣削加工过程的神经网络控制

构造一个三层的 BP网 ,提出一种铣削加工恒力控制方法 .该方法具有自组织、自适应能力强和精度高等特点 ,并可有效克服传统自适应控制中的模型失配问题 .对铣削加工中切深渐变和突变两种工况进行计算机仿真 .最后 ,实验验证其正确性和有效性     

自适应控制在有源消声中的应用

有源消声采用自适应控制技术已经成为发展趋势，但是由于自适应控制理论发展迅速，一些较为成熟的、新的设计方法尚未应用到有源消声中．为了将这两种技术更紧密地结合起来，本文首先介绍了自适应控制领域内得以公认的模型参考自适应系统（ＭＲＡＳ）的超稳定设计方法及其简化工程设计方法，其次总结了自适应有源消声的理论进展和应用成果，最终提出采用ＭＲＡＳ的设计方法实现有源消声的新方案，为自适应有源消声的应用开辟了新的途径．