船用舵机电液伺服单元单神经元自适应PID控制的研究

在分析了船用舵机电液伺服单元的基本原理和数学模型的基础上,设计了单神经元自适应PID控制器。用单神经元PID替代常规PID控制,通过神经元的学习来调整PID参数,利用神经网络良好的自适应和抗干扰能力．使控制系统对参数变化表现出良好的控制性能和鲁棒性。通过仿真证明了该系统有较好的控制效果。     

一种单神经元自抗扰控制器

针对自抗扰控制器可调参数多且不易整定的问题,提出了一种用单神经元改进非线性状态误差反馈控制律的算法.利用神经网络的自学习能力,采用一个单神经元构造自适应参数,使参数依据系统误差的变化自动作相应地调整,从而完成参数的在线自整定.仿真结果表明,改进后的控制器调整参数大大减少,而且具有更强的适应性和鲁棒性.     

神经元控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型．为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应碰饺和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制．并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，动态特性好，鲁捧性强．该设计结构简单，实际应用时易于实现数字化．     

鼠耳蝠下丘听神经元对超声刺激的反应特性

实验在５只鼠耳蜗上进行，共观察了２２７个对超声刺激发生反应的下丘听神经元。这些神经元听反应的最佳频率在１４．３－７６．２ｋＨｚ之间；潜伏期在３．０－１２．０毫秒之间，多数神经元（７９．３％）为５．０－７．０毫秒；最低阈值位于－２０．０－７０．０ｄＢ ＳＰＬ之间；多数神经元（８２．０５％）的调谐曲线为宽阔型，少数（１７．９５％）为狭窄型；反应最佳频率沿下丘背腹轴呈明显有序地排列。     

Bursting and spiking due to additional direct and stochastic currents in neuron models

Neurons at rest can exhibit diverse firing activities patterns in response to various external deterministic and random stimuli, especially additional currents. In this paper, neuronal firing patterns from bursting to spiking, induced by additional direct and stochastic currents, are explored in rest states corresponding to two values of the parameter $V_{\rm K}$ in the Chay neuron system. Three cases are considered by numerical simulation and fast/slow dynamic analysis, in which only the direct current or the stochastic current exists, or the direct and stochastic currents coexist. Meanwhile, several important bursting patterns in neuronal experiments, such as the period-1 ``circle/homoclinic" bursting and the integer multiple ``fold/homoclinic" bursting with one spike per burst, as well as the transition from integer multiple bursting to period-1 ``circle/homoclinic" bursting and that from stochastic ``Hopf/homoclinic" bursting to ``Hopf/homoclinic" bursting, are investigated in detail.     

基于模糊神经元PID算法的注塑机注射速度控制算法研究

基于一款市场较为畅销的注塑机, 设计出一种能精确控制注射速度的模糊神经元PID控制器. 首先, 设计出具有自学能力的神经元PID控制器, 利用模糊算法对其进行优化; 其次, 在原有注射速度线性数学模型的基础上, 构建注塑机注射速度的非线性模型; 最后, 利用MATLAB在所建数学模型的基础上对模糊神经元PID控制器进行仿真实验. 实验结果表明, 所设计控制器具有响应迅速、无超调量、控制精度高、控制稳定等优点.     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

模糊—自适应神经元解耦控制在VAV中的应用

采用模糊控制器和自适应神经元解耦补偿器的解耦控制技术，对耦合强烈的具有变风量空调系统传递函数矩阵形式的4维传递函数矩阵系统进行解耦控制。通过解耦系统仿真研究，为变风量空调系统的解耦控制提供了有效的方法。     

大鼠端脑神经元型一氧化氮合酶免疫阳性神经元的分布

目的 :观察大鼠端脑神经元型一氧化氮合酶 (nNOS)免疫阳性神经元的分布。方法 :ABC免疫细胞化学法显示大鼠端脑nNOS阳性神经元。结果 :nNOS阳性神经元呈棕褐色 ,胞体的形态多样化 ,呈梭形、三角形、圆形等多种形状 ,突起有一个或多个 ;阳性纤维呈棕色串珠状 ,个别脑区阳性纤维相互交织成网。端脑nNOS免疫阳性神经元主要分布于嗅结节 (包括海马回 )、梨状区 (包括梨状皮质和梨状核 )、斜角带、隔区、杏仁复合体、海马结构、尾壳核和苍白球 ,以及大脑皮质等各个部位 ,其中以大脑皮质、梨状区和斜角带、尾壳核等部位最为丰富。结论 :大鼠端脑内分布有丰富的nNOS阳性神经元 ,它们可能通过调节神经递质的分泌 ,参与脑的高级整合功能。