“神经网络控制系统”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果9558687个，建议您升级VIP下载更多相关专利

[发明专利]基于干涉神经网络的航天器组合体误差补偿控制方法-CN202010489764.7有效
发明人：李爽;佘宇琛;孙俊 -专利权人：南京航空航天大学
申请日： 2020-06-02 - 公布日： 2022-07-26 - 主分类号： B64G1/24 文献下载
摘要：本发明公开了一种基于干涉神经网络的航天器组合体误差补偿控制方法，包括：将RBF神经网络和HERMITE神经网络的输出进行叠加，构造一种新型神经网络；设计最优学习规则；将基于RBF和HERMITE两个神经网络的输出信号所获得的干涉模型拓展到N个RBF神经网络或HERMITE神经网络输出的情况；构建航天器组合体动力学模型，并将新型神经网络与最优学习规则集成到航天器组合体控制系统中；利用新型神经网络对航天器组合体控制系统所受到的外在扰动力进行拟合，并将其补偿到实际控制信号中，提高航天器组合体控制系统精度和效率。本发明提高了神经网络系统对复杂复合型扰动信号的跟踪能力。
基于干涉神经网络航天器组合误差补偿控制方法

[发明专利]对角递归神经网络控制系统的远程监控与在线调试方法-CN201610955204.X有效
发明人：郑松;宋怡霖;刘朝儒;曾其鋆;何俊欣;郑蓉;王亮亮;李贝贝 -专利权人：福州大学
申请日： 2016-10-27 - 公布日： 2019-06-07 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及一种对角递归神经网络控制系统的远程监控与在线调试方法，包括以下步骤：设计对角递归神经网络控制系统的结构，包括服务器端、远程客户端和互联网；所述远程客户端构建对角递归神经网络控制系统的组态程序；通过互联网与一组通信服务网关组件实现本地的服务器端和远程客户端的通信连接；服务器端接收并执行对角递归神经网络控制系统的组态程序；远程客户端完成对对角递归神经网络控制系统的远程监控与在线调试。本发明解决了现有技术中对角递归神经网络控制系统运行、调试过程不透明，只能在停机状态下离线调试，系统局限于局域网之内的问题。
对角递归神经网络控制系统远程监控在线调试方法

[发明专利]基于神经网络的微陀螺仪控制系统-CN201110320885.X有效
发明人：费峻涛;杨玉正 -专利权人：河海大学常州校区
申请日： 2011-10-20 - 公布日： 2012-05-02 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于神经网络的微陀螺仪控制系统，包括与所述微陀螺仪相联接通信的控制系统，所述控制系统包括名义控制器和神经网络补偿器，将基于微陀螺仪名义模型的反馈控制器加神经网络补偿器的控制方案应用于微陀螺仪的控制上，提高了微陀螺仪系统的追踪效果和鲁棒性。神经网络权值的自适应律基于Lyapunov稳定性理论设计，保证了整个控制系统在承认存在神经网络建模误差的条件下仍能稳定。
基于神经网络陀螺仪控制系统

[发明专利]基于RBF辨识的弹性积分BP神经网络的PID控制方法-CN201010511224.0无效
发明人：马幼捷;刘玥;周雪松;刘思佳;刘进华;于阳 -专利权人：天津理工大学
申请日： 2010-10-19 - 公布日： 2011-02-09 - 主分类号： G05B13/02 文献下载
摘要：一种基于RBF辨识的弹性积分BP神经网络的PID控制系统，它包括：确定BP神经网络的结构，确定初值；确定RBF辨识网络结构；采样；正向计算BP网络，计算PID控制系统的输出；计算RBF辨识网络；修正辨识网络参数；修正BP神经网络的加权系数。本发明的优越性在于：将BP神经网络与传统的PID控制结合，构成智能型的神经网络PID控制系统。它不需建立精确的数学模型，能够自动辨识被控过程参数、自动整定控制参数、适应被控过程参数的变化，是解决传统PID控制系统参数整定难、不能实时调整参数和鲁棒性不强的有效措施。
基于 rbf 辨识弹性积分 bp 神经网络 pid 控制方法

[发明专利]净化器湍流拟合系统、评估系统以及控制系统-CN202210625814.9在审
发明人：张隽榕;郑智宏;林鸿剑;张静云;伍玉全 -专利权人：厦门中创环保科技股份有限公司
申请日： 2022-06-02 - 公布日： 2022-10-21 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及基于对抗神经网络的净化器湍流拟合系统、智能状态评估系统以及智能控制系统，其中智能控制系统包括云端净化器湍流向量预训练模型、净化器多点位流速传感器、神经网络湍流向量修正模块、湍流向量预处理模型、生成神经网络湍流向量单时间片生成模块、判别神经网络湍流向量单时间片评估模块、生成神经网络湍流向量多时间片生成模块、判别神经网络湍流向量多时间片评估模块、神经网络湍流向量拟合流向模块、神经网络净化器运行状况评估模块、智能控制系统。本发明用多个检测点位的共同检测，与净化器预训练模型，拟合并迭代修正净化器湍流输出，从而实现对净化器的准确控制。
净化器湍流拟合系统评估以及控制系统

[发明专利]随机系统基于动静混合神经网络建模的抗干扰控制方法-CN201210351048.8有效
发明人：郭雷;张玉民 -专利权人：北京航空航天大学
申请日： 2012-09-19 - 公布日： 2013-01-09 - 主分类号： G05B13/00 文献下载
摘要：随机系统基于动静混合神经网络建模的抗干扰控制方法，涉及随机分布控制系统批量输出静态神经网络建模、输出权的动态神经网建模和基于观测器的复合抗干扰控制。首先，对于随机分布控制系统批量输出建立静态神经网络逼近模型；其次，对于静态神经网络模型的权进行动态神经网络逼近，形成权动态系统；再次，针对系统中的有界干扰设计观测器进行估计并前馈补偿；最后，基于线性矩阵不等式方法对复合控制系统设计观测器增益和控制器增益，使系统实现稳定并满足一定的抗干扰性能。
随机系统基于动静混合神经网络建模抗干扰控制方法

[发明专利]一种基于神经网络的车载手势控制天窗系统及其控制方法-CN202111419834.2在审
发明人：田鋆;李彦奇;龚晓琴;王星皓;张楠;娄凌宇;张云轩;李佳;苗冬梅;韩立武 -专利权人：一汽奔腾轿车有限公司
申请日： 2021-11-26 - 公布日： 2022-03-18 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于神经网络的车载手势控制天窗系统及其控制方法，属于汽车零部件技术领域，天窗盖板驱动控制系统、天窗遮阳帘驱动控制系统、手势识别单元和神经网络识别单元，所述天窗盖板驱动控制系统和天窗遮阳帘驱动控制系统分别与神经网络识别单元电性连接，所述手势识别单元与神经网络识别单元电性连接。本发明通过手势识别单元及神经网络识别单元控制手势感应控制天窗盖板、天窗遮阳帘开关的功能，用手势滑动代替控制按键，使驾驶员无需分心即可轻松控制天窗、阅读灯启闭，实现离屏控制，并通过神经网络识别，确认为指定目标操作
一种基于神经网络车载手势控制天窗系统及其方法

[发明专利]一种基于BP神经网络的工业控制系统漏洞自动挖掘方法-CN201710056656.9在审
发明人：王勇;刘蔚;贺文婷 -专利权人：上海云剑信息技术有限公司
申请日： 2017-01-25 - 公布日： 2017-05-31 - 主分类号： G05B13/04 文献下载
摘要：本发明公布了一种基于BP的工业控制系统漏洞自动挖掘方法，该方法包括工业控制系统数据采集模块，神经元设计模块，神经网络结构设计模块，算法实现模块；其核心算法是采集了工业控制系统的状态数据作为输入，控制命令作为输出，经过归一化处理，按照误差逆传播算法训练的多层前馈神经网络，训练形成了状态与控制数据之间的关系，确定神经网络的阈值和权重；然后利用训练后的BP神经网络结构，去识别判断实时工业控制系统当前状态与控制命令之间有不符合BP神经网络的数据，若存在，就可以判断该时刻这组状态和控制数据存在的疑似的工业控制系统漏洞。该方法不需要过滤数据包，不影响工业控制系统的实时运行，具有非常强实用价值。
一种基于 bp 神经网络工业控制系统漏洞自动挖掘方法

[发明专利]多层全连接神经网络控制系统-CN201810554501.2在审
发明人：徐军;王曰辉;吴顺义 -专利权人：哈尔滨理工大学
申请日： 2018-06-01 - 公布日： 2018-11-23 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种以多层全连接神经网络为主要控制器的控制系统，该系统对多输入多输出控制有良好的适应性。系统实现有如下步骤：(1)确定理想输入输出曲线。(2)在理想输入输出曲线上取采样点。(3)建立多层全连接网络，并用采样点训练神经网络。(4)将训练好的网络加入到控制器。(5)观测控制系统的输入输出曲线，是否与理想输入输出曲线想符合。通过上述方式，建立多层全连接神经网络控制系统，通过将神经网络与控制系统相结合，利用多层神经网络可以拟合任意曲线的性质，模拟多输入多输出的场景中的复杂响应曲线，对多输入多输出的复杂系统有良好的适应能力。
输出曲线多层控制系统理想输入多输出神经网络控制系统神经网络控制器采样点多层神经网络训练神经网络复杂系统复杂响应连接网络系统实现拟合观测并用场景网络

[发明专利]基于模糊神经网络PID控制的锅炉汽包水位控制的方法-CN201310035063.6有效
发明人：郑松;卢定兴;陈艺宾;林丽明;曾其鋆;张望;郑明明 -专利权人：福州福大自动化科技有限公司
申请日： 2013-01-30 - 公布日： 2014-08-06 - 主分类号： F22D5/30 文献下载
摘要：本发明提供一种基于模糊神经网络PID控制的锅炉汽包水位控制的方法，包括：分析锅炉汽包水位控制系统的特征与建模条件；对锅炉汽包水位控制系统的控制对象进行建模；在组态软件中完成所述模糊神经网络PID控制系统的各元件的开发；在组态软件中通过元件组态来实现锅炉汽包水位控制系统的控制逻辑；在组态软件中测试模糊神经网络PID控制系统对锅炉汽包水位的控制效果。本发明克服了传统PID控制的缺点，提高了控制系统的自适应能力；模糊神经网络PID控制算法以元件的方式集成在组态软件中，改善了控制策略与控制站的通信效率，大大地提高先进控制策略在线运行的实时性。
基于模糊神经网络 pid 控制锅炉汽包水位方法

[发明专利]基于神经网络的人机交互方法、装置和介质-CN202010786352.X有效
发明人：吴华;王海峰;刘占一 -专利权人：北京百度网讯科技有限公司
申请日： 2020-08-07 - 公布日： 2020-11-24 - 主分类号： G06F16/332 文献下载
摘要：本公开提供一种基于神经网络的人机交互方法、装置和介质，涉及人工智能技术领域，具体为自然语言处理和知识图谱技术领域。方法包括：将用户输入作为第一输入提供给神经网络系统；将用户输入提供给不同于神经网络系统的对话控制系统；基于与所述用户输入相关的信息，由对话控制系统对用户输入进行处理；将对话控制系统的处理结果作为第二输入提供给神经网络系统；以及由神经网络系统基于第一输入和第二输入生成针对用户输入的回复。
基于神经网络人机交互方法装置介质

[发明专利]一种电加热炉温度的非线性神经网络优化PID控制方法-CN201710415088.7在审
发明人：张日东;房涛 -专利权人：杭州电子科技大学
申请日： 2017-06-05 - 公布日： 2017-08-15 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种电加热炉温度的非线性神经网络优化PID控制方法。本发明根据电加热炉控制系统的历史的输入、输出信息对RBF神经网络进行离线训练，获得神经网络的相关参数，将训练好的神经网络作为系统的预测模型；另外，将RBF神经网络与PID控制器结合，利用RBF神经网络对PID控制器参数进行在线自整定。本发明解决了非线性电加热炉模型难以建立的困难，同时通过RBF神经网络对PID控制器的参数进行自整定，解决了在电加热炉控制系统在实际控制过程中PID控制器参数难以整定的困难。
一种加热炉温度非线性神经网络优化 pid 控制方法

[发明专利]基于深度强化学习的端到端在轨自主加注控制系统及方法-CN202010693535.7有效
发明人：解永春;陈奥;王勇;李林峰;唐宁;徐拴锋 -专利权人：北京控制工程研究所
申请日： 2020-07-17 - 公布日： 2022-03-04 - 主分类号： B25J9/16 文献下载
摘要：基于深度强化学习的端到端在轨自主加注控制系统及方法，包括基于深度强化学习的端到端在轨加注控制系统和神经网络结构；控制系统包括：基于深度神经网络的特征提取系统、基于深度强化学习的自学习轨迹规划系统和机械臂关节控制系统；神经网络结构包括：基于深度神经网络的特征提取系统网络和基于深度强化学习的自学习轨迹规划系统网络；特征提取系统网络主要由深度卷积神经网络组成；轨迹规划系统网络由策略网络和评价网络构成；整个系统在虚拟环境下利用深度强化学习的基本方法进行训练
基于深度强化学习端到端自主加注控制系统方法

[发明专利]机器人免逆解控制系统参数的自调节及优化方法-CN201910864210.8有效
发明人：陈盛;丁胜利;梁志伟;高翔;徐国政 -专利权人：南京邮电大学
申请日： 2019-09-12 - 公布日： 2022-09-23 - 主分类号： G05B13/02 文献下载
摘要：本发明公开了一种机器人免逆解控制系统参数的自调节及优化方法，包括以下步骤：1)构建神经网络，将机器人执行运动的误差以及误差的差分函数作为神经网络的输入，利用遗传算法对神经网络进行训练，训练完毕后神经网络输出控制系统参数；2)通过强化学习对控制系统参数进行优化；3)对优化后的控制系统参数进行回归分析并拟合成n阶函数，得到优化后的控制系统。本发明解决了目前机器人免逆解控制系统中参数选择依赖经验、性能不佳等不足，实现对机器人运动时的稳定性、鲁棒性和实时性有较好的提升。
机器人免逆解控制系统参数调节优化方法

[发明专利]机动车辆控制电路-CN202180092746.8在审
发明人： X-D·孙 -专利权人：采埃孚汽车英国有限公司
申请日： 2021-12-30 - 公布日： 2023-10-13 - 主分类号： B60W30/12 文献下载
摘要：一种机动车辆控制电路，结合到响应于车辆控制电路的输出的车辆的运动控制系统中，其中控制电路包括：PID控制器，其在输入端处接收用于闭环控制系统的设定点信号，并提供馈送到运动控制系统的控制信号作为输出，控制器与运动控制系统被布置在闭环中，以最小化指示如由需求信号指示的运动控制系统的所需行为与运动控制系统的实际行为之间的差异的误差值；以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层，以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的驱动信号以及误差值，并且其中神经网络被配置为确定PID控制器使用的P增益、I增益和D增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为前馈项
机动车辆控制电路

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条