为实现酒精发酵变温控制，提出一种新的、具有专家调整策略的神经网络自组织模糊控制器.用神经网络代替传统模糊控制器的逻辑规则推理合成运算或查表，减少了工作量.采用一种对量化，比例因子进行专家调整的策略，使系统响应的上升时间减少，超调量降低，控制器的鲁棒性，稳定性均良好

7.1.1智能控制理论体系 模糊智能控制(Fuzzy Control)神经网络控制(Neurocontrol)模糊神经网络与神经模糊控制 遗传算法与进化控制(Genetic Algorithm/ Control)软计算(Soft Computation)

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

针对轮式移动操作机器人的非完整性和不确定性,为其设计了鲁棒跟踪控制器.即采用分段运动学到动力学方法为移动平台设计动力学跟踪控制器,并分别为移动平台和机械手设计神经网络控制器,利用遗传算法来搜索神经网络的优化权系值,从而补偿平台与机械手间的不确定量.通过Matlab的Simulink以及CMEX文件对所设计的控制器仿真,结果表明此控制器具有较强的鲁棒性

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量

为了实现炼钢过程钢水温度的精确控制，在分析了实际炼钢厂钢水温度控制现状和钢水温度影响因素的基础上，建立了关键工序节点钢水温度的正向预测模型和逆向预定模型.同时，为了克服现有钢水温度预报方法的不足，提出一种基于钢包热状态和BP神经网络的混合模型方法.该方法以钢包热状态跟踪模型为基础，充分考虑了钢包热状态对钢水温度的影响，并与BP神经网络结合，可有效提高预测精度

无人驾驶车辆自身具有强烈的非线性、信号时延和参数不确定性，对它的控制还受到道路附着系数的变化、侧向风等外界因素影响。因此传统控制方法往往难以对其稳定和精确地控制。神经网络所具有的学习能力、自适应能力和近似非线性映射的能力，为解决车辆模型参数的不确定性、外界的扰动以及车辆自适应控制问题提供了有效的途径。针对上述几个方面，对近几年国内外学者将神经网络应用到无人驾驶车辆运动控制中所取得的成果与进展进行了归纳分类，分别介绍了应用情况并对优缺点进行评价。最后总结了神经网络在无人驾驶车辆运动控制中存在的主要问题，并展望了可能的发展方向

教学内容 本章讲述模糊控制与传统控制的相互关系、模糊神经网络控制、模糊控制和遗传算法的相互联系与区别、模糊控制与基于知识系统的交叉和融合。 教学重点 重点内容是讲述模糊控制与传统控制的相互关系，模糊系统与神经网络、遗传算法、基于知识的学习系统的相互联系以及交叉融合。 教学难点 对模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系的准确把握和理解，学会用发展和联系的观点看待智能控制学科的发展。 教学要求 要求学生基本了解模糊控制与传统控制、神经网络控制、遗传算法以及基于知识的系统的区别和联系。 通过本章的学习，进一步加深对智能控制特点的理解，学会用发展和联系的观点看待智能控制学科的发展，从而培养学生创常新意识和能力，形成正确的工作方法