摘要：根据城市交叉口交通流的特点,给出了一种交叉口多相位自适应控制算法,综合考虑相邻车道上的车队长度,利用多层bp神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,是实现交通系统智能控制的一条新途径.

摘要：提出了一种基于神经网络模型参考自适应控制(NNMRAC)的感应电动机矢量控制系统方案。根据感应电动机矢量控制系统的特征,简化了bp学习算法,给出了神经网络模型参考自适应速度控制策略在TMS320F240中的实现方法。

摘要：本文根据煤矿巷道特点 ,建立了 bp神经网络辨识模型 ,实例分析表明 ,该模型有很强的辨识特性 。

摘要：针对电动助力转向系统(electric power steering,EPS)的电机助力控制提出了一种智能控制方法,该方法包含利用助力电机特性曲线方式来计算助力电机目标电流的上层助力控制策略和利用径向基函数(radial basis function,RBF)神经网络与bp学习算法(back propagation)对电流设计的闭环控制器的下层电机控制两个部分。最后利用实验台架数据进行了仿真研究,与实验台架中采用的传统PID控制进行对比分析,结果表明:所提智能控制方法有较高的控制精度和平稳性,提高了助力转向系统的鲁棒性和自适应能力。

摘要：文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到bp学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的bp算法的优越性。仿真及实际应用结果表明,采用免疫bp算法的模糊神经网络PID控制器响应速度快,控制输出稳定,抗干扰能力强,鲁棒性好,较模糊PID和传统PID控制器具有更好的动、静态特性。

摘要：bp算法(误差反向传播算法)是前馈神经网络中最常用的算法之一。在对前馈神经网络和传统的bp算法研究的基础上,发现了传统算法中存在的问题。通过引入网络复杂性的量,提出了一种新的改进算法,命名为基于网络复杂性的bp算法。该算法能够删除掉冗余的连接甚至节点,通过对网络学习步长的动态调整,避免了算法收敛速度过慢和反复震荡的问题。最后通过实验说明该算法在一定程度上比传统bp算法有一些优越性。

摘要：本文提出了完整的bp网络的设计方案，对组合导航系统的各个子系统进行实时的故障检测，隔离和重构。极大的提高了组合导航系统的可靠性。

摘要：提出了一种基于 bp学习算法的正弦基函数神经网络模型 ,给出了该神经网络模型的收敛性条件 ,为神经网络训练的学习率选取提供了依据。根据本文提出的优化设计算法 ,作者详细研究了 FIR线性相位带通滤波器优化设计实例。研究结果表明 ,本文设计的 FIR带通滤波器 ,基阻带衰耗特性好 ,最小衰耗分别在 10 0分贝和 14 0分贝以上 ,这是任何其它优化设计方法难以实现的。

摘要：详细阐述了前馈神经网络bp学习算法的原理和推导过程,并介绍了VB语言程序设计的方法,对实现智能控制技术的工程应用,具有现实意义。

摘要：提出了利用神经网络研究微波电路优化技术这样一种新的设计方法。采用神经网 络中经典的bp学习算法设计出宽带三阶阶梯阻抗变换器,同时为了克服神经网络对复数训 练无法降低误差的缺点,巧妙地运用了将负载阻抗变换到波腹点处使阻抗为实数,训练得到最 佳结果后再变回到负载阻抗位置这一方法,最后通过对定宽度,定长度,λ/4三种阻抗变换器 的比较,证明bp学习算法设计出的定长度三阶阶梯阻抗变换器的优越性能。