神经非模型控制理论及应用研究

神经非模型控制理论及应用研究：提出了面向控制的增量式、多参数等神经元及网络模型：研究了神经学习理论、模糊系统与神经元网络的融合形态，提出了复合控制策略及采用不同学习速率的联想式控制学习算法。提出了模糊增益自整定、欠阻尼对象的神经元非模型控制方法；提出了基于静态解耦或对角优势的多变量神经和模糊神经控制方法等一系列神经非模型控制方法。研究了神经元控制系统的状态空间描述和稳定性。以实际对象和工业过程为背景，探讨神经非模型控制在工程应用中的问题并进行实验研究。本项目取得了新颖、独特、丰富、实用性强的成果，发表了学术论文33篇，其中EI收录的3篇，在IEEE出版物上发表的11篇，完成博士学位论文1篇。