基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

径流中长期预报的粗集模糊推理-神经网络模型

针对传统径流中长期预报模糊推理法存在的问题,基于粗集理论、模糊推理和神经网络技术,提出了基于粗集模糊推理-神经网络的径流中长期预报模型.通过比较预报因子相关关系系数值大小来选择径流的预报因子;用粗集理论约简径流中长期预报决策表,产生模糊推理规则;用BP神经网络技术学习模糊推理中的有关参数.实例验证,该模型比较客观地确定了预报因子模糊子集的隶属函数的参数,简单可行.     

自适应神经网络模糊推理系统在结构振动主动控制中的研究

运用线性二次型经典最优控制算法获得学习样本，由神经网络反向传播算法训练产生模糊规则和隶属度函数，设计自适应神经网络模糊控制器，通过某结构地震波作用下振动控制的数字仿真，表明自适应神经网络模糊推理系统可以有效地应用到结构控制中。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

模糊数据流的进化粒度神经网络分类算法

模糊数据流的分类问题大多从模糊数据流中提取典型的特征来进行分类,没有考虑到概念漂移及非平衡问题。基于此,从模糊粒度神经元入手,构建了进化粒度神经网络的多层次拓扑结构。采用了模糊神经元的信息聚集规则,提出了进化粒度神经网络的模糊编码方法与快速进化原理。运用梯形隶属函数对进化粒度神经元的聚集和模糊推理功能进行递归,通过关联函数和核函数来评估奇异逼近与粒度的近似结果,并以进化迭代和半监督分类方法解决了模糊数据流中的概念漂移及非平衡问题,从而实现了对模糊数据流的有效分类,仿真结果也证明了该方法的有效性。     

神经模糊控制在热工过程中的应用研究

由于热工过程的非线性以及模型的不确定性，神经网络则可以逼近任一非线性的函数，模糊系统可以模拟一个不能用精确数字模型的过程。提出了采用适应性子集的神经模糊控制器，通过模糊适应性子集的相似性准则来进行网络的学习，可以来确定网络结构。该神经模糊控制器对非线性过程有广阔的应用前景。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

基于神经网络的模糊控制器及其应用

本文提出了一种基于神经网络的模糊控制器，采用神经网络技术实现模糊控制的知识规则的获取、隶属函数的确定及模糊推理，最后通过仿真实验证明了这种方法的有效性。     

基于模糊神经网络的深基坑变形预测

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.     

基于T-S模糊神经网络的电晕放电模式识别方法

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电...     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

建立在神经网络基础上的模糊控制器的设计

提出了建立在神经网络基础上的模糊控制器设计方法，这个控制器实际上是一个模糊控制规则被一个神经网络学习和联想使用的模糊控制器，从而获得一种比模糊推理更自然的使用人类经验的方法。仿真结果表明这种控制器是有效的。     

电动Ⅱ型表串级模糊主控器设计

在以电动Ⅱ型仪表组成的串级控制系统中，以自适应模糊控制器作为主控器，利用控制系统的输出误差来训练神经网络，以基本样条的张量算法映射，实现了模糊智能化。     

一类模糊-PID神经网络控制器

针对模糊ＰＩＤ复合控制的自适应问题,设计了一类基于模糊ＰＩＤ复合控制算法的神经网络控制器,经仿真实验获得了满意的效果。     

基于GA的模糊神经网络控制

在详细论述模糊神经网络技术基础上,提出了基于GA的模糊神经网络控制器构造方法.选择MATLAB作为开发工具,使用所提供的神经网络和模糊逻辑工具箱,完成了基于GA的模糊神经网络控制器设计,并应用ActiveX技术在虚拟测控系统中实现了对其的调用.     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

采用高木—关野模糊系统的自适应控制器

采用神经网络 ＢＰ算法提供信息对经验规则进行修改,用 Ｐｉ－Ｓｉｇｍａ神经网络表示的高木－关野模糊系统作为模糊控制器。对于对象模型参数变化的自适应性及系统控制规则参数的修改使控制输出能较快地跟踪系统输入。     

模糊逻辑推理的神经网络方法及其应用

应用可能性度量理论提供了一种模糊逻辑推理的神经网络实现方法,在该方法中,模糊规则羊件（ａｎｔｅｃｅｎｄｅｎｔ）和后件（ｃｏｎｓｅｑｕｅｎｔ）的语言变量被表示为神经网络的中权重,采用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法来学习相关语言变量的隶属度水平,介绍了控制器的构造和推理方法以及在移动机器人路径跟踪中的应用。     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

一种智能模糊—PID控制器的研究

本文提供了一种智能控制器的设计方法，在设计方法中综合运用了模糊控制技术、人工智能技术、ＰＩＤ控制技术。当完成阶跃响应任务时，采用一类模糊控制器，其控制器参数Ｋｕ由ＢＰ神经元网络推理得到，进入稳态后的消除余差、抗干扰任务由ＰＩＤ控制器宛成。对于一类大常值干扰，采用另一类模糊控制器改善了抗干扰性能。仿真结果说明了这种控制器设计方法的有效性。