模糊控制与神经网络相结合的预测研究

针对模糊控制与神经网络的特点，提出了一种新的将模糊逻辑与神经网络相结合的方式，即模糊神经网络，同时给出了有效的算法；该算法训练速度快，预测精度高，并且用仿真实验验证了该模糊神经网络对混沌系统具有很好的预测性能。利用该模糊神经网络对一维Logistic map标准混沌系统进行了预测仿真实验，同时，与一般的神经网络进行了对比，讨论了该模型对被噪音污染的混沌数据的处理能力。     

神经模糊技术在柔性加工工序质量保证系统中的应用研究

本研究分析了柔性中的误差源及误差映射关系，融合神经网络与模糊理论的优点，建立了基于神经网络的模糊控制模型，在某关键件柔性和工序质量保证系统中取得了较好效果。     

数据融合在雷达/红外复合制导中的应用研究

文中解决了数据融合在雷达/红外复合制导中的应用的几项关键问题.利用模糊集合来描述检测率和虚警率,提出了一种多传感器目标检测的模糊信息融合算法.利用神经网络研究了双模制导体制下目标跟踪数据融合问题,并也给出了一种具体的算法.     

基于模糊神经网络PID的机床直流调速系统

为解决PID参数的在线调整问题,针对龙门刨床的主拖动系统,提出将神经网络的模糊PID自适应控制器用于直流调速系统的方法。分析龙门刨床电气设备的组成,综合模糊控制和神经网络的长处,将神经网络、模糊逻辑和PID控制相融合,构成模糊神经网络控制器,并通过MATALAB对系统进行仿真。设计时,将模糊规则融于神经网络中,通过对神经网络的自学习、自适应能力在线调整模糊规则和隶属函数参数,对PID控制器实现在线实时调整。仿真结果表明,该系统比普通控制器具有更好的动、静态特性。     

基于自适应模糊神经网络的反舰导弹非线性控制算法

提出了一种综合运用动态逆、模糊神经网络和滑模控制的非线性控制方法.首先运用动态逆理论对非线性系统进行近似线性化,利用具有在线学习能力的模糊神经网络来抵消系统的误差,建立了基于自适应模糊神经网络的控制结构,根据李雅普洛夫稳定理论导出了网络权值的自适应调整规则,用滑模控制和鲁棒控制分量保证了系统的鲁棒性.并将该非线性控制算法用于某型侧滑转弯导弹的控制系统设计.仿真结果表明,这种方法能有效消除扰动的影响,提高导弹过载控制系统响应的精度.     

一种基于模糊神经网络融合的故障诊断模型研究

在分析模糊神经网络优点的基础上,提出了一种基于模糊神经网络融合的故障诊断模型.该模型结构是由信息分配模块、并联模糊神经网络的诊断模块和决策融合模块组成.仿真结果表明,该模型能够充分融合信息,提高确诊率.     

新研武器装备技术风险评估决策支持系统

针对武器装备研制过程中技术风险的复杂性，综合运用层次分析和模糊综合评价等方法，提出一种技术风险评估决策支持系统模型，其由对话层、决策层、管理层、数据层组成，系统工作分为建立和运行2个阶段，系统的运行采用模糊评判、层次分析和神经网络分析等现代数学方法进行。以新研飞机为例，构建技术风险评估体系，最后对总体设计技术风险进行量化评估。     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法，从故障征兆空间提取信号，再将信息向子模糊神经网络分配；诊断模块中的子模糊神经网络为并联结构，分别从故障发生的不同侧面进行诊断；输出结果经归一化处理，满足基本可信度分配函数的条件。最后进行信息融合，即得到最终故障诊断结果。经算例证明，该方法可靠、有效。     

基于高斯模糊神经网络的多传感器目标识别系统

结合模糊推理和神经网络两种方法的优点，提出了基于高斯模糊神经网络的目标识别系统。通过对多传感器的目标特征的数据融合。实现目标类型的准确判断。仿真结果说明了该系统具有较高的目标识别率和较好的抗干扰能力。     

基于模糊神经网络的BTT导弹自适应控制

针对不确定非线性BTT导弹控制系统,提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项,应用模糊神经网络的万能逼近性质来逼近系统不确定项,然后利用滑模控制和自适应模糊神经网络理论设计了控制器,应用Lyapunov稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。     

多传感器信息融合的模糊神经Petri网模型

将模糊产生式规则应用到多传感器融合系统中得到一种模糊信息融合方法，再用Petri网对此信息融合系统建模。在此基础上将人工神经网络与Petri网相结合，提出了一种多传感器信息融合的模糊神经Petri网模型。     

水下目标自动识别的核心技术

综述了国内外水下目标自动识别领域的研究现状和实现的核心技术途径，分析了在该领域的研究热点和发展趋势。     

神经网络 PI 控制算法在燃气发生器上的应用

为解决燃气发生器喉部时变性使得控制系统对燃气发生器压力控制较为困难的问题,采用神经网络PI算法、模糊PI控制算法和PI算法进行压力控制仿真对比的方法,研究神经网络PI控制算法对容积时变的燃气发生器压强控制的有效性.结果表明:当燃气发生器自由容积变化15倍时,模糊PI算法响应速度是PI算法的8.0倍,且神经网络PI算法控制的压力超调量为0;3种算法中,神经网络PI算法响应速度最快,压力产生的超调量最小,可以较好地解决自由容积时变性带来的控制超调和响应慢的问题.     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

基于自适应模糊神经网络抗箔条干扰技术的研究

为了提高舰载雷达抗箔条干扰的性能,提出了一种基于自适应模糊神经网络的抗箔条干扰方法。利用自适应模糊神经网络的非线性映射和学习能力,在舰载雷达目标回波信号受到箔条回波的强干扰下,对雷达目标进行识别,从而得到目标信号。仿真结果表明,该方法能有效地抑制箔条回波信号,且效果较好。     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

Fuzzy Control Based on Neural Networks for Armored Vehicle Electric Drive System

In order to meet rigorous demands of control of electric motors in armored vehicle electric drive system and make the system of strong robustness and antijamming capability, a fuzzy control method based on neural networks is put forward. The simulation model of the armored vehicle electric drive system is built up to test the validity of the control. Simulation experiments show that when load is increased or decreased suddenly, the system adopting fuzzy control based on neural networks is insensitive to parameter change and has little overshooting and oscillation compared with PID control.     

基于神经网络的模糊控制在装甲车电传动控制系统中的应用

针对装甲车辆电传动系统是一个复杂的多变量、非线性系统,其控制系统的扰动变化大,对驱动电机的控制要求苛刻的特点,根据模糊控制器对参数的变化不敏感,对非线性系统进行控制时往往能取得较好的控制效果,以及神经网络的学习功能、联想记忆功能、分布并行式处理功能可以更好地实现模糊逻辑控制中的规则表示、知识获取和并行推理,因此利用神经网络来实现无刷直流电机调速系统的模糊控制。在MATLAB中进行计算机仿真,通过仿真分析表明,当突然加、减负载时,神经网络模糊控制与PID控制相比,具有对参数变化不敏感以及超调和振荡小等特点。该控制方法被证明适用于装甲车辆电传动系统。     

基于模糊极小极大神经网络的雷达一维像识别

雷达目标一维距离像是随雷达姿态角变化的,但由于目标姿态变化的连续性及目标散射点分布的连续性,其一维距离像是一个随视角变化而逐渐演变的过程,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线.本文在基于线性内插神经网络对雷达一维距离像识别的基础上,改进了线性内插时特征轨迹线的形成方法.提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线.进行了三类飞机目标的0～180°姿态角范围内一维距离像的分类实验研究,结果表明,用模糊极小极大神经网络分类器对雷达目标一维像分类有较高的分类准确率.     

基于模糊神羟网络的战术互联网呼叫接纳控制

呼叫接纳控制是通信网络业务量控制中的一种预防式策略。针对战术互联网的特殊性，提出了基于模糊神经网络的战术互联网呼。1接纳控制模型和相应的算法。该方法用信元丢失率和时延来描述服务质量，符合军事通信网络的要求；体现了基于测量的接纳控制的基本思想，使模糊神经网络预测器能够及时地反映网络的当前状态，保证了呼叫接纳控制算法结果的准确性。仿真实验结果表明了该方法的有效性和优越性。