补偿模糊神经网络自适应逆控制的仿真研究

该文应用的补偿模糊神经网络（CFNN）是结合补偿模糊逻辑和神经网络的混合系统。由于引入补偿神经元使网络容错性更高，系统更稳定；同时模糊运算采用动态的、全局优化运算，并在神经网络学习算法中动态优化补偿模糊运算，使网络更适应，训练速度更快。将补偿模糊神经网络与白适应逆控制原理结合应用到某位置伺服系统噪声消除控制中，并同用BP网络，传统PID控制和常规模糊神经网络控制效果比较来证明此方法的优越性。仿真结果表明补偿模糊神经网络自适应逆控制在缩短训练时间，提高控制精度等方面都有显著改善。     

基于小波分解和FNN的图像数据可控有损压缩算法研究

提出一种补偿模糊理论和神经网络的混合系统,混合系统引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.在图像有损压缩算法设计中,应用该算法进行矢量归类及编码,并结合小波分解算法,按控制要求逐级去除冗余或非主要信息,进行图像有损压缩,使其满足数据通讯拥塞控制的特殊要求,具有压缩率可控,同等压缩率条件下图像质量更佳两大优点.     

补偿模糊神经网络在模糊规则训练中的应用

目前，自治式水下机器人（Autonomous Underwater Vehicle，AUV）、自动导引驾驶小汽车、轮船等领域应用模糊规则控制已经受到许多人的关注，模糊规则的制定与训练是其中之关键所在，该文将模朔规则控制应用在无人机自由编队飞行控制中。在训练模糊规则过程中，常规的BP神经网络法存在学习速度慢、无法结合号家知识以及容易陷入局部最小等缺点，为了克服上述不足，文中引人了补偿模糊神经网络，它足一个结合了补偿模糊逻辑和神经网络的混合系统，由面向控制和面向决策的神经元组成，其模糊运算采用动态的、全局优化运算，学习速度快、学习过程稳定。将其用于无人机自由编队飞行的模糊控制规则进行训练，结果表明用补偿模糊神经网络刘模糊规则的训练效果良好。     

采用模糊ARTMAP神经网络的字符识别方法

本文研究了将模糊ＡＲＴＭＡＰ神经网用于字符识别方法。实验证明这种将模糊技术与神经网络相结合的混合系统具有较高的识别率和较快的识别速度，采用ＡＲＴＭＡＰ神经网络只需要较少的网络训练时间。     

基于模糊微分Petri网的混合系统表示

为了描述连续部分为模糊的混合系统,提出了基于模糊微分Petri网的混合系统表示方法。该方法的切换规则由时间来控制并由离散变迁来监督管理,而连续部分则由模糊微分方程描述,通过模糊微分库所和模糊微分变迁来建模。最后通过实例来展示我们的Petri网对混合系统的表示能力。     

一种新型模糊-粗神经网络及其在元音识别中的应用

为度量模糊粗不确定性信息，引入了模糊粗隶属函数．基于模糊粗糙集理论构建了一种新型的模糊，粗神经网络（FRNN）,该网络融合了模糊信息和粗糙信息的处理能力．对5个元音字母的语音识别进行测试，结果显示FRNN网络不仅训练速度快，而且分类性能优于BP网络、RBF网络和贝叶斯分类器．     

模糊逻辑补偿的网络PI控制系统及稳定性分析

针对现代工业过程中常用的网络PI控制系统, 分析了网络所诱导的时滞对PI控制系统性能的影响, 设计了一个模糊逻辑补偿器来实现对网络所诱导的时滞的补偿. 利用Hermite-Biehler引理在准多项式稳定性问题上的推广, 研究了具有模糊逻辑补偿的网络PI控制系统的稳定性问题, 给出了使闭环系统稳定的模糊逻辑调节参数的取值范围. 仿真结果验证了理论分析结果的有效性.     

网络时延的模糊逻辑补偿方法的研究

当网络应用到控制系统中时，网络将引起时延，从而对闭环网络控制系统产生一些不利的影响，比如系统性能下降，系统不稳定等。本文介绍了通过在已有的PI控制器的基础上，再增加一个模糊逻辑补偿器来补偿网络控制系统中网络所引起的时延，其优点是不需要再重新设计已有的PI控制器，而只是简单地将模糊逻辑控制器的输出作为一个参数来调节PI控制器所提供的控制信号。文中采用了MATLAB／SIMULINK仿真，仿真结果表明了该方法的有效性。     

具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力，加快输出跟踪误差的收敛速度并提高其精度，提出了一种稳定的模糊自适应控制策略。该控制算法基于模糊逻辑系统，将模糊自适应控制器的设计与H∞控制相结合，在鲁棒补偿的基础上引入模糊补偿；并基于Lyapunov方法，给出了学习自适应律，及H∞跟踪特性的证明。对二自由度机器人的仿真结果表明，该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善，具有良好的鲁棒性和抗干扰能力。     

改进的动态模糊神经网络及其在人脸识别中的应用

结合动态模糊神经网络和补偿模糊神经网络,提出一种改进的动态模糊神经网络。首先介绍动态补偿模糊神经网络的结构和学习算法,然后将其用于人脸识别。对Weizmann人脸数据库和ORL人脸数据库的人脸图像识别实验表明,动态补偿模糊神经网络分类器算法性能优于一般的动态模糊神经网络。     

网络控制系统模糊PI时滞补偿算法研究

针对网络控制系统中普遍存在的时滞问题,将模糊逻辑补偿算法引入传统PI控制器的设计,以消除闭环网络控制系统中由时滞引起的控制性能下降、系统不稳定等不利影响.模糊PI时滞补偿算法中,无需更改传统PI控制器的设计,以模糊补偿器调制PI控制器的输出.以实时性要求较高的无刷直流电机为应用实例,仿真结果证明了该控制算法的有效性和可行性,该方法可使具有时滞特性的远程网络控制系统保持良好的动、静态特性与较强的抗干扰能力.     

改进型模糊控制器在网络控制系统中的应用研究

针对网络控制系统中的网络诱导时延和丢包问题,本文提出了改进的模糊控制方案.在基本模糊控制器的基础上,加入了二级模糊控制和网络延迟补偿环节.仿真结果表明改进型模糊控制器对大滞后系统有着很好的控制效果.     

一种基于NFCS形态的模糊神经网络的学习算法

神经网络与模糊逻辑协同系统（NFCS）是神经网络与模型系统深度融合的一种形态，传统的BP算法也可作为NFCS的学习算法，但收敛性能不佳，针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法（NFCS－BP），即在误差传播时不仅改变网络的连接权值，同时也改变模糊逻辑神经元模型的补偿参数，首先介绍了NFCS的协同机制和典型结构，然后详细推导了改进算法的迭代公式，实践证明，与传统BP算法相比，该算法具有收敛性能好，函数逼近精度高的优点。     

基于补偿模糊神经网络的制冷系统故障诊断研究

选择反映制冷系统故障状态的热力参数集组成特征向量,并对其进行模糊化处理,利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系.将神经网络和补偿模糊逻辑相结合, 采用动态、全局优化的运算, 充分利用了相互间的优点.网络不仅能适当调整输入输出模糊隶属函数, 也能借助于补偿逻辑算法动态优化相应的模糊推理.仿真实验证明该模型在智能诊断中具有收敛速度快, 诊断精度高, 而且适应性强等优点.     

在线变结构模糊神经网络的自适应内模控制

本文提出一种在线变结构补偿模糊神经网络训练算法.该在线变结构算法,使得出的网络结构简单.并且由于该网络引入了补偿模糊神经元,使网络能对模糊规则进行在线的训练.将此算法应用到仿射非线性动态系统和大时滞线性动态系统的内模控制中.仿真结果表明,该方法能有效的控制动态过程,具有较好的自适应性和鲁棒性.     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统，提出一种自适应模糊逻辑补偿控制新方法。其控制律由跟踪控制律和逼近误差补偿控制律两部分组成。利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿，由模糊滑模控制律来实现对模糊逻辑系统逼近误差的进一步补偿。所设计的控制器可保证闭环系统一致最终有界。     

基于时延动态补偿的网络控制器的设计

在网络控制系统中由于网络带宽的限制,不可避免地使网络系统产生网络诱导时延,从而导致系统性能下降甚至不稳定。文章针对延时不确定使得Smith预估补偿控制效果差的问题,提出了新的Smith补偿控制算法,根据控制器反馈信息对网络延时进行动态补偿,并与模糊PI控制方法相结合,构成Smith预估模糊PI控制器,使得闭环控制系统即使在模型失配的情况下,仍具有较高的稳定性、较强的鲁棒性。仿真结果表明,该方法可行有效。     

一种补偿递归模糊神经网络及其学习算法

文中在系统研究各种模糊神经网络的基础上,通过在传统的模糊神经网络中引入递归环节和补偿环节,提出了一种新型的补偿递归模糊神经网络(CRFNN)。在此基础上,进一步提出了一种序贯学习策略对网络进行结构辨识,可有效确定模糊规则的条数及相关参数的初始值。文中还针对CRFNN的特点,通过改进BP算法,对CRFNN网络的结构参数进行学习。通过对典型非线性系统的建模计算,结果表明:文中的CRFNN具有优良的动态响应特性和很强的学习能力。     

粗糙集理论在补偿模糊神经网络中的应用

该文首先引入一种具有快速算法的补偿模糊神经网络.通过对粗糙集理论中的贪心算法进行改进,提出一种新的模糊化方法,并将此方法运用到补偿模糊神经网络的输入模糊化和规则提取中.通过用MATLAB编制程序进行仿真研究,证明改进后的网络与原补偿模糊神经网络相比,在精简决策规则、缩短训练时间、提高误差精度等方面都有显著改善.最后将改进后的网络应用到某位置伺服系统的扰动消除控制中,仿真结果表明此方法的有效性.     

采用双交叠模糊分划的T-S模糊系统的稳定性分析

研究前件变量采用双交叠模糊分划的T-S模糊系统的稳定性问题．首先针对自由系统，将连续时间系统的、基于最大交叠规则组的稳定性分析方法推广应用于离散时间系统，并采用模糊Lyapunov方法得到了稳定性的新结论．采用非并行分布补偿控制律，针对受控系统也得到了相应的结论．这些结论比已有的结果更加宽松．仿真例子验证了该稳定性结论．