铅锌烧结过程透气性的智能集成建模与优化控制

通过模糊分类的方法，将铅锌烧结过程透气性建模的数据进行分类成为高低温烧结子空间，分别建立两个相同结构和算法的神经网络模型并进行模型集成。通过专家规则将烧结状态透气性预测的结果用于指导铅锌烧结过程的优化控制。该研究采用包括神经网络、模糊逻辑规则等在内的各种技术的集成来建立烧结过程透气性状态的预测模型，然后设计基于烧结过程透气性状态预测模型的优化控制器的优化控制操作参数，使指标参数得到优化。     

工程机械模糊神经网络挡位决策方法

结合工程机械的工作特点 ,提出了一种可应用于工程机械换挡决策的模糊神经网络(FNN)方法。并且利用ZL50装载机传动系统模糊换挡控制试验的数据进行了验证性仿真试验 ,该模糊神经网络系统实际上是对模糊控制系统的一种自适应与自学习的神经网络算法改造。仿真结果表明 :该挡位决策方法可以根据操作工况环境实现正确的变速箱挡位决策 ,为FNN换挡控制器的开发做了理论准备     

工程机械模糊神经网络挡位决策方法

结合工程机械的工程特点,提出了一种可应用于工程机械换挡决策的模糊神经网络（FNN）方法。并且利用ZL50装载机传动系统模糊换挡控制试验的数据进行了验证性仿真试验,该模糊神经网络系统实际上是对模糊控制系统的一种自适应与自学习的神经网络算法改造。仿真结果表明：该挡位决策方法可以根据操作工况环境实现正确的变速箱挡拉决策,为FNN换挡控制器的开发做了理论准备。     

城市主干道的多路口模糊协调控制

首先提出一个简化的交叉路口交通流模型,然后从系统的角度提出了一种区别于传统信号协调控制的新算法.模仿交警指挥时的判断决策过程,设计了一种基于相序优化的模糊控制器.进行交通控制时,采用模糊控制器和相序优化器联合控制.前者用来决定改变当前绿灯相位时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,控制效果良好.     

城市主干道的多路口模糊协调控制

首先提出一个简化的交叉路口交通流模型,然后从系统的角度提出了一种区别于传统信号协调控制的新算法。模仿交警指挥时的判断决策过程,设计了一种基于相序优化的模糊控制器。进行交通控制时,采用模糊控制器和相序优化器联合控耕。前者用来决定改变当前绿灯相位时刻,后者从相序中根据优先权的大小决定下一个放行相位。仿真研究表明,控制效果良好。     

基于专家规则的模糊控制器的仿真研究

结合一个机炉非线性模型,设计了一种炉跟机协调控制方式,对主汽压力控制回路采用基于专家规则的由ＰＩ类型模糊控制器和ｂａｎｇ－ｂａｎｇ控制器构成的智能控制器;对功率控制回路采用ＰＩ类型模糊控制器。通过仿真研究证明,控制效果明显优于两回路均采用传统ＰＩＤ控制器的控制系统。     

基于神经网络预测的铝电解模糊控制系统应用

目的采用神经网络作为非线性估计器,设计自组织模糊控制器,解决常规控制方法难以解决铝电解过程中存在的时变和大时滞问题,提高控制性能.方法在分析铝电解生产过程的基础上,通过建立神经网络预测模型以及基于规则双阶段获取的自组织模糊控制器,将神经网络与预测控制算法相结合,提出了一种基于神经网络预测的铝电解模糊控制系统.结果给出了以STD工业总线控制机为核心的模糊控制系统,实现了铝电解过程的最优控制.使得神经网络预测模型的输出能够很好地跟踪铝电解生产过程,预测效果更佳.结论该系统能使电解过程很快达到稳态,产生的超调量较小,具有良好地响应特性和鲁棒性,提高了铝电解过程的动态和稳态性能.     

一种基于神经网络识别差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别误差动态特性的自适应模糊控制器,该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取。仿真结果表明,其控制性能明显优于普通的模糊控制器。     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

一种基于神经网络识别误差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别动态特性的自适应模糊控制器。该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取,仿真结果表明,其控制性能明显优于普通的模糊控制器。     

具有公交优先的路网交通流智能协调控制

在分布式道路交通控制结构以及模糊理论和人工神经网络技术的基础上,提出了一种具有公交优先的路网交通流智能协调控制技术.把整个路网作为一个大系统,路网中的各个路口为子系统,每个路口设置一个网络型的多相位智能信号控制机,实现对当前路口的交通控制和相邻路口间的协调.核心部分由3个模块组成：公交优先模块、绿灯观察模块和相位切换模块.详细设计了每个模块模糊决策方法,并用人工神经网络来实现模糊关系并提高系统的鲁棒性.目标通过相邻路口信号控制机的信息交互和协调,实现整个路网交通流的协调和公交优先通行.仿真研究结果表明,在时变和大流量交通环境中,该技术的控制效果明显优于传统的单路口车辆感应控制方法.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

基于决策树与脉冲神经膜系统的输电网故障诊断方法

为有效处理电网故障诊断过程的不确定和不完备信息,提出一种基于决策树与模糊推理脉冲神经膜系统的输电网故障诊断方法:首先采用权重网络分割法将电网分割为若干小型子网,再利用决策树算法对原始故障决策表进行训练,并约减故障信息,提取输电网故障产生式规则;然后利用模糊推理脉冲神经膜系统的强大知识并行推理和模糊信息处理能力,建立基于 FRSNPS 的故障诊断模型,实现输电网故障诊断;最后,以 IEEE14 节点标准系统为对象进行仿真实验和分析。实验结果表明,该方法在单类型和多类型故障信息丢失时,依然能够诊断出正确故障元件。     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

轴类零件外圆纵向磨削尺寸智能预测和控制系统

针对纵向磨削非线性和非静态的特点,建立了轴类零件纵向磨削的E lman动态神经网络尺寸预测模型。为了提高尺寸预测的准确性,将实际磨削尺寸的一阶导数和二阶导数做为网络的输入。采用论域自调整策略和模糊控制理论建立了纵向磨削的控制模型,选择工件的转速vw作为控制变量。仿真和实验结果表明所建立的神经网络尺寸预测模型和模糊自适应控制模型是正确的。     

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。     

基于自适应神经网络的柔性关节机械臂控制

柔性关节机械臂系统是一个非线性高阶系统,且其动力学方程难以精确地获得。因此,提出一种以关节驱动电机的输入电压为控制量的自适应神经网络控制器,用于控制多连杆柔性关节机械臂系统。所提控制方法通过对柔性关节机械臂模型解耦得到关节转角关于电压的方程,以电压为系统控制输入。设计神经网络控制器用于逼近最优控制输入,并设计鲁棒控制器补偿逼近误差。该控制方法不再涉及复杂的动力学方程,因此能简化计算。相比已有控制方法,所提出的控制策略更简单、响应更快且更有效。并以二连杆柔性关节机械臂为例进行了仿真研究,结果证明了所提出控制方法的有效性。     

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.