基于模糊逻辑的交通信号控制

本文给出了一种采用模糊逻辑进行路口信号灯控制的方法。通过从路口检测器获取车辆信号，模糊规则对信号灯进行优化控制。对本方法进行了仿真模拟，给出了实验结果。     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能，本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构，利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络，这种控制策略是学习和控制同时进行，实时性、鲁棒性都比较好。     

基于模糊神经网络的模糊控制器综合优化设计 Ⅰ设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并 利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

城市主干道交通信号自适应控制设计

介绍了一种新型的交通信号自适应控制系统，以可编程控制器为现场控制器，构建两级协调控制模式，第一级采用精确算法计算控制参数，第二级用模糊控制法对多个路口参数进行优化协调控制，两层控制的算法分别由PLC语句和C＋＋实现。     

基于模糊神经网络的方向行波保护

在进行行波保护原理分析的基础上,提出了基于模糊神经网络的自适应方向行波的保护方法和步骤.采用EMTP仿真获得大量数据用以训练和测试网络,使得该类保护具有极高的可靠性.     

基于模糊神经网络的模糊控制器综合优化设计──Ⅰ．设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

基于模糊控制的单路口交通信号控制方法

利用模糊控制不需要建立被控对象精确数学模型的特点,提出了一种基于车辆等待长度的单路口交通实时模糊控制方法．仿真结果说明了该方法的有效性     

模糊神经网络控制在直流电机控制中的应用

利用神经网络实现对直流电机调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突加、减负载时，神经网络模糊控制与PID控制相比较，具有恢复时间短，超调和振荡小等特点。     

基于排队长度的多路口交通信号控制方法

城市区域交通信号控制是一个复杂的问题,排队长度是一个特别重要的参数,提出了一种基于排队长度的多路口交通信号控制方法。该控制方法根据各路口的交通状态信息,利用模糊控制算法协调区域内各路口的交通信号配时,达到整体最优的目的,仿真研究结果表明,相对于传统的定时控制方法,该方法可以取得整体较优的效果。     

二级倒立摆的递阶模糊神经网络控制

为了表明模糊神经网络控制器比较适合于控制快速、多变量、强非线性、绝对不稳定系统，可以克服用模糊神经网络控制多变量系统时的规则组合爆炸问题。本文提出用递阶模糊神经网络控制二级倒立摆。这种方法可以有效地减少多变量输入的模糊神经网络控制器的规则数，有利于利用专家的控制经验初始化网络参数，从而有利于下一步利用遗传算法对其进行优化。实验结果表明：与线性最优控制相比，本文方法的控制效果好、鲁棒性强。     

张涛，张文平，王炎基于模糊控制原理的智能交通信号控制系统的设计

为了解决交通拥挤问题,根据不同方向的车辆流量合理地安排交通路口通行时间,设计了一种采用模糊控制原理的智能交通信号控制系统。详细给出交通信号模糊控制器的结构原理和设计结果。并设计以AT89 C51单片机为主控制器的交通信号控制系统,用以验证设计的模糊控制器。系统采用模糊控制原理对交通信号进行智能调整,实现根据车流量自动调整不同方向交通信号的点亮时间和通行时间。模糊控制器的设计过程与仿真结果表明：模糊控制原理是完成智能自动调整交通信号的理论基础,并具有实际的应用价值。     

基于模糊神经网络的超声电机的位置控制

超声电机的优良特性使其得到越来越广泛的应用,但由于其时变和非线性特性,使电机的速度和位置控制成为研究热点。文中将模糊神经网络用于电机的位置控制中,模糊逻辑部分获得专家知识,神经网络部分调整参数,通过改变超声电机的驱动频率来实现精确的位置控制,并通过实验和仿真来验证这种方法的有效性。     

基于RBF神经网络与模糊控制的短期负荷预测

针对电力系统短期负荷预测,综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,建立了径向基函数（Radial?Basis?Function,RBF）神经网络和模糊控制相结合的短期负荷预测模型。该模型利用RBF神经网络的非线性逼近能力对预测日负荷进行了预测,并采用在线自调整因子的模糊控制对预测误差进行在线智能修正。实际算例表明RBF神经网络与模糊控制相结合提高了预测精度。     

FP神经网络实现单片机智能控制终端

本文通过将新型FP(Forward Propagation)神经网络及其前馈算法应用于单片机智能控制终端中,系统可以通过不断的知识扩充,从而可以实现真正的智能控制.同时该单片机控制系统还可以实现与上位机通讯及系统信息采样时系统控制指令码和信息传递码的自动纠错和容错,保证系统安全可靠地正常运行.     

基于模糊神经网络的数据挖掘算法

提出了一种基于模糊神经网络的数据挖掘算法，通过计算隶属函数、构造及训练模糊神经网络、网络裁减、规则提取等步骤实现该算法，通过仿真，验证了该算法的正确性。     

基于模糊神经网络的变电站电压/无功控制方法

提出了基于模糊神经网络技术的变电站的电压／无功控制的方法,该方法不需要建立精确的数学模型,对外部参数的变化具有良好的适应性,克服了目前普遍应用在变电站的电压／无功控制系统中分区方法存在的不足。仿真计算结果表明,应用该控制方法对调节变电站的电压／无功具有良好的效果。     

基于模糊小波基函数神经网络的电子节气门控制

电子节气门的精确控制对于混合电动汽车的驱动性能、燃油经济性能和排放性能是尤其重要的.介绍了电子节气门的结构和特点.提出了基于模糊小波基函数神经网络的电子节气门控制方法.仿真结果表明,该方法对于电子节气门控制具有较好的效果.     

基于模糊推理的电梯交通模式识别

简要分析了电梯客流的交通特点,以准确描述客流特征的交通构成和交通强度为模糊推理输入变量,构建了新交通模式识别的模糊推理算法,总结出辨识12种交通模式的27条规则.