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。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

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。     

神经网络模糊控制在电厂主汽温系统中的应用研究

神经网络的自学习模糊PID控制综合了神经网络和模糊逻辑2种控制技术的优势。通过结合构成的控制器，根据神经网络的分类去构建模糊规则库，在强化PID控制功能的同时降低了构建模糊库的难度。这种新型的PID控制器对于大迟延和模型不稳定的电厂主汽温的控制是十分有效的。通过系统仿真研究，基于神经网络的自学习模糊PID控制器在控制品质方面明显优于常规PID控制系统，尤其在变工况时，控制效果更加明显。     

基于模糊神经网络的同步发电机转子匝间短路预测

模糊神经网络是模糊逻辑与神经网络相结合而构成的，具备了模糊技术和神经网络技术的优点，从而被应用于电力系统故障诊断中，是一种使用方便的处理系统，基于模糊神经网络对同步发电机转子匝间短路故障预测进行研究，经过训练后的模糊神经网络，在对发电机转子匝间短路故障进行预测时，有较高的准确性和有效性。     

汽轮机组凝汽器故障诊断方法的分析研究

结合凝汽器的实际运行状况和现场专家经验，介绍了3种凝汽器故障诊断方法：模糊模式识别、神经网络、模糊神经网络。用实例对几种方法进行分析比较，指出了凝汽器故障诊断方法的发展趋势。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

混合系统──智能技术的集成

将各种智能技术予以集成是通向下一代智能技术的重要途径。本文介绍了某些混合技术，包括模糊神经网络、基于神经网络的遗传算法和模糊遗传算法，并简要地介绍了它们在电力系统中的应用。     

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。     

模糊神经网络在变压器故障诊断中的应用研究

基于模糊逻辑理论和人工神经元网络，提出了将模糊神经网络应用于变压器故障诊断的方法，该方法实现了变压器故障的智能诊断。     

电力系统自组织模糊神经网络稳定器

本文提出一种自组织模糊神经网络稳定器，首先根据专家经验知识构成稳定器模糊模型，然后用自组织模糊神经网络来表示这个模型，最后通过组织误差修正学习来实现模型的自适应过程，仿真试验表明它比普遍模型稳定器性能优且有较好的鲁棒性。     

模糊神经网络在坦克电传动控制器中的应用

文章介绍了将模糊神经网络用于电传动系统的速度控制器和模糊神经网络的实现，以及如何利用MATLAB中的神经网络工具箱对模糊神经网络进行训练。以MATLAB／SIMULINK为仿真平台建立了电传动系统仿真模型，经仿真表明该系统的抗干扰能力强，满足电传动系统的设计要求。     

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点，提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，从而使系统具备了自适应的特性。实验结果表明，这种基于模糊B样条基函数神经网络的分类器经过训练后，可应用于遥感图像的分类，其分类精度明显高于传统的最大似然分类法。     

基于模糊神经网络的故障诊断在永磁直线同步电动机中的应用

针对永磁直线同步电机的特点，应用基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对该电机故障的模糊诊断。介绍了模糊神经网络的结构和学习方法，利用了一种阈值向量故障判别方法，使永磁直线同步电动机的故障判别灵活、可靠。仿真结果表明，该方法是行之有效的。     

混合系统——智能技术的建成

将各种智能技术以集成是通向下一代智能技术的重要途径。本文介绍了某些混合技术，包括模糊神经网络、基于神经网络的遗传算法和模糊遗传算法，并简要地介绍了它们在电力系统中的应用。     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法。利用模糊逻辑和RBF神经网络的等价性将模糊逻辑和神经网络有机的结合来构成模糊神经网络,并对BP神经网络、RBF神经网络和模糊神经网络三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,模糊神经网络算法具有良好的收敛性能,除收敛速度快于BP神经网络算法和RBF神经网络算法以及稳定性强外,而且具有更高的起始收敛速率,更小的权噪声,更大的抑噪能力。     

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模糊控制器综合优化设计Ⅱ．模糊电力系统稳定器

针对单机—无穷大电力系统，利用所提出的模糊控制器综合优化设计方法设计了基于模糊神经网络的模糊电力系统稳定器（ＦＮＮ－ＰＳＳ），并由数字仿真证明了所提出方法的有效性和实用性。     

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。