铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程。提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化，基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化．智能集成优化控制技术具有高效性和实用性，有效地抑制了工况波动，提高了烧结矿产量和质量，取得了较好的工业控制效果．     

模糊神经网络模型混沌混合优化学习算法及应用

基于混沌优化的思想，提出一种新的模糊模型的优化学习算法．将模糊推理规则转化为模糊RBF网络模型，用模糊C均值(FCM)聚类算法和分区效验熵得到模型结构。用混沌变换序列寻优得到优化的中心初值群，用FCM获得最优聚类中心，最后获得模糊神经网络模型．将该方法应用于转炉终点磷含量预报模型。取得了较好的结果．     

SCARA机器人自组织模糊聚类神经网络控制器

本文提出了用于SCARA机器人运动控制的自组织模糊聚类神经网络控制器.该控制器基于模糊聚类方法在学习模糊规则之前先优化训练数据,去除冗余数据并解决数据冲突问题,不但减少了神经网络的计算负担,而且生成的规则更加适合机器人运动控制.控制器主要特点是能够动态地自组织结构,学习速度快,鲁棒性强.仿真结果表明控制效果很好.     

基于熵聚类模糊神经网络的轴类零件信息聚类分析

针对轴类零件，应用熵聚类模糊神经网络聚类技术进行分析．该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取，并应用梯度下降法对轴类零件的各类特征参数进行精炼．实验结果表明该方法对轴类零件的聚类分析是可行和有效的．这种方法模型比一般的模糊聚类方法更适用于数量多、类型复杂的零件分组．     

基于自组织神经网络的非线性系统建模

针对基于T-S模糊模型的非线性系统建模问题,提出了一种基于自组织神经网络的新方法.在T-S模糊模型的建模中,目前常用的模糊C均值聚类算法存在迭代次数多,计算耗时的缺点.首先,利用竞争学习算法对输入空间进行聚类,基于此结果,借助于模糊C均值聚类算法进一步优化聚类结果,提取T-S模糊模型的规则前件隶属函数参数.然后,采用最小二乘法求得T-S模糊模型的规则后件参数,从而建立起非线性系统的T-S模糊模型.最后,仿真结果表明,该方法可以为模糊建模提供好的模型结构,并且有较高的计算效率和精度.     

基于模糊聚类神经网络的化工过程预报模型研究

本文提出了在化工过程预报中的模糊聚类神经网络模型,该模型具有提取典型数据、优化模糊规则及优化参数的优点,在化工过程预报实验中与传统方法相比预报结果的精度提高,计算时间缩短。     

基于熵聚类模糊神经网络味觉信号识别系统的研究

提出了一种基于熵聚类的模糊神经网络味觉信号识别系统模型，该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取，并使用梯度下降法对系统参数进行精炼，系统兼具有良好的可解释性和学习能力，对11种矿泉水味觉信号的识别实验结果表明了该系统的可行性和有效性。     

四足步行机器人模糊规划优化算法

针对四足步行机器人等多变量系统模糊规则数目过多的问题，进出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的优化算法，从大量原始模糊规则中迭代辨识出模糊关系，并利用Ｋｏｈｏｎｅｎ网络对其进行聚类变换，最后得到了优化了的模糊规则，仿真结果证明了该方法的有效性。     

四足步行机器人模糊规则优化算法

针对四足步行机器人等多变量系统模糊规则数目过多的问题，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的优化算法．从大量原始模糊规则中迭代辨识出模糊关系，并利用Ｋｏｈｏｎｅｎ网络对其进行聚类变换，最后得到优化了的模糊规则．仿真结果证明了该方法的有效性     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

基于改进的模糊神经学习算法的模糊规则优化

对“改进的模糊神经学习算法”(DevelopedNeuro-FuzzyLearningAlgorithm)简单介绍,并针对这一新算法的缺点,提出了新的聚类方法得到最佳的规则数,利用模糊权值优化规则来改进这个算法,降低算法的时间复杂度,简化神经网络。     

一种模糊神经网络的结构和参数的确定方法*

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法.该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数.采用这种方法构建我国经济增长的模糊模型.研究表明这种方法构建的模糊神经网络具有更高的精度.     

一种基于人工免疫原理的最优模糊神经网络控制器

提出了一种基于人工免疫原理的最优RBF模糊神经网络控制器设计方案．首先给出了控制器结构，其次将免疫进化算法用于控制器参数的优化，设计了一种满足二次型性能指标的最优RBF模糊神经网络控制器．将该控制器用于控制实际倒立摆系统，并采用状态变量合成方法以大大减少模糊规则的数目，实验结果验证了该控制器的有效性．     

自适应模糊神经网络控制系统的研究

自适应模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则,又具有良好的自适应性,是目前受人们关注的课题。本文在对其分析的基础上又提出了卡尔曼滤波的学习算法,解决了原BP算法实时性差的问题,通过仿真实验说明了其优越性,并体现了模糊神经网络与最优控制相结合的思想。     

机器人末端臂轨迹跟踪自适应控制设计

本文提出了新颖的机器人末端臂轨迹跟踪自适应控制方法。该方法与已有的神经网络模型不同之处在于数据首先利用运动学反解求出机器人各关节旋转的角度,然后应用径向基函数自组织进行神经网络学习生成模糊规则,利用监督学习算法(SLA)、最小二乘法(LMS)、反向传播算法(BP)和聚类分析的方法在线优化控制规则以及隶属函数的参数。仿真结果表明,该方法不但规则生成的时间少,有效的防止了规则数爆炸,而且在机器人轨迹跟踪控制的应用中效果好。     

一种神经网络自组织模糊控制*

本文提出一类基于神经网络的模糊控制。首先，它利用具有动态结构的ＢＰ网络进行模糊推理，实现模糊控制的最优推理过程。其次，它采用另一具有动态结构的ＢＰ网络校正现有的控制规则，实现规则自组织，在控制过程中不断优化控制性能，从而使控制的效果更加理想。     

一种用于机场气象预测的模糊神经网络模型

针对民用机场多因素气象预测问题的复杂性,该文构建出一种基于粗糙集的模糊神经网络模型。采用粗糙集理论约简属性,挖掘潜在规则,在此基础上建立模糊神经网络模型,并根据规则的统计性质和离散化结果初始化网络参数,采用BP算法训练网络。实例验证,该模型在收敛速度与预测精度上优于传统的神经网络模型。     

基于PLC的模糊神经网络算法的工程应用

模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则。将模糊神经网络控制器应用于锅炉燃烧器控制器的设计中。结果表明,使用这种控制器可以取得良好的控制效果。     

基于局部线性聚类算法的模糊建模

提出了一种新的基于T-S模糊模型的建模方法，首先通过一种局部线性聚类算法，自适应确定模糊规则数目及初始T-S模型的前提和结论参数，建立相应的一阶T-S模糊神经网络．并用梯度下降和递推最小二乘混合算法训练网络参数，从而提高建模精度．最后，通过两个仿真实例验证了本文方法的有效性．