模糊系统与神经网络的融合一类模糊神经网络的应用研究

本文简要提脑模糊系统及神经网络的特怀，在分析模糊系统和神经网络关系的基础上，探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论，并以简单的实例说明了应用的可行性及有效性。     

基于模糊神经网络的PID温度控制系统

应用模糊神经网络PID控制技术，建立了高分子聚合物反应温度控制系统。该系统利用模糊神经网络调整PID参数，进一步完善了PID控制的自适应性能，自行设计了该控制系统的硬件和软件部分，可以接入8点热电阻信号，具有显示温度、自动控温、声光报警等功能，应用结果说明，该温度控制系统充分利用了模糊神经网络和PID控制的优点，具有良好的动、静态特性和自适应性。     

一种模糊神经网络及其应用

本文将模糊运算引入常规的Ｐｉ－ｓｉｇｍａ神经网络，大大增强了神经网络处理非线性和不确定性映射的能力，通过对Ｚａｄｅｈ模糊算子的等价变换，使模糊运算成为连续可微的函数，从而实现用梯度法对网络权值的更新，本文的结果显示，这种混合型神经网络在非线性建模和模糊建模等方面有重要的应用价值。     

模糊神经网络故障诊断研究

将模糊神经网络用于电力电子电路的故障检测和诊断，阐述了基本设计思想和算法实现过程。由于模糊神经网络不需要对象的准确模型，它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性映射，在神经网络框架下引入模糊规则，使网络中的权值有明显的意义，且保留了神经网络的学习机制，对权值的学习采用BP算法。据此，建立适当的模糊神经网络故障诊断系统，应用结果表明了该方法的有效性，漏检率和误检率达到预定要求。     

人工智能在电梯群控系统中的应用

结合国内外发展趋势，对专家系统、模糊逻辑和神经网络等人工智能方法在电梯群控系统中的应用情况作以评述。重点介绍了基于模糊神经网络的群控算法，将此种方法应用在电梯群控系统的模型预报方面，可以达到很好的控制效果。     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

基于神经网络的模糊规则自动生成

本文引入模糊神经网络，根据模糊规划生成的需要，以简化的ＢＰ网络为基础，设计了一种新的模糊神经网络，通过对这个模糊神经网络的学习能力分析，及仿真实验研究，表明此模糊神经网络可用于模糊控制中。     

机械系统工作可靠度的模糊神经网络分类方法

提出一种用于机械系统工作可靠度评价的模糊神经网络方法，该方法采用模糊系统配置神经网络。该网络由输出层、模糊量词层、模糊规则层、模糊分类评价层和决策层构成，给出一个算例说明本模型的应用方法。     

城市需水预测方法研究

详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法，并将这两种方法应用到天津市需水预测的实证研究中．通过对这两种方法进行比较．发现在相关因素数据比较齐全时，模糊神经网络有比较好的模拟结果。     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。     

电控汽油机怠速模糊RBF神经网络控制

针对电控汽油机怠速控制要求,提出了一种模糊径向基函数(RBF)神经网络控制方案,在MATLAB环境下进行了控制仿真,获得了比PID、模糊、模糊BP神经网络更好的控制性能。     

基于GA的模糊神经网络控制

在详细论述模糊神经网络技术基础上,提出了基于GA的模糊神经网络控制器构造方法.选择MATLAB作为开发工具,使用所提供的神经网络和模糊逻辑工具箱,完成了基于GA的模糊神经网络控制器设计,并应用ActiveX技术在虚拟测控系统中实现了对其的调用.     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

Short-term load forecasting based on fuzzy neural network

The fuzzy neural network is applied to the short-term load forecasting. The fuzzy rules and fuzzy membership functions of the network are obtained through fuzzy neural network learming. Three inference algorithms, i.e. themultiplicative inference, the maximum inference and the minimum inference, are used for comparison. The learningalgorithms corresponding to the inference methods are derived from back-propagation algorithm. To validate the fuzzyneural network model, the network is used to Predict short-term load by compaing the network output against the realload data from a local power system supplying electricity to a large steel manufacturer. The experimental results aresatisfactory.     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

Adaptive fuzzy classifier with a fixed number of fuzzy rules

The adaptive fuzzy system has many advantages over the neural network. It can be used to design a fuzzy classifier. However, there is the “Dimension Calamity” with the number of inputs increasing in the adaptive fuzzy system. In this paper, an adaptive fuzzy classifier with a fixed number of fuzzy rules is proposed. This classifier is combined by several fuzzy reasoning machines so that one fuzzy reasoning machine recognizes only one class. Every fuzzy reasoning machine includes two “If-Then” fuzzy rules. The total fuzzy rules number of the classifier is confirmed by the number of classes of the patterns being classified. The classifier uses the “Error Back-Propagation Training” arithmetic as the learning arithmetic. Compared with the BP neural network classifier, the new classifier and BP neural network classifier are both tested by the famous iris dataset and Ripley's synthetic dataset. It is proved that the new classifier has a good classification ability and learning ability even if the data have been polluted.     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

基于模糊神经网络的混凝土裂缝成因挖掘

将模糊神经网络的数据挖掘方法运用到混凝土结构裂缝成因分析中,首先通过模糊化过程对连续数据离散化,然后运用模糊神经网络训练监测数据,找出隐藏规则。同时,通过属性约简使模糊神经网络的结构得以化简。结合某重力拱坝实测资料,分析了基于模糊神经网络方法挖掘混凝土坝裂缝产生的主要成因的可行性。     

应用模糊神经网络完成模糊控制器的设计和仿真

介绍了模糊神经网络的基本结构,讨论了利用模糊刘经网络技术通过离线学习的设计模糊控制器的方法。