基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

基于免疫原理的模糊控制器优化设计与仿真

利用免疫进化算法,提出了一种新的模糊控制器优化设计方法。该方法以实数方式对模糊控制规则和隶属函数参数进行独立编码,分步联合优化,有效降低了待寻优参数的维数,提高了寻优的速度和精度。最后,通过对调压铸造压力控制系统的仿真表明了这种方法的有效性。     

基于差分进化算法的模糊神经网络控制器

针对模糊神经网络控制器在应用误差反向传播算法训练时,易于陷入局部最优的问题,提出了一种将差分进化算法与BP算法相结合的学习法,首先利用差分进化算法的全局寻优能力,给BP算法一个好的寻优初始点;然后再以一定的概率进行BP算法的寻优.对一个带有滞后环节的二阶系统进仿真表明,控制性能优于基于BP的模糊神经网络控制器.     

一种新型计算智能系统:人工免疫系统

基于生物免疫系统机理开发的人工免疫系统是继人工神经网络、进化计算之后的又一研究热点。本文简要介绍了人工免疫系统的特点和研究内容,将其与人工神经网络、进化计算进行了比较和分析,综述了人工免疫系统的最新研究成果并对下一步的研究方向做了探讨。     

采用免疫进化算法优化设计径向基函数模糊神经网络控制器

基于生物免疫系统的计算智能近年来正逐渐成为一个研究热点.针对模糊神经网络控制器难于设计的问题,提出了一种免疫进化算法用于径向基函数模糊神经网络控制器参数的优化设计.首先将控制器参数进行编码表示成个体,并由若干随机个体组成初始群体;然后模拟生物适应性免疫应答过程,通过扩展操作在群体中较优秀个体的小邻域内进行局部搜索,同时利用突变操作在较差个体的大邻域内搜索;最后将设计的控制器用于控制倒立摆系统,仿真结果验证了该控制器的有效性.     

一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统，然后提出一种基于模拟退火策略的混沌优化算法，将该算法引入模糊神经网络参数域中进行优化，实现混沌粗搜索与细搜索相结合优化目的，体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明，该方法能有效地实现模糊神经网络控制器参数优化，控制具有无振荡、超调小、调节时间短等优点，算法结构简单，容易实现。     

人工免疫算法及其应用

阐述了人工免疫系统的基本概念,讨论了几种典型的算法,包括基于免疫系统基本机制的免疫算法、基于免疫特异性的否定选择算法、基于免疫系统克隆选择理论的克隆选择算法、基于接种疫苗及免疫多样性的免疫进化算法、AIS与神经网络混合智能算法和模糊免疫系统等;以年代为序简述了AIS发展历史,介绍了AIS在若干具有代表性的领域中的应用情况。最后通过对AIS的特性和存在问题的分析,展望了今后的研究重点和发展趋势。     

基于增强型算法并能自动生成规则的模糊神经网络控制器

给出了一种基于增强型算法并能自动生成控制规则的模糊神经网络控制器RBFNNC（reinforcements based fuzzy neural network comtroller）。该控制器能根据被控对象的状态通过增强型学习自动生成模糊控制规则,RBFNNC用于倒立摆小车平衡系统控制的仿真实验表明了该系统的结构及增强型学习算法是有效和成功的。     

一种基于模式匹配的模糊模型及其神经网络实现

通过模糊模式匹配概念，引入了一种新的模糊模型。并用神经网络方法对该模型进行辨识，以获得更高的精度。仿真实验表明，该模糊模型不仅简单易行，而且比通常的模糊模型有更强的辨识能力。另外，本文还讨论了模型的进一步求精，以及模糊神经网络的一般性问题。     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

变结构神经网络模糊控制器的研究

本文从提高智能化程度出发,提出了一种更接近人脑思维方式的基于神经网络的模糊控制器的结构形式,在证明该结构的普适性定理的基础上,采用遗传算法对其进行参数和结构的训练,所得结果能较好地满足系统性能要求。     

基于免疫算法的模糊神经网络在板厚板形控制中的应用

本文设计了一种基于免疫算法(IA)的模糊神经网络板厚板形综合控制系统，用IA算法优化具有全局性的隶属函数参数后，再用梯度下降法在线调节和优化网络的局部性参数．在应用于二机架可逆冷连轧板厚板形综合控制中的仿真实验表明，该系统有较强的抗干扰性和较好的收敛性．     

基于模糊神经网络的单兵装备效能评估专家系统

本文提出了一种客观评价单兵装备效能的方法,在模糊神经网络算法的基础上开发了一套专家系统。对测得的样本数据进行实验分析,证明此系统具有推理效率及准确性较高的特点。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp, ki, kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。     

一种改进的模糊免疫反馈PID控制器

针对P型免疫反馈控制器不能克服动态干扰和消除静态误差的问题,利用模糊控制系统的非线性逼近能力,提出了一种将P型免疫反馈控制器同常规PID控制器进行混合联结的模糊免疫PID控制器的设计方法。该控制器通过免疫反馈控制规律和模糊控制规则在线调整控制器的参数。为了选择一组较优的控制器参数,用免疫算法在全局范围内对控制参数进行离线优化。仿真结果表明,该控制器较常规控制器具有更好的动态、静态特性。     

基于模糊人工免疫网络的智能处理研究

分析了人工免疫网络聚类基本原理,论证了模糊计算方法在聚类中的准确性及高效性,提出了将模糊计算应用于免疫网络的智能动态聚类算法。通过引入“对阈值的自动确定”和“对抗体群的自动进化机制”,避免了外部参数对聚类结果的人为影响,使聚类结果根据期望的聚类数目自动调整,记录调整依据,增强了实用性和移植性。实验结果表明,算法能有效地发现指定数目的聚类结果,在抗体群的进化过程中,提供了发展趋势和决策依据。     

模糊免疫非线性PID控制的优化设计

在深入分析生物免疫系统中T细胞对B细胞辅助调节作用的基础上，提出了免疫反馈原理。针对非最小相位极点系统控制的难点，借鉴免疫反馈原理，结合积分控制的规律，提出了一种模糊免疫非线性HD控制方法。由于该方法中的参数确定比较复杂，利用免疫进化算法进行参数优化设计，实现了控制参数的合理设计。仿真结果表明，该方法在非最小相位极点系统控制中可行且有效，优于PID控制方法，具有更好的响应特性和抗干扰性能。