基于MATLAB的模糊电力系统稳定器设计与仿真

该文介绍了如何由模糊逻辑工具箱和Simulink来设计模糊电力系统稳定器，仿真结果表明：该文所设计的模糊电力系统稳定器(FPSS)相比传统的电力系统稳定器(CPSS)能更有效地抑制系统低频振荡，且模糊稳定器的设计与调试过程非常方便、高效。     

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.     

基于复合控制的电力系统稳定器设计

针对传统电力系统稳定器(PSS)的缺点,提出一种基于复合控制的电力系统稳定器,可以根据实际的运行情况在模糊和比例积分微分(Fuzzy-PID)控制中进行选择性的控制,使电力系统稳定器既具有模糊控制简单有效的非线性控制作用,又具有比例和积分控制的快速性和跟踪能力。理论分析及仿真结果均表明所提出的方案正确可行并具有良好的性能。     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

基于自组织竞争神经网络技术的模糊聚类研究

本文对常规模糊聚类方法进行了深入的研究，提出了一种基于自组织竞争神经网络技术的模糊聚类方法。仿真结果证明，这种方法可以有效地进行模糊聚类。     

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。     

基于EKF的模糊神经网络快速自组织学习算法*

为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(EKF)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用EKF算法更新网络的自由参数,增强了网络的鲁棒性。仿真结果表明,该算法具有快速的学习速度、良好的逼近精度和泛化能力。     

自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性，把事物分类，使类间的相似性尽量小，类内的相似性尽量大。将事物通过适当聚类，才能便于研究事物的内部规律，但客观世界中存在着大量界线不分明的问题，研究模糊聚类的方法正是为了解决这类问题。在对常规模糊聚类方法分析的基础上，提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法，并以100种动物分类为例，进行了模拟试验，仿真结果证明这种方法进行模糊聚类的思想正确，方法可行，效果较好。     

模糊神经网络的结构自组织算法及应用

提出了一种新的模糊神经网络自组织算法,该算法能够基于输入输出数据自动进行结构辨识和参数辨识.首先采用一种自组织聚类方法建立起网络的结构和各参数的初值,然后采用监督学习来优化网络参数.通过对非线性函数逼近的分析,明了该自组织算法的有效性,并与其他算法作了比较.最后,以某污水处理厂的实际运行数据为对象,应用该模糊神经网络建立了活性污泥系统出水水质预测模型,仿真结果表明.该模型能够对污水处理系统出水水质进行较好的预测.     

基于模糊自组织映射神经网络的故障诊断方法

在研究Kohonen自组织映射网络理论的基础上运用模糊理论方法建立了刹车系统模糊故障诊断模型。该模型只需选择足够的具有代表性的故障样本训练神经网络，将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强、速度快，因此很符合复杂系统的故障诊断。     

基于模糊神经网络的导弹动力系统状态预测

在导弹的工作过程中,准确并快速地监控导弹动力系统的状态变化是提高导弹安全性、可靠性的重要环节。研究了基于补偿模糊逻辑与神经网络相结合的补偿模糊神经网络(CFNN)。利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立导弹动力系统状态参数预测模型。仿真结果表明,该模型收敛性好、预测精度高,对导弹动力系统状态参数具有较好的预测能力。     

基于小波网络的实时稳定器研究

提出一种应用小波神经网络进行动态实时调整侍统电力系统稳定器参数的设计方法。由于小波神经网络所具有的非线性逼近能力及良好的时频分析能力，系统能精确地辨识动态特性，映射更复杂的控制策略。仿真结果表明小波网络电力系统稳定器比传统电力系统稳定器更有效。     

基于解耦降阶法的电力系统稳定器设计

本文提出了一种基于解耦降阶模型的电力系统稳定器（PSS）设计方法。该方法利用解耦降阶单机系统的信息进行安装地点的选择及参数设计，完整地考虑了其它机组对PSS安装机组的影响，保留了原多机系统的全部信息。算例证实了本方法的正确性。     

一种用于非线性控制的神经网络模糊自组织控制器

本文提出一种神经网络自组织控制器，并应用于非线性跟踪控制中，为了加快模糊控制器的在线学习，文中给出了一种变的最速梯度下降学习算法，仿真结果表明，该控制是有效的。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。