自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力.该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为...     

二型T-S模糊系统在球磨机料位预测中的应用

针对采用振动法对球磨机料位测量时,其特征值存在非线性和随机性强的问题,引入二型模糊逻辑对球磨机料位进行概念表示,建立了基于区间二型T-S模糊系统的球磨机料位预测模型。首先,用模糊C均值算法对数据空间进行划分,提取前件参数,然后用最小二乘法辨识后件参数,并通过反向传播算法调整前件参数,最后利用区间二型T-S模糊系统推理实现球磨机料位的软测量。实验结果表明,基于区间二型模糊系统建立的预测模型具有较高的测量精度并能更好地跟踪实际料位曲线,性能优于其他几种常用方法。     

基于改进FCM模糊神经网络的水处理过程建模

本文结合改进的FCM聚类分析算法,提出了一种自适应T-S模糊神经网络用于建立水处理过程的模型.该方法通过减法聚类初始化FCM聚类算法,加快了FCM聚类收敛速度,利用改进后的FCM算法对数据集聚类,从而产生输入空间的模糊划分和模糊规则;并用混合BP和递推最小二乘学习算法对前件和后件参数进行优化.最后,将本文的方法用于建立水处理过程的模型,仿真实验的结果表明该方法具有收敛快、精度较高、泛化能力好的优点.     

T-S模糊神经网络在产品服务质量评估中的应用

对产品服务质量的评估是产品评价所关注的问题之一。本文运用模糊控制以及机器学习的相关理论,建立了一种基于T-S模糊神经网络^[4]的产品服务质量评估模型。该网络结构分为前件和后件网络两部分,其中前者用于匹配模糊规则,后者则采用传统全连接网络对输入数据数据进行学习。根据仿真模拟所得到的结果表明,此模型应用于现实中的产品服务质量评估是有效可行的。     

基于遗传算法的气动肌肉T-S模糊逻辑控制优化

针对气动肌肉执行器(PMA)在控制中易受到模型参数不确定性影响,提出了一种基于遗传算法的T-S模糊逻辑控制器。以PMA的三元素模型为基础,建立了T-S模糊逻辑控制器;利用遗传算法在实验过程中调整和优化控制器中使用的PMA参数,从而克服了PMA参数不确定性的影响;将传统的模糊逻辑控制(FLC)、T-S模糊逻辑控制和经过遗传算法(GA)优化后的T-S模糊逻辑控制进行了对比实验。实验结果表明:采用遗传算法优化的T-S模糊逻辑控制误差范围为-2.1～+2.05 mm,优化后的T-S模糊逻辑控制克服了轨迹跟踪抖动,有效降低了跟踪误差,提高了控制精度。     

基于质心侧偏角估计的车辆侧向稳定性T-S模糊H_∞控制

设计了新的车辆质心侧偏角观测器,对于采用非线性轮胎模型的车辆模型设计了基于观测器的稳定性控制器。将T-S模糊建模技术应用于非线性Dugoff轮胎模型的车辆侧向动力学,T-S模糊模型中以横摆角速度误差作为模糊前件变量用来近似地反映非线性状态的程度并用来判断车辆是否处于线性或非线性区域。考虑轮胎侧偏刚度的不确定性,设计了基于鲁棒横摆力矩控制器的非线性观测器,以提高车辆操纵稳定性并将观测器和基于观测器的控制器设计问题转化为线性矩阵不等式(Linear Matrix Inequalities,LMIs)约束问题。基于Car Sim/Simulink数值仿真以验证设计方法的有效性,仿真结果表明,对于双移线(Double Lane Change,DLC)和J-turn工况所设计的控制器比Car Sim/ESC更能有效地控制车辆质心侧偏角,提高了车辆操纵稳定性,所得结果为T-S模糊H∞控制在车辆工程中的实际应用提供了参考。     

基于T-S模糊神经网络的机械手轨迹跟踪

以两自由度并联机械手为研究对象,提出了一种以T-S模糊神经网络作为反馈器,以粒子群算法优化的BP神经网络学习作为前馈控制器的机械手自适应轨迹跟踪方案。并运用ADAMS软件建立虚拟样机模型与Simulink进行联合仿真实验。仿真结果表明设计的控制方案能够较好地控制机械手的轨迹跟踪。     

基于模糊神经网络的超声电机位置控制

由于超声马达的时变和非线性。使其速度与位置的高精度控制成为难题。为了提高超声马达伺服系统的精度，把模糊逻辑控制应用到神经网络中，设计了模糊神经网络控制器．通过模糊逻辑部分获得专家知识．神经网络部分调整参数。通过改变超声电机的驱动频率来实现精确的位置控制。在控制系统中采用5层网络结构和误差反向传播算法，算法的收敛速度很快。通过实验和仿真验证了这种方法的可行性。     

一种新型的模糊神经网络电阻检测器

基于混合型Ｐｉ—Ｓｉｇｍ ａ网络，设计了一种新型模糊神经网络电阻检测器，用于检测感应电动机运行时的定子电阻。给出了模糊规则前件语言变量隶属函数和后件结果函数有关参数的学习方法。选择电机绕组端部温度及其时间变化率作为检测器输入，通过工业实验测取了２０００ 组数据分别用于网络的学习和推理结果的检验。检测器用于直接转矩控制系统时，依据检测出的电机定子电阻瞬时值，对定子电压进行补偿，进而改善电机低速运行时的速度稳定性。对基于不同补偿方法测得的转速误差率分析表明，本文介绍的补偿方法效果优于其它方法，这证明模糊神经网络电阻检测器具有更高的检测精度。     

某越野汽车磁流变半主动悬架变论域模糊控制

为了解决半主动悬架传统变论域模糊控制器过度依赖经验规则的问题,提出了一种基于模糊神经网络的变论域T-S模糊控制策略。首先,根据磁流变减振器阻尼特性的实验结果,建立基于自适应模糊神经网络的减振器阻尼力模型及1/2车辆半主动悬架动力学模型;其次,建立悬架系统T-S模糊控制器,同时为了实时调节T-S模糊控制器变量的论域,采用模糊神经网络结构描述伸缩因子的变化。仿真结果表明,笔者提出的变论域模糊控制策略能够有效提高车辆行驶平顺性和操作稳定性。