模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆和调整模糊规则,从而自动生成模糊控制规则,建立模糊神经网络。系统对模糊神经网络进行离线学习,将训练好的模糊神经网络用于在线控制,仿真结果表明,本文方法用于对陶瓷配料系统的控制,取得了无超调、无静差等令人满意的效果。     

汽车半主动悬架神经模糊融合网络控制

针对汽车半主动悬架模糊控制器的模糊控制规则无法有效调整的问题,建立了两自由度1/4车辆模型.利用白噪声模拟路面激励并作为系统的输入,将人工神经网络与模糊逻辑控制相融合,采用人工神经网络模拟模糊控制过程,实现了模糊规则的自适应调整.将直接控制力作为参考控制力对神经网络进行训练,输出控制力结合开关控制策略实现悬架的半主动控制.仿真分析表明,神经模糊融合网络控制器相对于模糊控制器和被动悬架,使悬架性能得到了显著的改善.     

从样本数据中提取模糊规则的算法研究

如何从大量数据中提取或“挖掘”知识是数据挖掘领域中的研究热点之一。利用神经网络在提取规则时的优势从样本数据中提取模糊规则。介绍了一系列算法 ,其中朴素提取规则仅是对样本数据粗糙的挖掘。参照模糊控制中的模糊化思路 ,可在挖掘问题中引入模糊语言变量。根据隶属函数的训练 ,模糊语言的筛选 ,属性间是否存在相关性的判断等问题 ,利用神经网络中的BP算法提出了双向训练算法。在已完成训练的网络进行网络剪裁 ,最后在完成剪裁的网络上 ,先确定候选规则再利用聚类结果从候选规则中提取模糊规则。     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

神经网络自组织模糊控制器的设计与仿真

研究和设计了神经网络自组织模糊控制器,用于实现车辆自动驾驶系统。该控制器基于MATLAB软件提供的自适应神经模糊推理系统,通过网络对道路位置坐标的离线学习,获取模糊控制规则库。训练好的控制器,在对被控车辆模拟控制的过程中,在线学习和调整控制参数,优化控制器的性能,以适应在不同道路轨迹变化下控制车辆自动转向的目的。最后通过MATLAB软件的仿真试验,验证该控制器对于被控车辆的有效性。     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。     

一种再增强模糊神经网络控制器的建立

利用模糊控制的推理功能使神经网络得以简化，减少了学习单元的数量，提高了收敛速度，利用神经网络的并行特点使模糊控制表更容易实现，利用ＢＰ算法为自适应模糊控制提供了一种通用的规则再增强自适应算法，仿真验证了这种再增强模糊神经网络控制器的合理性。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

工程机械模糊神经网络挡位决策方法

结合工程机械的工作特点 ,提出了一种可应用于工程机械换挡决策的模糊神经网络(FNN)方法。并且利用ZL50装载机传动系统模糊换挡控制试验的数据进行了验证性仿真试验 ,该模糊神经网络系统实际上是对模糊控制系统的一种自适应与自学习的神经网络算法改造。仿真结果表明 :该挡位决策方法可以根据操作工况环境实现正确的变速箱挡位决策 ,为FNN换挡控制器的开发做了理论准备     

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器(FNN)实现对超声马达位置进行控制的方法，并提出适应法则进行在线训练，以减小由于参数的不确定性和外部干扰对超声马达所产生的影响，提供了FNN控制器的结构图，仿真与实验研究表明，FNN控制器能够实现对超声马达位置的精确控制。     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

基于模糊神经元网络的阀控马达系统仿真

提出了一种基于模糊神经元网络的阀控马达控制方案.在系统中，将模糊控制技术与神经元网络技术相结合，构建了模糊神经元网络控制器.该控制器结合模糊控制与神经元网络各自的优点，既具有模糊控制器简单和有效的非线性控制作用，又具有神经元网络自学习和自适应能力,改善了控制系统的性能.     

永磁同步伺服电机FNN控制的仿真分析

模糊神经网络结合了模糊控制和神经网络的优点,已广泛用在交流电机控制系统的研究中。本文作者利用MATLAB／SIMULINK仿真软件,建立了基于IP-模糊神经网络控制器的永磁同步电机仿真模型,实验结果表明：采用比例积分控制器（IP）-模糊神经网络控制时系统具有良好的抗干扰性,提高了控制精度和鲁棒性。     

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。     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

时滞系统的模糊神经网络补偿控制

针对传统的模糊神经网络(FNN)在线控制方法用于控制时滞对象时存在调节时间较长的问题,分析产生这一现象的原因,对传统的模糊神经网络在线控制进行改进,给出一种新的确定补偿量的方法.基于递推最小二乘(RLS)法在线辨识对象模型,通过时滞对象模型预测对象输出的变化,利用补偿方法得到控制量的补偿量.设计二维输入的带补偿的模糊神经网络控制器,进行实验与仿真研究.仿真结果表明,该补偿方法调节时间短,控制精度高,比传统的模糊神经网络的控制效果明显.     

智能故障诊断技术在核动力装置中的应用研究

核动力装置对系统的安全性能要求较高．为了让操作员在发生故障时,避免产生错误的判断及操作,一种较好的方法是将智能故障诊断技术应用到核动力装置故障诊断系统中．利用粗糙集的数据约简技术提取精简的规则,基于这些规则建立的模糊神经网络具有更好的拓扑结构,学习速度大大提高,容错能力强;RBF神经网络有着良好的局部性能,诊断单个故障的能力要优于模糊神经网络,且网络不用训练,诊断实时性好．将粗糙集理论所构建的模糊神经网络与RBF神经网络相结合,能充分发挥各自的优点．为了验证该方法的有效性,以核动力装置蒸汽发生器U形管破裂等故障为例,进行了仿真实验研究．研究结果表明该邦联网络具有良好的诊断准确性、实时性和可扩充性,得到了预期的效果．     

基于模糊神经网络的水下潜器多变量解耦控制研究

潜器在水下进行特殊作业时，需保持空间六自由度的定位姿态，对定位的控制存在叉影响，因而给潜器的精确控制带来困难。针对这一控制非线性系统，提出了一种基于模糊神经网络(DFN)控制方法，该方法对非线性多变量动态系统具有较强的处理能力；它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构，预估补偿器方法是通过预定试验的离线学习，获得耦合的预估知识，然后在线完成补偿，仿真结果显示该方法具有很好的鲁棒性。     

基于模糊神经网络的车辆跟驰建模与仿真研究

驾驶员在车辆跟驰过程中表现出来的模糊的、不确定性的行为特征,难以对驾驶员的行为进行精确的数学描述．本文在以往跟驰模型基础上,采用以实际间距与期望间距的比值和相对速度作为双输入、后车加速度作为单输出的模糊神经网络建立数学模型．结果表明,该网络能较好的反映一定道路条件下的跟驰行为．