基于模糊神经网络技术的定量秤研究

以传送带、料门给料的动态称重过程为对象,提出了一种新型动态定量称重控制方法。该方法从过程对象的实际出发,基于多元复合控制思想,称重策略采取分段控制并引入模糊神经网络控制技术,调节量采取给料门和传送带两个自由度协调。研究结果表明:该方法能够比较理想地解决动态定量称重过程中速度与准确度的矛盾。动态称重设定值为1000g时,该装置定量误差为±0 5%,称重速度<8s 次。     

基于模糊神经网络的双目视觉系统的研究与准确度

在机器视觉系统中,由于深度信息的丢失,镜头的畸变等因素的影响,使得摄像机的模型是非线性的.在采用模糊神经网络对双目视觉系统标定时,以特征点投影到左右图像的坐标为4路输入,以网络的3路输出和该对应点在世界坐标系坐标的均方值为性能指标;根据梯度下降法来调整和最终获得一组稳定的隐含神经元与输出神经元之间的连接权值,以及高斯型隶属函数的参数(均值与标准差);这样可以用模糊神经网络的权值与隶属函数来代替双目视觉系统两个摄像机的投影矩阵,以描述三维空间特征点坐标与对应点在左右摄像机图像之间的关系,实现系统的标定.     

ANFIDS:基于模糊神经网络的自适应入侵检测系统

在研究和分析现有网络入侵检测技术的基础上,提出了一种基于神经网络和模糊推理技术的自适应入侵检测系统（ANFIDS）。该系统运用模糊理论把安全参数模糊化,使得系统能更好地描述网络流量特性与攻击的关系,从而更精确地捕获攻击行为,同时利用网络流量对隶属度函数和模糊规则进行调整和优化。实验结果表明,训练后的ANFIDS系统能够检测网络的异常行为并有效地减低误报率。     

基于模糊神经网络的建筑结构系统辨识

本文提出一种基于模糊神经网络和建筑结构系统辨识方法。利用模糊神经网络强大的非线性映射能力与学习能力以实测的结构动力响应数据建立起结构的动力特性模型。不但可以克服以往传统与智能辨识方法中存在的种种弊病,而且还将土一结构相互作用以及结构自身非线性对结构动力特性的影响考虑在内,使得结构系统辨识更具客观性。具有物理意义明确,可扩展性强,能够用于实时在线控制与健康诊断等优点。     

基于模糊神经网络的设备故障预测研究

对模糊神经网络技术进行了研究，提出了预测分析的模糊神经网络模型；建立了故障指标评定方法，利用预测算法运用参数历史故障指标对参数指标进行趋势预测，预测得到的参数指标可以根据专家诊断系统判据进行诊断，对未来设备的健康状况进行可信度较高的评估。经仿真结果验证，该算法预测精度较高，预测结果可信.     

基于模糊神经网络的固体粉末自动配料控制系统

在简单介绍固体染料自动配料设备组成的基础上,针对染料自身特性和外部环境变化等不确定因素,设计了基于模糊神经网络便于在线计算的学习算法.将模糊逻辑和神经网络的长处融合在一起,使模糊推理通过神经网络来实现.系统采用VC 编写友好的用户界面程序,用Matlab完成模糊神经网络控制算法的计算任务.实际运行结果表明,该控制算法具有很好的控制效果.     

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。     

基于模糊神经网络的决策支持系统的应用研究

论述了模糊神经网络的概念及特点，在此基础上提出了基于模糊神经网络的决策支持模型，还介绍了其运行计算的过程与方法，并通过农机选型配套的决策支持实例验证模型，说明模型对复杂的决策问题具有简单方便及快速准确做出反应的优点。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

基于模糊神经网络的故障诊断方法研究

将模糊原理引入神经网络,对机械设备的故障诊断方法进行了研究,介绍了具体实现过程及原理,论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价,建立了单症兆和多症兆诊断的模糊神经网络模型,并由此模型建立了模糊神经网络故障诊断专家系统(FNN)模型.介绍了该模型在66-10空压机上的具体实现过程.     

基于模糊神经网络的间接测量建模方法研究

在神经网络理论和模糊逻辑方法的基础上,将二者结合起来,讨论了一种基于模糊C均值聚类和径向基函数(RBF)的模糊神经网络,并将其应用于间接测量过程的非参量建模中。该方法尤其适用于非线性模型的构造,能够有效地提高测量的准确度和可靠性。     

蜂窝纸板切纸机的模糊神经网络智能化控制

提出并实现了一种基于模糊技术和神经网络集成的仿人智能控制模型，利用该智能控制模型对蜂窝纸板切纸机进行控制，可以实现对纸板的按任意要求的切割。仿真实验证明了该模型的可靠性和快速性。     

模糊聚类分析在模糊神经网络结构优化中的应用

研究了模糊聚类分析在多变量模糊神经网络的结构确定中的应用,在传统的模糊C－均值算法的基础上,给出了一个衡量聚类有效性的函数和确定模糊指数的启发式方法,并给出了应用该算法的具体的模糊神经网络模型。     

一类自适应模糊神经解耦混合控制器的研究

将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明,该控制方法对非线性时变系统有较好的控制效果。将该算法应用于电控天然气发动机空燃比控制中,利用宽域空燃比传感技术,通过调整喷射脉宽控制发动机的空燃比,取得了良好的控制效果。     

一种改进的模糊神经网络控制器学习算法

提出了一种改进的模糊神经网络混合学习算法,运用遗传算法优化构成隶属函数的网络结构,运用最小二乘法进行解模糊,具有更高的学习精度和更快的收敛速度,解决了在多变量系统中采用模糊神经网络时学习收敛慢且易陷入局部极小点的问题。     

基于模糊神经网络的火灾信号处理

根据火灾探测的特点,提出相应的模糊神经网络,论述综合处理多种火灾信号的模糊处理计算模型;针对具体应用,对网络结构进行了改进。由于模糊神经网络的自适应特性和推理过程易于理解的特点,它很适用于高层建筑这样的复杂环境,并可明显提高火灾探测的灵活性和准确性。     

于GA-BP模糊神经网络的商业银行信用风险评估

研究了商业银行信用风险评估的现状,针对单独应用BP神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP神经网络的信用风险评估新模型.通过遗传算法训练模糊BP神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性.最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小.     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.