基于模糊神经网络的深基坑变形预测

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

基于模糊神经网络的CDMA网络故障诊断方法

为解决常规故障诊断算法难以对CDMA网络故障建模的难题，提出了基于模糊神经网络的CDMA网络故障诊断模型. 该模型的输出层和输入层神经元的个数分别由CDMA网络故障类型和故障诊断所需要的输入量决定. 然后再利用故障诊断专家知识库中的故障诊断样本，对诊断模型进行训练，确定网络的连接权值和模糊隶属度函数. 仿真实验结果验证了该故障诊断模型的有效性.     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

具有通用逼近性的T-S模糊系统的充分条件

给出局域隶属函数的定义,根据模糊推理机所依据的公式性质,给出局域推理机的定义.对于采用局域推理机的T-S模糊系统,证明了模糊器和模糊规则的隶属函数采用局域隶属函数所构造的T-S模糊系统具有通用逼近性.这种具有通用逼近性的T-S模糊系统所需的条件明显优于其他文献中构造具有通用逼近性的T-S模糊系统所需的条件.     

模糊数的隶属度区间分布函数

定义了关于模糊集合的隶属度区间分布函数的概念,用L-R梯形模糊数的隶属度区间分布函数等例子,说明了所引入的概念具备重要的实际背景,是合理的。进一步澄清了模糊数的隶属度函数、隶属度区间分布函数和随机变量的概率密度函数的关系,以及模糊数的隶属度区间分布函数和随机变量的概率分布函数的异同。     

基于隶属度函数偏差的非线性网络控制系统的H_∞跟踪控制

研究带有丢包和时滞的非线性网络控制系统的输出跟踪控制问题,用带有外部干扰的T-S模糊模型表示被控对象.不同于现存的基于T-S模型的网络控制系统的跟踪控制方法,在设计跟踪控制器的过程中考虑了隶属度函数的偏差信息.根据网络特性和非平行分布补偿(non-PDC)方案建立跟踪控制模型.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技术给出了隶属度函数偏差依赖的控制器存在的充分条件,保证了闭环网络控制系统的给定H∞跟踪性能.通过一个数值例子证明了所提方法的有效性.     

设计遗传算法规则自生成模糊控制器

提出了以遗传算法设计自生成规则变换的模糊控制器.而模糊控制器是由个体表示的盒式变换相联系,而提出一个短的编码串,控制器的结构是由输入变量的隶属度函数的个数,隶属度函数的形状和指数函数组成.那么,以适当的函数来选择合适的模糊控制器的搜索过程以达到期望的性能.最后,以倒立摆的控制过程来证明该方法的效果.     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

A research on an energy-saving software for pumping units based on FNN intelligent control

An energy-saving scheme for pumping units via intermission start-stop performance is proposed. Because of the complexity of the oil extraction process, Fuzzy Neural Network (FNN) intelligent control is adopted. The structure of the Takagi-Sugeno (T-S) fuzzy neural network model is introduced and modified. FNNs are trained with sample information from oil fields and expert knowledge. Finally, pumping unit energy-saving FNN software, which cuts down power costs substantially, is presented.     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

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。     

基于PSO改进的T-S模糊神经网络短期电力负荷预测研究

精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度,采用了一种PSO改进T-S(Takagi-Sugeno)模糊神经网络方法.分析了数据预处理对改善输入量的重要性,讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法,从而使PSO找到最优参数,然后结合历史负荷数据、相关影响因素进行预测,以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.     

一种新的模糊神经元网络建模方法

基于零阶Ｔ－Ｓ模糊模型,本文指出了一种实用的输入输出的数据进行复杂系统的模糊神经元网络建模的方法,该方法的主要目的是解决模糊神经元网络中结构辨识的困难。 种所谡语言模型被用来寻找系统输入变量的最佳组合。     

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.     

T-S norm FNN controller based on hybrid learning algorithm

Aiming at the problems that fuzzy neural network controller has heavy computation and lag,a T-S norm Fuzzy Neural Network Control based on hybrid learning algorithm was proposed.Immune genetic algorithm (IGA) was used to optimize the parameters of membership functions (MFs) off line,and the neural network was used to adjust the parameters of MFs on line to enhance the response of the controller.Moreover,the latter network was used to adjust the fuzzy rules automatically to reduce the computation of the neural network and improve the robustness and adaptability of the controller,so that the controller can work well ever when the underwater vehicle works in hostile ocean environment.Finally,experiments were carried on " XX" mini autonomous underwater vehicle (min-AUV) in tank.The results showed that this controller has great improvement in response and overshoot,compared with the traditional controllers.     

Stability analysis and controller design of T-S fuzzy systems with time-delay under imperfect premise matching

The issue of the stability and controller design of Takagi-Sugeno(T-S) fuzzy control systems with time-delay is investigated under imperfect premise matching when the T-S fuzzy time-delay model and fuzzy controller do not share the same membership functions.A new stability criterion which contains the information of membership functions is derived.The new stability criterion is less conservative,and enhances the design flexibility.Two numerical examples are presented to illustrate the conservativeness and effectiveness of the proposed method.