基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

神经网络在手写体字符识别中的应用研究

总结了神经网络被用于手写体字符识别分类中的应用情况，分析了所采用的反向传播神经网络、径向基函数神经网络、自组织神经网络等网络模型及其最新的应用情况，详细介绍了神经网络集成的一些方法,并根据目前的研究现状，指出用于分类器设计的神经网络集成方法和理论研究是未来的重要研究课题.     

神经网络技术在设备故障诊断中的应用进展

概述了国内外设备故障诊断的发展状况、神经网络在设备故障诊断的发展状况．对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于机械故障诊断中．考虑到设备故障的复杂性，利用集成神经网络对旋转机械故障进行诊断并对集成神经网络在设备故障诊断中的应用进行了预测．     

基于纹理特性的织物表面缺陷图像的分类研究

研究了BP神经网络和小波神经网络的分类器,并利用BP神经网络和小波神经网络对缺陷图像进行疵点识别,通过两者的仿真结果得出结论:小波神经网络具有逼近能力强、收敛速度快、网络参数(隐层结点数和权重)的选取有理论依据的优点.     

一种基于Pi-sigma神经网络图像压缩的方法

鉴于Pi—sigma神经网络改进了传统神经网络的某些不足，得到了广泛应用，因此提出一种基于Pi—sigma神经网络图像压缩的方法。实验证明，在相同的实验条件下，Pi—sigma神经网络用于图像压缩的效果优于传统的加法神经网络图像压缩的效果，而且收敛速度更快，占用空间更少。     

神经网络研究进展与展望

简要地回顾了神经网络理论发展的历史和现状。在此基础上 ,介绍并讨论了90年代神经网络研究的一些新进展。根据神经网络理论研究的特点 ,作者对神经网络今后的发展前景作了一定的评述。     

基于铝电解过程神经网络建模的研究

目的利用神经网络铝对电解过程进行辨识建模,以解决采用常规方法难以建立模型的问题.方法分别利用递归神经网络（Elman神经网络）和延时神经网络（加入延时单元的BP神经网络）对铝电解过程进行辨识建模,并将二者的辨识结果进行了比较.结果递归Elman神经网络能更好地跟踪铝电解生产过程,并且网络结构简单误差小.结论笔者提出的递归Elman神经网络建模方案更适合于对铝电解过程进行辨识建模.     

模糊系统与神经网络的融合一类模糊神经网络的应用研究

本文简要提脑模糊系统及神经网络的特怀，在分析模糊系统和神经网络关系的基础上，探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论，并以简单的实例说明了应用的可行性及有效性。     

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。     

基于自适应小波神经网络的复杂系统模式识别方法

针对传统神经网络应用于复杂系统建模和辨识中存在的训练效率、精度瓶颈问题,提出了一种自适应小波神经网络方法(adaptive wavelet neural network,AWNN).首先,通过设计自适应层、综合层,使神经网络能根据待处理的系统的样本数据特征自适应工作于最佳工作区间;然后,通过将小波分析方法与对经典的基于误差反向传播算法的神经网络(back propagation neural network,BPNN)、径向基神经网络(radical basis function neural network,RBFNN)结合,保留了上述方法的优点,克服了传统神经网络方法各自的问题;最后,通过对BPNN、RBFNN和AWNN方法进行计算机仿真实验,验证了各算法的可行性、可达性和算法参数特性.实验结果表明:AWNN方法具有更快的收敛速度、更高的精度和更好的鲁棒性.     

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能、抗干扰性能和鲁棒性能     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

基于模糊—神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学     

一种基于模糊神经网络的PID控制器

利用神经网络自学习自适应能力和快速计算能力,提出一种基于模糊神经网络的PID智能控制器．该系统将模糊技术、神经网络与PID控制结合起来,实现了PID控制的自适应和智能化．通过仿真实验表明,该控制方案与传统PID控制系统相比,无论是超调量还是稳定时间,效果都要好得多．     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.