变频空调器的模糊CMAC神经网络控制

本文设计了一种模糊CMAC(FLCMAC)控制器,这种控制器将传统的CMAC神经网络和模糊逻辑控制原理相结合,同时具备了CMAC的快速学习能力和模糊逻辑的将专家经验融入系统利用模糊规则处理信息的优点,又克服了CMAC的精度低和模糊逻辑的缺乏学习能力的缺点,将其应用于空调控制器的设计中,仿真结构验证了其有效性.     

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响,提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题.利用MATLAB进行仿真研究,结果表明该控制方法具有较高的控制精度和鲁棒性,满足挖掘机器人轨迹控制的要求.     

基于高斯基函数CMAC神经网络的发电机故障诊断方法

提出一种基于高斯基函数小脑模型神经网络(CMAC)的汽轮发电机故障诊断新方法,为了达到更高的精度和更好的泛化能力,该方法以高斯函数作为CMAC神经网络的基函数,针对发电机的机电耦合特性,将发电机机电综合特征作为神经网络的训练样本输入,经MATLAB仿真得到了完全正确的诊断结果,收敛速度快,精度高,可以满足在线监控的要求。通过比较学习率和泛化常数取值不同时CMAC网络的训练结果,分析了学习率和泛化常数对该网络的影响。     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Takagi-Sugeno模糊规则给出了一种系统预测模型，分别用模糊C- 值聚类算法和线性回归方法导出模型参数。利用该模型对舰船维修经费进行了预测，并进行了精度分析。     

基于模糊神经网络的气化炉反应速率建模研究

本文从人工神经网络的基本原理出发,将其学习算法与模糊逻辑理论结合,构建模糊神经网络结构,采用减法聚类完成对模糊神经系统的结构辨识。从各组输入量和输出量中确定模糊规则数目,给出规则中参数的确定方法,并用误差反传法优化相关参数。最后用此方法对气化炉的反应速率建立软测量模型。实验仿真结果验证了该模型运算性能良好,而且能满足对建模精度的要求。     

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。     

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.     

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。     

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。     

机器人柔顺装配夹具的双小脑模型神经网络控制系统

介绍了一种新型的机器人柔顺装配夹具及其装配系统。设计了由装配力信号为输入的小脑模型神经网络CMAC1和以浮动平台位移信号为输入的小脑模型神经网络CMAC2并行叠加构成的双CMAC神经网络控制器，前者作为前馈控制，后者当夹具刚启动时为前馈控制，装配开始后转为反馈控制。双CMAC神经网络控制器具有存储容量少、系统较稳定、能减少系统误差影响、装配力小等优点。     

模糊神经网络的理论发展与应用研究

本论文主要介绍了模糊神经网络的产生与发展过程,模糊神经网络的特点与结构,并结合实例对其在解决问题中的应用进行了说明。     

CMAC神经网络在应力盘光学加工中的应用研究

计算机数控应力盘光学加工技术有其突出的优势，但应力盘形变却难以有效控制，是实现计算机数控应力盘光学加工中的难题。对此，本文分析了应力盘形变控制系统的特点，引入了CMAC神经网络实现应力盘形变控制的模型。提出了将CMAC神经网络应用于应力盘逆变形智能控制的创意和实现方法，以应力盘面形参数和对应的驱动器电压参数作为样本训练CMAC神经网络，将训练成功的CMAC神经网络作为控制器控制应力盘变形，取得了误差小于5％的计算机仿真结果。     

Application of Cerebellar Model Articulation Controller （CMAC） with a Modified Algorithm in Monitoring Machine Performance Degradation

On the basis of CMAC-PDM (Pattern Discrimination Model) , a novel algorithm of CMAC for monitoring machine degradation is proposed in this paper. The output of CMAC with the novel algorithm represents the state of a machine and PDM is not needed. The principle was explained by analyzing the modified mapping process of CMAC. The novel CMAC is applied to a tool condition monitoring system and two methodologies (novel CMAC and CMAC-PDM) are compared. The results prove that the novel algorithm is feasible and its computational complexity is reduced significantly.     

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.     

基于多特征的模糊c均值聚类的图像分割

图像分割是图像处理中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基本前提。本文提出采用像索点在θ方向上的非覆盖均值差分作为像素点的一个重要特征，联合其他常用特征，对图像进行c均值模糊聚类分析。实验结果表明本文提出的方法可以很好的从图像中分割出有意义的区域。     

挤压机的CMAC与PID并行控制

挤压机系统在运行过程中存在不确定性和非线性时变等特点,采用常规控制系统难以适应这种不确定性。将CMAC和PID并行控制算法运用到挤压机加酶制剂加工过程系统中,克服常规PID控制的参数难以整定、系统超调量大、动态响应速度慢等问题。经过MATLAB仿真,结果表明并行控制能够较好的适应系统不确定性,而且具有响应速度快、超调量小等特点。此方法具有良好的控制效果。     

基于模糊c均值聚类算法的控制图模式识别

控制图模式识别能够区分制造过程中的一般因素与异常因素,提高制造过程中的产品质量,减少成本,提高效益。利用蒙特卡洛方法产生样本;采用一维离散小波变换处理原始数据;利用模糊c均值聚类算法进行控制图模式识别。识别准确率99.43%,其标准差为0.002 8。这表明基于该方法的控制图模式识别准确率高,稳定性好,较现有的控制图模式识别方法具有简易、高效等特点。     

基于模糊聚类与神经网络的风蚀危险性评估研究——以内蒙古自治区为例

土地沙化和沙尘暴是中国北方农牧交错带严重的生态环境问题。在地理信息系统的支持下,论文建立风蚀自然因子栅格数据库;选取二连浩特—张家口为典型样带,综合运用模糊聚类技术、专家知识以及神经网络技术,构建区域风蚀危险度评估模型,分析内蒙古自治区风蚀危险性空间分布格局。结果显示：综合应用模糊聚类以及神经网络技术可以有效地对风蚀危险度进行评价,内蒙古自治区风蚀危险性呈现＂西高东低、中间过渡＂的总体趋势,这与该区域的自然、气候与土地利用背景较吻合,其中,风蚀极险型区域主要分布在阿拉善高原的西北部,面积6.9×104km2;强险型土壤风蚀地区主要位于阴山山脉周围、穿越巴丹吉林沙漠、浑善达克沙地与锡林郭勒盟高原西北部,面积4.3×104km2;危险型风蚀区域大致位于极险和强险之间,面积是1.5×105km2;轻险型土壤风蚀区域主要位于内蒙古的中部,面积为7.5×105km2;风蚀无险型区域主要位于大兴安岭周围,面积1.4×105km2。     

挤压机的CMAC与PID并行控审

挤压机系统在运行过程中存在不确定性和非线性时变等特点,采用常规控制系统难以适应这种不确定性。将CMAC和PID并行控制算法运用到挤压机加酶制剂加工过程系统中,克服常规PID控制的参数难以整定、系统超调量大、动态响应速度慢等问题。经过MATLAB4仿真,结果表明并行控制能够较好的适应系统不确定性,而且具有响应速度快、超调量小等特点。此方法具有良好的控制效果。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.