神经网络-模糊推理数据融合技术应用研究

近几年来,神经网络与模糊推理技术相辅相成构成了比较完备的智能信息系统框架.本文以神经网络-模糊推理数据融合技术为主线,重点介绍模糊神经多传感器数据融合系统的建模与分析;针对C3I数据融合系统中,传感器受外界复杂环境的影响使得其探测到的传感器信息具有不确定性,通过将模糊技术、神经网络理论与 Petri网相结合,讨论了模糊神经多传感器数据融合系统的建模方法,这对于提高系统学习能力和对外界环境的自适应能力具有实际意义.     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

双臂空间机器人协调运动的模糊基函数网络控制

该文研究了在本体位置不受控、姿态受控的情况下,漂浮基双臂空间机器人系统惯性空间协调运动的轨迹跟踪问题。针对存在外部扰动和未知系统惯性参数的情况,设计了一种基于模糊基函数网络的自适应调节控制方案。用模糊基函数网络对双臂空间机器人系统建模,利用鲁棒技术处理建模误差和外部扰动在内的不确定性。所提控制方案的特点是:不需要动力学方程中的惯性参数符合线性规律,也无需预知系统的惯性参数;同时可以利用学习规则在线自适应调节模糊基函数网络的所有权值和参数,因此控制方案是灵活的。该文稳定性分析证明了控制方案的全局稳定性和良好的轨迹跟踪性能。仿真算例表明了该方案能有效地控制双臂空间机器人的本体姿态和末端爪手协调地跟踪期望的运动轨迹。     

基于自适应神经模糊的磁流变阻尼器非参数化建模

磁流变阻尼器具有很强的非线性特性,准确描述磁流变阻尼器输入、输出之间的非线性关系,对提高磁流变减振系统的控制精度,保持控制系统稳定性,具有重要意义。针对经典参数化建模存在的大量参数辨识和计算复杂问题,采用自适应神经模糊系统理论,根据磁流变阻尼器实验模型,建立了磁流变阻尼器非参数化模型。它包括两个自适应神经模糊子系统,分别对特定电压下,磁流变阻尼器输入、输出关系以及电压变化导致的阻尼力输出等级进行描述。研究表明：基于自适应神经模糊理论的磁流变阻尼器非参数化模型,能以很高的精度逼近磁流变阻尼器实验模型,真实反映磁流变阻尼器的非线性特性。由于非参数化模型的计算工作量大大减少,有利于实现磁流变减振系统的精确与快速控制。     

基于自适应模糊神经网络的DMFC温度建模和控制

针对DMFC电堆的实时控制要求，应用自适应模糊神经网络技术对DMFC电堆的工作温度进行辨识建模和控制。在温度控制过程中，将训练好的网络模型作为DMFC电堆控制系统的参考模型，并对控制模型的参数进行在线自适应调整。仿真结果表明所设计的自适应模糊神经控制器性能优越。     

基于模糊逼近的单输入单输出非线性时延控制系统

针对单输入单输出的非线性时延系统,本文考虑了其自适应模糊跟踪控制问题。构建了一种自适应时延模糊逻辑系统用来逼近未知时延函数;设计了补偿器来抵消模糊逼近误差和外部扰动。根据跟踪误差给出了参数调节规律。构造了包含时延的李亚普诺夫函数,从而证明了误差闭环系统满足期望的跟踪性能。仿真结果表明了该方案的可行性。     

一类非线性动态系统的自适应模糊小波神经网络控制

对未知非线性动态系统研究基于模糊小波神经网络的自适应跟踪问题,首先构建一个模糊小波神经网络用于逼近未知的非线性函数的模型,然后根据李亚普诺夫稳定性理论建立自适应率,在线调整的模型参数包括小波网络的权重、小波的伸缩量、偏移量和模糊集合隶属函数的相关参数。提出了一种自适应模糊小波神经网络的滑模控制策略,保证系统的跟踪误差和对外界干扰的抑制被衰减到期望的程度。证明了闭环系统的半全局收敛性和鲁棒性,对倒立摆系统的仿真试验证明了所提控制方法的有效性。     

基于ANFIS的碳纤维布与混凝土黏结强度预测

基于模糊神经网络的非线性拟合能力和推理机制,研究了自适应模糊神经推理系统ANFIS在碳纤维布与混凝土的极限黏结强度预测中的应用,设计了一阶TSK模糊推理网络,建立碳纤维布厚度、宽度、黏结长度、弹性模量、抗拉强度、混凝土抗压强度,抗拉强度、宽度与极限黏结强度之间的高度非线性关系,用于黏结强度的预测。测试结果表明,自适应模糊神经推理系统计算简单、预测准确,在碳纤维布与混凝土的黏结强度预测方面优势明显。     

磁流变液阻尼器试验与建模研究

针对参数化模型不能直接反映阻尼器逆向动态特性、非参数化建模需大量试验数据问题,提出两者结合模型。该模型用自适应神经模糊系统建立位移、速度对阻尼力的非线性表达模型,用参数化方法描述阻尼力随电压及速度的变化输出模型。研究表明,此建模方法能较好逼近磁流变液阻尼器试验结果并反映其非线性特性,便于实际控制,且可减少计算工作量。     

冷轧液压辊缝系统的自适应模糊Backstepping控制

本文针对液压辊缝系统提出了一种自适应模糊Backstepping控制方法。根据系统特征选取适当的Lyapunov函数,减少了Backstepping设计的步骤,有效解决了高阶系统Backstepping设计过程中的“计算膨胀”问题。该方法采用自适应模糊系统消除了参数不确定项和负载干扰项的影响。文中给出了不确定参数的自适应律和系统跟踪误差收敛性证明。仿真结果表明,该控制器使系统具有快速、准确的动态性能。     

基于灰色GM(1,1)和自适应神经模糊推理的数据预测模型

综合利用灰色理论与自适应神经模糊推理系统( ANFIS)建立预测模型的思路,给出了利用自适应神经模糊推理系统对GM(1,1)模型残差进行修正,重构灰色GM(1,1)模型预测值的综合预测方法.选用我国某地区冬季最大电力负荷作为原始数据,用GM(1,1)模型对历年的电力负荷进行建模,并利用自适应神经模糊推理系统对其残差进行...     

一类带有未知控制方向的非线性系统的模糊自适应事件触发容错控制

针对带有未知控制方向、未知非线性函数以及执行器故障的不确定非线性系统,研究了相应的模糊自适应事件触发容错控制问题。首先,运用反步法和模糊逻辑系统 (FLS) 理论知识相结合,构造出自适应事件触发容错控制器和自适应更新律,有效地补偿了执行器故障对系统的影响。其次,在自适应事件触发容错控制器的设计中引入了 Nussbaum 函数。最后,所设计的控制方案保证了闭环信号在给定紧集内一致最终有界,且仿真结果验证了本文所提出的控制方案的有效性。     

空调系统神经模糊控制器-仿真和优化

以恒温空调系统为控制对象，对神经模糊控制器、常规模糊控制器和PID控制器进行了数字仿真，并用单纯形法对控制比例因子进行了参数寻优，获得了最优参数和动态响应曲线；通过对神经模糊控制器的优化学习，大大提高了神经模糊控制器的控制精度和稳定性，其性能优于最优化的PID控制器和最优化的常规模糊控制器，能有效地满足温度控制要求，并具有较好的鲁棒性；由于神经模糊控制器具有模糊控制和神经网络的智能，经过优化学习后，它具有艮好的控制性能和自适应能力。     

自适应模糊控制综述

经过近50年的发展,模糊控制理论在实践中得到越来越广泛地应用。将模糊逻辑技术与自适应控制相结合形成的自适应模糊控制,因其具有鲁棒性强、易于掌握和操作,并且控制技术自身克服了复杂、非线性等系统难以精确建模等特点,能够在控制过程中,根据自身输出与外界反馈,进一步修正控制器中的控制规则,使得控制效果更加的完善,所以自适应模糊控制在现代工业生产以及航天航空等多方面越来越得到重视,本文从模糊控制基本思想、自适应模糊控制的结构等方面对自适应模糊地理论结构进行了阐述,并介绍了各种关于自适应模糊控制的理论研究成果,最后对自适应模糊控制的发展做了小结并且阐述了模糊建模以及自适应模糊控制的实际研究意义和具有巨大的发展前景。     

磁流变阻尼器的模糊逼近

由于磁流变液具有非线性特性，所以磁流变阻尼器的输入输出问具有很强的非线性关系。可准确描述其非线性特性的磁流变阻尼器正模型通常非常复杂，难以直接得到逆模型。考虑到某些模糊系统的万能逼近能力，本文提出用模糊系统来逼近磁流变阻尼器逆模型的新思路。根据自适应神经模糊推理系统原理，设计两个模糊系统分别逼近磁流变阻尼器的正模型和逆模型。研究结果表明：无论是正模型还是逆模型。对于训练数据，模糊系统均可以准确逼近，而对于检验数据也可比较准确逼近。正模型的逼近效果稍好，若要提高逆模型ANFIS的逼近精度．将以增加系统复杂性为代价。模糊逼近可以推广到其它的磁流变阻尼器模型中，特别是可对正模型未知的磁流变阻尼器进行建模与控制。     

语音模糊消噪算法

针对加性有色噪声,提出了语音信号模糊消噪算法;建立并训练了一个语音模糊消噪系统——自适应神经模糊推理系统（ANFIS）;用其对含噪语音中的有色噪声进行模糊估计,从而提取出干净的语音。对算法进行了仿真实验,结果表明,对模拟有色噪声在-17dB时能提取出清晰的语音。     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

一类离散非线性时滞互联系统的模糊分散控制

本文对一类离散非线性互联时滞系统,给出了模糊分散状态反馈和基于观测器的分散输出反馈模糊控制方法。设计中,首先采用模糊T-S模型对非线性互联时滞系统进行模糊建模,在此基础上,给出模糊分散状态反馈和基于观测器的模糊分散控制的设计。应用Lyapunov函数方法和线性矩阵不等式方法给出和证明了模糊分散控制系统稳定的充分条件。仿真结果进一步验证了所提出的模糊分散控制方法的有效性。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对空调温度控制的大惯性、大滞后、非线性等特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明系统设计的有效性。     

离焦模糊图像的自适应滤波及逆滤波器复原

在微操作中,显微视觉系统获取的图像通常是离焦模糊图像.根据最小二乘原理和回归模型设计自适应滤波器,用于消除图像噪声,提高图像的信噪比;离焦模糊图像的退化模型可用圆盘函数描述,利用模糊图像频域的零点位置来估计圆盘函数的模糊参数;采用基于简化Wiener滤波的逆滤波器方法对模糊图像进行复原.对算法进行了仿真和实验分析,结果表明,该方法能够以较少的运算时间代价获取较好的复原效果.