一种基于模糊神经网络的VBR MPEG视频流量预测模型

针对VBR MPEG视频流的复杂特性，充分利用人工智能方法的优势，提出了一种基于模糊神经网络的视频流量预测模型，利用模糊逻辑模型达到减少预测误差的目的，采用神经网络满足网络通信的实时性要求．实验结果表明，该模型比传统AR模型显著提高了预测的准确度和可靠性．     

用模糊神经网络构造煤粉流量模型

提出了用模糊神经神经的方法来建立煤粉流量模型。针对煤粉喷吹系统，模糊神经网络可以把它的工作空间分成若干个模糊区间，在每个区间中，用一局部模型来代表此系统；此方法克服了神经网络无法解释其他产接权物理意义的不足，利用现场采集的数据进行实验，发现此方法不仅提高准确度，而且可充分运用工作经验、专家知识、具有很大的工程应用价值。     

自适应模糊神经网络研究

模糊神经网络提供了从人工神经网络中模糊规则的抽取。本文研究模糊神经网络的自适应学习，规则插入和抽取及神经－模糊推理的FuNN模型，把遗传算法作为系统模糊规则选择的自适应策略之一。     

应用单层神经网络设计多变量自适应模糊控制器

提出一种应用单层神经网络设计多变量自适应模糊控制器的方法。应用单层神经网络可以学习多变量模糊控制规则中的未知参数，还可由它来实现多变量模糊推理过程。该方法能解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。仿真试验表明，所设计的多变量模糊控制器不仅实时性好，而且可得到满意的控制效果。     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

自适应模糊神经网络控制系统的研究

自适应模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则,又具有良好的自适应性,是目前受人们关注的课题。本文在对其分析的基础上又提出了卡尔曼滤波的学习算法,解决了原BP算法实时性差的问题,通过仿真实验说明了其优越性,并体现了模糊神经网络与最优控制相结合的思想。     

模糊Petri网的反馈控制研究

本文首先将模拟技术应用于Ｐｅｔｒｉ网中，得到模糊Ｐｅｔｒｉ网模型，然后基于Ｐｅｔｒｉ网中的库所湾量的概念，在普通Ｐｅｔｒｉ网的反馈控制基础上提出了一种模型Ｐｅｔｒｉ网的反馈控制方法。该方法使得对复杂系统的模糊Ｐｅｔｒｉ多控制器的系统设计成为可能。     

基于模糊神经网络的智能炉温控制系统

0 引言 由于电阻加热炉炉温控制具有严重的非线性、灰色性以及较大的时间滞后性,很难用数学方法建立精确的数学模型,因此用传统的控制理论和方法很难达到好的控制效果.本文介绍基于模糊神经网络的电阻炉炉温智能控制系统,该系统将人工智能中的神经网络控制技术和模糊控制技术结合,采用闭环控制方式实现对炉温的自动控制.其特点是:用神经网络代替传统的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.实践证明,该控制系统对无法取得数学模型或数学模型相当粗糙的系统可以取得满意的控制效果;与传统的PID炉温控制系统相比,该系统具有控制精度高、速度快,控制质量可靠、稳定等优点,有较大的推广应用价值.     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于神经网络的模糊参数自校正控制系统

本文针对参数固定的模糊控制系统难以适应控制过程中的工况的变化的弊端,提出一种基于神经网络的模糊控制系统（ＮＦＣ）,引入３层ＢＰ网络在线修正模糊控制器的参数,使得控制系统具有更好的动态特性和静态性能。     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

基于模糊神经网络的臭氧净水机智能控制研究

提出了一种基于模糊神经网络的臭氧杀菌净水机的控制方法,首先,分析了影响臭氧净水机臭氧含量的因素,再根据实验数据,利用模糊神经网络建模,得到了外界水温水压与臭氧管上的对应高压脉冲频率的非线性关系,并在此基础上设计出一种以数字信号处理器为控制核心的适应环境变化的智能臭氧净水机,实验表明,这种新型臭氧净水机能够保持稳定的臭氧浓度,有效杀菌.     

基于模糊神经网络的交通干线分层递阶控制

针对城市交通干线协调控制的要求,提出了利用模糊神经网络分层递阶控制的方法。采用两层结构,第一层为控制层。针对单个路口,对下一时间段内路口各个方向的车流量进行预测。并在此基础上计算出下一时间段内各个路口的周期、相序、各个方向上的绿信比;第二层是协调层,综合主干方向的车流状况及各个路口的情况,采用模糊神经网络对各个路口的周期、相位及主干方向的绿信比进行调整。仿真结果表明,该方法优于定时控制,达到了减少车辆的停车次数和延误时间的目的。     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于模糊神经网络的智能火灾报警控制系统

介绍了基于模糊神经网络智能火灾报警控制系统．在系统中应用了模糊控制理论既提高了系统的精度又最大限度的减少了系统的误报率，解决了火灾报警系统中长期存在的问题。结合具有自学习功能的神经网络算法，提高了系统的智能化程度，是现代智能控制理论在消防自动化系统中的应用。     

一种基于模糊神经网络的正则化学习算法的地铁列车运行控制

将两种不同的模糊神经网络分别应用于地铁列车控制中的站间运行阶段和定位停车阶段,仿真取得了令人满意的结果。为了降低控制系统的复杂度,提高系统的泛化能力,采用了在误差函数中引入正则项的方法。同时采用了基于扩展的自适应神经-模糊推理系统(简称ANFIS)获取模糊规则数和训练隶属度函数中心和宽度的方法。实验结果表明,将以上方法应用于地铁列车运行控制是可行的,可以保证较好的舒适性、速度跟随性和停车准确性。     

遗传算法自适应模糊神经网络控制

神经网络能够以任意精度逼近任意复杂的非线性关系,具有高度的自适应和自组织性,在解决高度非线性和严重不确定系统的控制方面具有巨大的潜力.但一般神经网络训练算法如BP算法训练速度慢,受初值影响大且易陷入局部极小点,该文提出了一种基于模糊神经网络的间接自校正控制系统,控制器以高斯隶属度函数的径向基函数（RBF）神经网络结构,利用改进的遗传算法（GA）对结构和参数进行同步优化,改进适应度函数指导搜索过程,在保证稳定情况下大大加快了收敛的速度.神经网络正向模型（NNP）利用弹性BP算法进行离线辨识,使得到的模型泛化性能好.